ABC Imagem Cardiovasc. 2025; 38(3): e20250058
As Aplicações das Redes Neurais Convolucionais na Imagem Cardíaca
Resumo
Redes neurais são modelos computacionais que imitam o funcionamento do cérebro humano, aprendendo a partir de grandes volumes de dados para realizar tarefas cada vez mais complexas. Isso é feito por meio de neurônios artificiais interconectados que propagam informações de camadas brutas para camadas refinadas, às vezes com pesos atribuídos, permitindo a classificação ou identificação de padrões não lineares. A Rede Neural Convolucional (CNN, do inglês Convolutional Neural Network) é uma arquitetura especializada de aprendizado profundo (deep learning) projetada para extrair e analisar padrões espaciais em imagens, possibilitando aplicações em decisões diagnósticas e monitoramento clínico longitudinal. Seu uso em tomografia computadorizada e ressonância magnética, por meio da segmentação de imagens cardíacas, permite definir estruturas cardíacas de forma rápida e eficiente, desempenhando um papel importante na reconstrução de imagens tridimensionais e no suporte a procedimentos pré-operatórios. Além disso, em comparação com outras formas de análise convencional, a CNN garante interpretações objetivas e qualidade superior de imagem, com base na remoção de artefatos do segmento estudado. Ecocardiogramas têm mostrado bons resultados na identificação de patologias como hipertensão pulmonar, amiloidose, cardiomiopatia hipertrófica e doenças congênitas, e estudos sobre a automação desses exames apontam para uma possível ampliação do acesso em áreas remotas onde operadores manuais não estão disponíveis. Consequentemente, abordagens baseadas em CNN têm o potencial de otimizar os fluxos de trabalho em imagem cardiovascular, minimizar a variabilidade entre observadores e expandir as capacidades diagnósticas para regiões carentes e remotas com acesso limitado a cuidados especializados.
Palavras-chave: Inteligência artificial; Redes neurais de computação; Técnicas de Imagem Cardíaca
277
