Revisão sistemática sobre técnicas de visão Computacional aplicadas à classificação de leucócitos

Autores

DOI:

https://doi.org/10.59681/2175-4411.v18.2026.1519

Resumo

Introdução: A classificação automatizada de leucócitos por visão computacional é uma alternativa promissora à análise manual, que é demorada e subjetiva. Objetivo: Esta revisão sistemática visa analisar e sintetizar as evidências sobre os algoritmos de aprendizado de máquina aplicados à classificação de leucócitos em imagens de esfregaço sanguíneo, avaliando seu desempenho e desafios. Métodos: Foi realizada uma revisão sistemática (PRISMA) nas bases MEDLINE/PubMed, Embase e Scopus, para estudos publicados entre 2020 e 2025. Resultados: A partir de 300 registros iniciais, 28 estudos foram incluídos. Os resultados indicam um predomínio de modelos de aprendizado profundo (CNNs, YOLO) com acurácia frequentemente superior a 95% na classificação de leucócitos maduros. Conclusão: Embora tecnicamente madura para células normais, a área enfrenta desafios como a heterogeneidade metodológica entre os estudos e uma lacuna na classificação de células imaturas e atípicas, que possui maior relevância clínica.

Downloads

Não há dados estatísticos.

Biografias Autor

João Kasprowicz, Universidade Federal de Santa Catarina

Atualmente é Analista Clínico Pleno no Laboratório de Análises Clínicas da Universidade do Vale do Itajaí, com foco na aplicação de Gestão de Qualidade no contexto laboratorial. Possui experiência técnica em diversos setores de análises clínicas. Mestrando do Programa de Pós Graduação em Informática em Saúde (PPGINFOS) na Universidade Federal de Santa Catarina (UFSC), concomitantemente faz CST em Análises e Desenvolvimento de Sistemas no Instituo Federal do Sul de Minas (IFSULDEMINAS). Possui graduação em Biomedicina (UNIVALI), CST em Ciência de Dados (UNIVALI). Pós graduação lato-sensu em Microbiologia (UNIAMERICA) e Metodologias Ativas de Aprendizagem (UNIAMERICA).

Halan Germano Bacca, Universidade Federal de Santa Catarina

Bacharel em Biomedicina com habilitação em Patologia Clínica pela Universidade do Vale do Itajaí (UNIVALI, 2022). Atualmente é graduando em Análise e Desenvolvimento de Sistemas, pós-graduando em Data Warehouse e Business Intelligence (ambos pela UNIVALI) e Mestrando em Informática em Saúde pela Universidade Federal de Santa Catarina (UFSC).

Alexandre Gonçalves Silva, Universidade Federal de Santa Catarina

Possui graduação em Engenharia de Computação pela Unicamp (em 2001), mestrado (em 2003) e doutorado (em 2009) em Engenharia Elétrica, na área de Engenharia de Computação, pela FEEC/Unicamp. Foi professor do DCC/CCT/UDESC (de Jul/2004 a Ago/2014) e atualmente é professor do INE/CTC/UFSC (desde Ago/2014). Atua nos cursos de Graduação em Ciência da Computação (CCO) e de Pós-Graduação em Informática em Saúde (PPGINFOS). Foi subcoordenador do CCO entre 10/2019 e 09/2020, coordenador do CCO entre 09/2020 e 03/2021, coordenador do PPGINFOS entre 02/2024 e 03/2024 e, desde de 03/2024, é subcoordenador do PPGINFOS. Seus temas de pesquisa incluem Processamento Morfológico de Imagens Médicas e Aprendizado de Máquina Aplicado à Saúde.

Downloads

Publicado

2026-01-21

Como Citar

Kasprowicz, J., Germano Bacca, H., & Gonçalves Silva, A. (2026). Revisão sistemática sobre técnicas de visão Computacional aplicadas à classificação de leucócitos. Journal of Health Informatics, 18(1), 1519. https://doi.org/10.59681/2175-4411.v18.2026.1519

Edição

Vol. 18 (2026)

Secção

Artigo de Revisão

Licença

Direitos de Autor (c) 2026 João Kasprowicz, Halan Germano Bacca, Alexandre Gonçalves Silva

Creative Commons License

Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.

Vale a licença indicada em cada artigo, na sua página e no PDF. A partir do volume 18 (2026), o Journal of Health Informatics adota a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), que permite copiar, distribuir, adaptar e reutilizar o conteúdo para qualquer fim, desde que a autoria e a fonte original sejam citadas. Artigos publicados até 2025 permanecem sob a licença Creative Commons Atribuição–Não Comercial–Compartilha Igual 4.0 Internacional (CC BY-NC-SA 4.0).