Leila Cristina Carneiro BergamascoBRUNO BAZZO ABELLANGUILHERME COUTO BERNARDIJOÃO VITOR MALAFAIAMATEUS CONTE FEITOSA2024-08-152024-08-152021-12-15https://repositorio.fei.edu.br/handle/FEI/5497Imagens médicas são essenciais no treinamento de algoritmos de inteligência artificial que objetivam, entre outras tarefas, auxiliar o diagnóstico médico. Embora esse treinamento seja possível com um pequeno número de imagens é conhecido pela comunidade científica que quanto maior a quantidade de imagens disponíveis, maior a efetividade do algoritmo. Dessa forma, se torna essencial o desenvolvimento de estratégias de armazenamento e recuperação de tais imagens. Uma das abordagens possíveis é a utilização de sistemas gerenciadores de banco de dados (SGBDs) para realizar o armazenamento desses dados. O presente projeto de pesquisa tem por objetivo avaliar diferentes SGBDs no que diz respeito ao armazenamento de centenas de frames de exames de ressonância magnética cardíaca, considerando todas as suas particularidades, tais como: anonimização, idade e gênero do paciente. Adicionalmente, para simular um grande volume de dados e estruturar a base de dados para que seja reaproveitada por outros pesquisadores, utiliza-se técnicas de DA. As principais contribuições deste trabalho foram: determinar que o modelo mais adequado para armazenar e recuperar imagens médicas cardíacas dentro do contexto de desenvolvimento de pesquisa é o MongoDB Atlas, além de aplicar técnicas eficientes para que seja possível obter uma maior gama de imagens e consequentemente maior precisão em um treinamento de modelos preditivos utilizando IA.52pt-BRRestritoImagens médicasData AugmentationSGBDsrecuperação da informaçãoTrabalho de Conclusão de Curso