NUNES, Éldman de OliveiraMACÊDO, Paulo Ricardo Silva de2023-03-162023-03-162022-12-10https://repositorio.animaeducacao.com.br/handle/ANIMA/32505O câncer de mama quando detectado precocemente, tem mais chances de ser curado, porém, a grande quantidade de mamografias a serem analisadas por um radiologista pode afetar a avaliação das imagens, por isso tem sido desenvolvidos sistemas computacionais para ajudar na detecção e classificação da mamografia. Através do exame da mamografia é possível identificar anormalidades no tecido mamário, que podem ser cancerosas. Para classificar o achado como benigno ou maligno, é necessário realizar uma análise dos descritores, como forma, margem e densidade. Para apresentar bons resultados, os sistemas computacionais precisam ser treinados para conseguir interpretar corretamente as características de cada descritor. Este treino é feito com grupos de dados bem documentados, chamados de datasets, de mamografias com lesões já identificadas e diagnosticadas. O objetivo desse artigo é reunir os principais métodos e datasets utilizados na classificação das lesões encontradas em mamografias, para auxiliar no desenvolvimento destes sistemas. Uma busca realizada nas bases de pesquisa PubMed e ScienceDirect, retornou 5020 artigos, dos quais 89 foram selecionados, e apenas 14 passaram na avaliação de qualidade. Foram identificados 6 datasets, dos quais os mais utilizados foram o DDSM, presente em 12 artigos, e o INBreast, presente em 3 artigos. Foram identificadas 17 características de forma e margem para classificar a lesão da mamografia.19ptAtribuição-NãoComercial-SemDerivados 3.0 Brasilcâncer de mamadescritoresmamografiarevisão sistemática da literaturaArtigo Científico