O uso de ferramentas computacionais na área de imagens médicas tem crescido nos últimos anos. Esses sistemas normalmente utilizam mecanismos de Processamento de Imagens e Recuperação de Imagens Baseada em Conteúdo como técnicas de suporte para extração de atributos de imagem, desprezando informações se mânticas relacionadas aos exames. Técnicas de Recuperação de Informação, artefatos de Processamento de Linguagem Natural e Morfometria podem ser aplicados para encontrar mapeamentos entre o conteúdo visual de uma imagem médica e informações semânticas úteis ao usuário. Este mapeamento pode resultar na geração de conhecimento que, posteriormente, poderá ser utilizado para reconhecer padrões de exames, refinar buscas por similaridade em uma base de imagens e fornecer sugestões de diagnóstico suportadas por exames similares. O objetivo do trabalho é realizar um estudo teórico-prático de técnicas das áreas de Recuperação de Imagens Baseada em Conteúdo e Recuperação de Informação para a diminuição da descon- tinuidade semântica existente entre a recuperação computadorizada de imagens médicas e a interpretação humana de seu conteúdo. Com este estudo, foi abstraído o Framework para Redução da Descontinuidade Semântica em Imagens Médicas (FREDS). Os resultados iniciais no contexto de câncer de tireoide em imagens de microscopia óptica sinalizaram positivamente o uso da informação semântica extraída a partir de imagem.

The use of computational tools in the field of medical imaging has increased in the recent years. These systems typically employ Image Processing and Content-Based Image Retrieval mechanisms as support techniques for extraction of image attributes, ignoring semantic information related to the exams. Information Retrieval techniques, artifacts of Natural Language Processing and Morphometry can be applied to find mappings between the visual content of a medical image and the semantic information found in the exams. This mapping can result in the generation of knowledge, which subsequently could be used to recognize exam patterns, refine searches by similarity in an image database and provide diagnosis suggestions supported by similar exams. The present work aims to perform a theoretical-pratical study in the areas of Content-Based Image Retrieval and Information Retrieval to reduce the semantic discontinuity that exists between the computerized medical image retrieval and the human interpretation of its content. From this study, we abstracted FREDS - Framework para Redução da Descontinuidade Semântica em Imagens Médicas (Framework for Semantic Discontinuity Reduction in Medical Imaging). Initial results in the context of thyroid cancer in microscopic images signaled positively the use of semantic information extracted from the image.