Nos últimos anos, o ensino na área de anatomia humana sofreu grandes modificações junto com um notável crescimento dos usuários de dispositivos móveis e dos aplicativos (apps), incluindo os de anatomia. Este artigo objetiva fazer uma revisão sistemática do impacto no desempenho académico dessas apps e das características dos mais baixados. Foi realizado uma revisão sistemática nas bases de dados MEDLINE, Pubmed, Embase, Cochrane e Web of Science. As palavras-chave incluíram uma combinação de termos referentes ao uso de aplicativos para ensino de anatomia: "anatomy", "mobile applications”, “medical education” e "education". Os apps foram selecionados no sistema iOS da Apple. Inicialmente, foram levantados 184 artigos, permanecendo 6 após leituras detalhadas. De 240 mais baixados, 12 (5%) são específicos para anatomia, sendo todos gratuitos. A maioria (9) englobava os principais sistemas e órgãos, sendo 3 deles com focos específicos (músculos, ossos e ossos + músculos). Há uma pequena produção científica no efeito no desempenho acadêmico e na usabilidade de apps em anatomia humana, a despeito de uma quantidade elevada de aplicativos disponíveis para download.

In recent times, teaching human anatomy suffered great changes as an increasing number of mobile devices and due applications (apps) were available to users. This paper aims to perform a systematic review on the characteristics of the most downloaded apps as well as on the impact of such apps in academic performance. A systematic review was performed using databases MEDLINE, Pubmed, Embase, Cochrane and Web of Science. The keywords included combinations of word related to the use of apps in human anatomy teaching: "anatomy", "mobile applications”, “medical education” and "education". Selected apps belong to Apple iOS system. Initially, 184 papers were identified and 6 remained after selection criteria. Out of the 240 most downloaded apps, 12 (5%) are anatomy specific and free. Nine of these included the major human systems and organs and 3 of them were dedicated to specific tissues (muscles, bone or muscle and bones). Despite a large availability of apps, there is a small scientific production on the usability of human anatomy apps and on their effect on academic performance.

O Processamento Digital de Imagens é uma área de crescente expansão em vários ramos de aplicação que utilizam a interpretação de imagens como ferramenta. A área da Metalografia Quantitativa aplicada às Ciências dos Materiais utiliza essa técnica para caracterização de frações volumétricas de fases, tamanho de grãos, determinação de distribuição de inclusões, entre outros parâmetros que influem nas propriedades dos materiais. Através de uma análise estatística preliminar, o presente trabalho tem como principal objetivo apresentar e validar o programa Segmentação Via Rede Neural Artificial (SVRNA) desenvolvido pelos autores. Este programa, baseado em redes neurais artificiais, faz a contagem percentual de constituintes em tempo reduzido em relação ao modelo convencional. O estudo é realizado, primeiramente, com a obtenção das amostras de aços ABNT 1020 e 1045 e ferro fundido nodular. A análise estatística mostra que o software é eficiente para o grau de significância admitido. Conclui-se, portanto, que o programa pode ser utilizado em aplicações na área das Ciências dos Materiais para a determinação de microestruturas.

Digital Image Processing is an increasing expansion area in some field of application that uses the interpretation of images as tool. Quantitative Metallography area applied to Materials Sciences uses this technique for characterization of phase volumetric fractions, grain size, inclusion distribution determination and other parameters that influence the properties of the materials. The present paper has, as main objective, to present and validate the software Segmentation by Artificial Neural Network (SVRNA), developed by the authors. This software, based on artificial neural network, makes the percentile constituent counting in time reduced in relation to the conventional model. The study is carried out over ABNT 1020 and 1045 steel and nodular cast iron samples. Statistical analysis showed that this software is efficient for admitted degree of significance. It has concluded, therefore, that the program can be used in applications in the field of Material Sciences for determination of microstructures.