Video Experimental Relacionado
Updated: May 5, 2026
Robust Ligature-Induced Model of Murine Periodontitis for the Evaluation of Oral Neutrophils
Published on: January 21, 2020
Análisis visual del aprendizaje automático en la investigación de enfermedades periodontales, 2001-2023
Huili Lin1, Jun Chen, Wenjie Li
1Hunan Engineering Research Center for Oral Digital Intelligence and Personalized Medicine; Hunan Key Laboratory of Oral Health Research; Hunan Clinical Research Center of Oral Major Diseases and Oral Health; Academician Workstation for Oral-maxillofacial and Regenerative Medicine and Xiangya School of Stomatology, Central South University. Changsha 410008, China. E-mail: 2125413957 @qq.com.
El aprendizaje automático (AM) se aplica cada vez más en la investigación de enfermedades periodontales, con un enfoque reciente en la segmentación basada en imágenes y la extracción de características para el diagnóstico. Este análisis destaca el AM
Área de la Ciencia:
- Bibliometría y cienciometría
- Inteligencia computacional
- Periodoncia
Sus antecedentes:
- Las enfermedades periodontales representan una carga significativa para la salud mundial.
- El aprendizaje automático (AM) ofrece enfoques novedosos para comprender y manejar las afecciones periodontales.
- La aplicación del AM en periodoncia es un campo en rápida evolución.
Objetivo del estudio:
- Analizar y visualizar sistemáticamente la literatura sobre aprendizaje automático en enfermedades periodontales.
- Identificar aplicaciones clave, tendencias de investigación y puntos calientes en este dominio.
- Proporcionar información para futuras direcciones de investigación en AM para periodoncia.
Principales métodos:
- Análisis bibliométrico de publicaciones de la Web of Science Core Collection (2001-2023).
- Se emplearon herramientas de visualización como Bibliometrix, CiteSpace y VOSviewer.
- Se incluyeron un total de 127 artículos relevantes en el análisis.
Principales resultados:
- La frecuencia de publicación y citación muestra una tendencia ascendente significativa desde 2018.
- Las palabras clave de alta frecuencia incluyen 'periodontitis', 'aprendizaje automático' y 'aprendizaje profundo'.
- Los puntos calientes recientes de la investigación clínica implican la segmentación basada en imágenes y la extracción de características para el diagnóstico de la enfermedad periodontal y la periimplantitis.
- La investigación básica se centra en el cribado de biomarcadores.
Conclusiones:
- El panorama de la literatura demuestra la creciente aplicación y los puntos calientes emergentes del AM en la investigación de enfermedades periodontales.
- El AM muestra la promesa de ayudar en el diagnóstico y la comprensión de los mecanismos de la enfermedad.
- Este análisis sirve como una referencia valiosa para guiar futuros esfuerzos de investigación en AM para periodoncia.
