人工智能在甲状腺结节中的应用:基于图书识别分析的系统审查
Yun Peng1, Tong-Tong Wang1, Jing-Zhi Wang2
1Department of Radiology, The Second Affiliated Hospital, Jiangxi Medical College, Nanchang University Nanchang, 330006, China.
Endocrine, metabolic & immune disorders drug targets
|January 5, 2024
概括
人工智能 (AI) 越来越多地用于甲状腺结节分析. 未来的研究将专注于放射学和深度学习,以评估风险和预测中枢淋巴结转移 (CLNM).
科学领域:
- 图书统计学 图书统计学
- 人工智能在医学中的应用
- 甲状腺学 甲状腺学
背景情况:
- 甲状腺结节在甲状腺疾病中很普遍,无论是良性还是恶性.
- 人工智能 (AI) 在检测,诊断和评估甲状腺结节方面显示出越来越大的潜力.
- 图书统计分析用于绘制甲状腺结节中AI的研究格局.
研究的目的:
- 分析和预测研究热点和边界在应用AI的甲状腺结节使用文献计量方法.
- 在人工智能驱动的甲状腺结节分析中确定关键的研究趋势和新兴领域.
主要方法:
- 从科学网络核心集合数据库中检索的601篇论文的图书统计分析.
- 使用了bibliometric.com,VOSviewer和CiteSpace进行数据分析.
- 生成了协作地图,共同引用分析和关键字引用爆发可视化.
主要成果:
- 中国在甲状腺结节中人工智能方面的出版物 (52.41%) 占据领先地位.
- 确定了9个关键研究集群:人工智能,深度学习,乳头甲状腺癌,放射学,超声图像,生物标志物,医学图像细分,中枢淋巴结转移 (CLNM) 和自我组织的自动编码器.
- 过去十年的新兴趋势包括人工智能,放射学,医学图像细分,深度学习和CLNM.
结论:
- 甲状腺结节中的AI领域正在迅速扩大,学术贡献越来越多.
- 未来的研究热点包括使用放射学和深度学习进行风险因素评估和CLNM预测.
- 医疗图像的自动细分,特别是超声波图像,是未来的重要方向.
