关于机器学习在自闭症谱系障碍中的应用当前的研究格局:从1999年到2023年的图书识别分析
Xinyu Li1,2, Wei Huang3, Rongrong Tan1,2
1Department of Psychiatry, The School of Clinical Medicine, Hunan University of Chinese Medicine, Changsha, Hunan, China.
Current neuropharmacology
|March 27, 2025
概括
本文献分析显示,自2017年以来,自闭症谱系障碍 (ASD) 机器学习研究的激增. 关键主题包括深度学习和分类,未来将专注于人工智能和用于自闭症诊断的脑电图.
科学领域:
- 神经科学和人工智能 人工智能
- 计算精神病学是一种计算精神病学.
- 图书统计分析 图书统计分析
背景情况:
- 自闭症谱系障碍 (ASD) 的特点是语言缺陷,兴趣受限和社会困难.
- 机器学习和神经成像在ASD研究中越来越多地结合在一起.
- 图书计量分析为ASD机器学习的当前环境和新兴趋势提供了洞察力.
研究的目的:
- 在ASD中对机器学习应用进行文献计量分析.
- 确定研究趋势,热门话题和未来的研究方向.
- 从1999年到2023年,绘制出机器学习在自闭症研究中的演变.
主要方法:
- 关于机器学习和ASD的出版物从科学网络核心集合 (1999-2023) 中获取.
- 数据分析涉及使用微软Excel和VOSviewer的作者,文章,期刊,机构和国家的特征.
- 使用VOSviewer和CiteSpace.Space分析了知识网络,协作地图,热点和趋势.
主要成果:
- 在1999年至2023年期间,共发表了1357篇论文,在2016年之后大幅增加.
- 美国,中国,印度和英国是主要的贡献者,斯坦福大学和哈佛医学院是顶级机构之一.
- 中心主题包括"自闭症谱系障碍"",机器学习"",儿童"",分类"和"深度学习".
结论:
- 未来的研究需要加强国际合作.
- 研究重点正在转向"人工智能"",深度学习"",脑电图"和"儿科".
- 未来的方向包括众包机器学习和利用电脑扫描来诊断ASD.


