对基于深度学习的细分技术进行系统审查,用于脑瘤检测 (2013-2023年)
Farrukh Hassan1, Saad Aslam1, Samuel-Soma M Ajibade1
1School of Engineering and Technology, Sunway University, Bandar Sunway, Selangor Darul Ehsan, Malaysia.
Digital health
|October 30, 2025
概括
这项研究分析了2013-2023年脑瘤图像细分的深度学习,揭示了显著的出版物增长和关键研究主题. 这些发现为这个快速发展的领域的未来方向提供了信息.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 大脑瘤仍然是一个重大的健康挑战,需要先进的诊断工具.
- 深度学习 (DL) 技术在医学图像分析中表现有前途,特别是在细分任务中.
- 准确的脑瘤细分对于诊断,治疗计划和预测结果至关重要.
研究的目的:
- 系统地审查和分析基于深度学习的图像细分用于脑瘤检测的出版趋势.
- 识别关键的利益相关者,有影响力的研究,并在这个领域普遍的研究主题.
- 从2013年到2023年绘制研究格局和出版动态图.
主要方法:
- 系统审查遵循系统审查和元分析 (PRISMA) 准则的首选报告项目.
- 对Scopus,PubMed和Web of Science (2013-2023) 的出版物进行了图书统计分析.
- 分析包括出版趋势,利益相关者识别,引文分析和使用VOSviewer和R Studio的关键词共同出现.
主要成果:
- 总共分析了931份文件,出版物的数量从每年1份大幅增加到310份.
- 春周成为最多产的作家;主要机构包括伦敦帝国理工学院和哈佛医学院.
- 关键词共同出现的分析证实了"深度学习脑瘤图像细分"作为中心主题的突出地位.
结论:
- 针对脑瘤图像细分的深度学习的研究领域正在迅速扩大.
- 确定了趋势,利益相关者和主题,为未来的研究和政策提供了宝贵的见解.
- 这些发现突显了脑瘤图像细分研究中的多学科性质和不断发展的机会.