ترجمه مقاله آنالیز مبتنی بر داده از روند تحقیقات جهانی در تصویر پزشکی – سال 2023
مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
A data-driven analysis of global research trends in medical image: A survey
کلمات کلیدی مقاله:
تجزیه و تحلیل مبتنی بر داده – روندهای پژوهشی جهانی – تصویربرداری پزشکی – روش های مبتنی بر شبکه
مناسب برای رشته های دانشگاهی زیر:
مهندسی پزشکی
مناسب برای گرایش های دانشگاهی زیر:
پردازش تصاویر پزشکی – سایبرنتیک پزشکی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. جمع آوری داده ها
3. روش شناسی (متودولوژی)
4. تجزیه و تحلیل پایه علم سنجی
5. تجزیه و تحلیل شبکه
6. بحث
7. نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
With the development of artificial intelligence and high-performance computing equipment, new technologies have huge effects on medical image research. However, it is difficult to find out when new research topics appear, who those authors with influences are, and how relevant publications influence the academic community. In order to catch up with global research trends, traditional methods of literature review are inadequate to acquire information. In this case, a data-driven analysis offers a new quantitative approach to studying global research trends. Specifically, this paper used several basic bibliometric indexes to characterize the global trends of medical image research from 1993 to 2022, including yearly output, active journals, important authors, active institutions, and main countries. Furthermore, we utilized network-based methods to analyze the internal relations of co-word, coauthorship, and co-citation, so as to discover academic hotspots and clarify global research trends. Finally, some conclusions are drawn as follow: (1) The present medical image research is on an upward trend. The number of publications on medical image surged since 2015 due to advances in deep learning. Deep learning and convolutional neural networks (CNNs) are both popular research keywords in recent years. (2) IEEE Transactions on Medical Imaging is the most influential journal in view of Total Local Citation Score (TLCS) and Total Global Citation Score (TGCS), followed by Medical Image Analysis. Neurocomputing and Information Fusion are well-recognized in local research community. (3) Van Ginneken B and Aerts HJWL are representative scholars in consideration of TLCS and TGCS. (4) The USA is a leading country in medical image research. Other influential countries include China, India, UK, Germany, France, Canada, Netherlands, Australia, Italy, South Korea, Switzerland, etc. Most important institutions are from these countries, including Harvard, UMich, Stanford, UPenn, UNC, CAS, SJTU, UCL, UofT, RU, etc. (5) Application of artificial intelligence technologies, especially CNNs, has dramatically promoted global studies of medical image since 2015. Interdisciplinary collaborations become popular among experts with different disciplines backgrounds. We can infer that medical image analysis and application based on deep learning will still be a flourishing field in the near future with the improvement of algorithms and the application of high-performance computing equipment.
چکیده
با گسترش هوش مصنوعی و تجهیزات محاسباتی با کارایی بالا، فناوری های جدید تأثیرات بسزایی بر پژوهش های تصویربرداری پزشکی دارند. با این وجود تشخیص مواردی نظیر اینکه چه زمانی موضوعات پژوهشی نوین تظاهر می‌یابند، نویسندگان تأثیرگذار چه کسانی هستند و انتشارات مرتبط چگونه بر جامعه دانشگاهی تأثیر می‌گذارد دشوار است. برای رسیدن به روندهای پژوهشی سراسری، روش های مرسوم بررسی متون برای کسب اطلاعات کافی نیستند. در این مورد تحلیل مبتنی بر داده، رویکرد کمی نوینی برای مطالعه روند پژوهشی ارائه می دهد. در این بررسی از چندین نمایه متن سنجی بنیادی برای توصیف روندهای کلی پژوهشی تصاویر پزشکی از سال 1993 تا 2022 از جمله خروجی سالانه، مجلات فعال، نویسندگان تاثیرگذار، مؤسسات فعال و کشورهای عمده استفاده شده است. همچنین از شیوه های مبتنی بر شبکه برای تجزیه و تحلیل ارتباط درونی هم‌واژه ها، هم‌نویسندگی، و هم‌استنادی استفاده شد تا نقاط مهم جامعه دانشگاهی را پیدا کرده و روندهای کلی پژوهشی توضیح داده شوند. برخی از نتایج نهایی به شرح زیر است: (1) پژوهش تصویربرداری پزشکی حال حاضر روندی صعودی را طی می کند. تعداد انتشارات در حیطه تصویربرداری پزشکی از سال 2015 با پیشرفت های فراوان در یادگیری عمیق افزایش یافته است. یادگیری عمیق و شبکه های عصبی پیچیده (CNN) هر دو کلیدواژه پژوهشی متداولی در سال های اخیر هستند. (2) تراکنش های IEEE در تصویربرداری پزشکی (IEEE Transactions on Medical Imaging) تأثیرگذارترین مجله از نظر امتیاز استناد منطقه ای (TLCS)، مجموع امتیازات استناد جهانی (TGCS) و تحلیل تصاویر پزشکی است. همچنین مجلات Neurocomputing و Information Fusion در جامعه پژوهشی منطقه ای به خوبی شناخته شده اند. (3) Van Ginneken B و Aerts HJWL در بررسی TLCS و TGCS پژوهشگران کاندید هستند. (4) ایالات متحده آمریکا کشوری پیشرو در پژوهش های تصویربرداری پزشکی است. از دیگر کشورهای تاثیرگذار می توان چین، هند، بریتانیا، آلمان، فرانسه، کانادا، هلند، استرالیا، ایتالیا، کره جنوبی و سوئیس را نام برد. موثرترین موسسات نظیر هاروارد، یومیچ، استنفورد، UPenn، UNC، CAS، SJTU، UCL، UofT، RU، (3) Van از این کشورها هستند. (5) استفاده از فناوری های هوش مصنوعی به خصوص CNN، مطالعات کلی تصویربرداری پزشکی را از سال 2015 به بعد به طور چشمگیری ترقی داده است. همکاری های بین رشته ای در میان متخصصان رشته های مختلف متداول تر خواهد شد. می‌توان استنباط کرد که تجزیه و تحلیل تصاویر پزشکی و کاربرد مبتنی بر یادگیری عمیق در آینده نه چندان دور با بهبود الگوریتم ها و استفاده از تجهیزات محاسباتی با کارایی بالا همچنان زمینه پژوهشی پر از پیشرفت خواهد بود.
