生物医学领域人工智能研究热点分析

发布时间：2021-08-18 06:41

　　对PubMed数据库收录的近3年生物医学领域人工智能相关文献中出现的高频主题词进行聚类分析,根据聚类结果梳理分析当前该领域研究热点,包括临床医学、生物信息两个方面的5个主题,即疾病的计算机辅助诊断、中风康复脑状态分类和阿尔兹海默病检测、生物识别、生物神经系统研究。 

【文章来源】：医学信息学杂志. 2020,41(02)

【文章页数】：5 页

【部分图文】：

图２生物医学领域人工智能研究高频主题词共现聚类??

ｅｒ）、Ｍａｃｈｉｎｅ?Ｌｅａｒｎｉｎｇ、Ｒｏｂｏｔｉｃｓ。得到的?４６??个高频词占所有与生物医学人工智能相关主题词的累??计比例为１５％。利用ＢＩＣ０ＭＢ软件统计高频词在每??篇文献中出现的情况，生成相应的词篇矩阵。将其导??入ｇＣＬＵＴＯ软件并对所得到的词篇矩阵进行聚类分??析，聚类分析结果可以反映高频词之间的亲疏关系，??根据主题词间的语义关系和聚类结果分析人工智能在??生物医学领域应用的研究热点。??３结果??生物医学领域人工智能研究高频主题词聚类可??视化结果，见图１、图２。其中图２的横轴代表文??献，纵轴代表聚类的主题词／副主题词。两个词聚??到一起的距离越短则代表两者的关系越密切。首??先，根据每类高频词的含义及其之间的语义关系总??结出每类主题词所代表研究热点，即生物医学领域??人工智能研究热点，如主题词机器人／仪器（Ｒｏｂｏｔ－??ｉｃｓ／Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ）和外骨酿装置（Ｅｘｏｓｋｅｌｅｔｏｎ?Ｄｅ－??ｖｉｃｅ）距离较近，关系密切，先聚成一类；模型，??生物（Ｍｏｄｅｌｓ，?Ｂｉｏｌｏｇｉｃａｌ）再与前面两个词合成一??类，依此类推。通过分析这些主题词的语义关系能??得出其所代表的类团含义标签，综合各个类别的类??标签可以得出该主题的研究热点。其次，利用??ｇＣＬＵＴＯ软件对各类成员聚类贡献率指标进行计算，??包括描述度和区分度，选择对每类形成贡献最大的??来源文献作为表示该类内容的类标签文献［１］。然后??再对文献内容进一步分析，进而阐释该类研究方向??的具体内容。类成员聚类贡献率指标，见表１。??图１生物医学领域人工智能研究高频主题词??ｔ—??图２生物医学领

【参考文献】：
期刊论文
[1]本体在生物医学领域中应用研究热点分析[J]. 张庆,吕少妮,轩扬.  医学信息学杂志. 2019(01)



本文编号：3349399