科学网核心藏书中有关医学影像中使用深度学习算法的土耳其研究的文献计量分析

Sakarya Medical Journal Pub Date : 2023-12-20 DOI:10.31832/smj.1333495

Güneş Açikgöz

{"title":"科学网核心藏书中有关医学影像中使用深度学习算法的土耳其研究的文献计量分析","authors":"Güneş Açikgöz","doi":"10.31832/smj.1333495","DOIUrl":null,"url":null,"abstract":"Amaç \nTeknolojideki son gelişmeler ve veri setlerindeki artış tıbbi görüntülerde yapay zekanın en temel yaklaşımlarından biri olan derin öğrenme algoritmasının popülaritesini arttırmaktadır. Bu nedenle, yapılan çalışmada derin öğrenme algoritmasının kullanımına ilişkin yayınları araştırmak ve derin öğrenmenin kullanımına dikkat çekmek için bibliyometrik analiz yapılması amaçlanmıştır. \nYöntem \n\"Deep Learning\" OR \"DL\" AND \"Medical Imaging\" AND “Radiology” anahtar kelimeleri kullanılarak 2019 ile 2022 yıllarında yayınlanan veriler Web of Science Core Collection (WOSCC) veritabanından elde edildi. WOS veritabanında araştırma alanı (Research areas) “Radiology Nuclear medicine medical imaging” ve ülke (Region/Country) alanı “Turkey” ve doküman tipi (Document type) “article” olanlar çalışmaya dahil edildi. \nBulgular \nYapılan çalışmada araştırılan konu ile ilgili toplam 259 yazardan en az 1 yayını ve 1 atıfı olacak şekilde seçim yapıldığında 211 yazar elde edildi. Yazarlar tarafından en az 1 kez kullanılan 195 anahtar kelime elde edildi. Elde edilen anahtar kelimeler arasında en sık kullanılan anahtar kelimelerden “deep learning” ve “artificial intelligence” olduğu görüldü. Ayrıca yapay zekayla ilgili olan “Transfer learning” ve “Machine learning” anahtar kelimelerinin de diğer anahtar kelimelere göre daha sık kullanıldığı görüldü. Dergiler arasında en çok atıfın 133 atıf ile 2021’de “Medical Image Analysis” dergisinde yayınlanan makaleye yapıldığı görüldü. Ayrıca “Medical image analysis” dergisinin 268 atıf ve 8 doküman ile ilk sırada yer aldığı görüldü. Bu derginin ortalama yayın yılının 2021’de fazla olduğu görüldü. \nSonuç \nDerin öğrenme algoritmalarının görüntü segmentasyonu, görsel hesaplama, algılama ve sınıflandırma gibi farklı görevlerinin yanı sıra radyasyon dozunun azaltılmasına yardımcı olma gibi avantajları bulunmaktadır. Dolayısıyla derin öğrenme algoritmasının kullanımının tıbbi görüntüleme alanında gittikçe artması kaçınılmazdır. Yapılan çalışma özellikle derin öğrenmenin tıbbi görüntülemede kullanılması ile ilgili verilerin bibliyometrik analizinin yapılmasının farkındalık oluşturacağını ve yararlı olacağını umuyoruz.","PeriodicalId":21405,"journal":{"name":"Sakarya Medical Journal","volume":"92 23","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Web of Science Core Koleksiyonunda Yer Alan Derin Öğrenme Algoritmasının Tıbbi Görüntülemede Kullanımına İlişkin Türkiye'de Yapılan Çalışmaların Bibliyometrik Analizi\",\"authors\":\"Güneş Açikgöz\",\"doi\":\"10.31832/smj.1333495\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Amaç \\nTeknolojideki son gelişmeler ve veri setlerindeki artış tıbbi görüntülerde yapay zekanın en temel yaklaşımlarından biri olan derin öğrenme algoritmasının popülaritesini arttırmaktadır. Bu nedenle, yapılan çalışmada derin öğrenme algoritmasının kullanımına ilişkin yayınları araştırmak ve derin öğrenmenin kullanımına dikkat çekmek için bibliyometrik analiz yapılması amaçlanmıştır. \\nYöntem \\n\\\"Deep Learning\\\" OR \\\"DL\\\" AND \\\"Medical Imaging\\\" AND “Radiology” anahtar kelimeleri kullanılarak 2019 ile 2022 yıllarında yayınlanan veriler Web of Science Core Collection (WOSCC) veritabanından elde edildi. WOS veritabanında araştırma alanı (Research areas) “Radiology Nuclear medicine medical imaging” ve ülke (Region/Country) alanı “Turkey” ve doküman tipi (Document type) “article” olanlar çalışmaya dahil edildi. \\nBulgular \\nYapılan çalışmada araştırılan konu ile ilgili toplam 259 yazardan en az 1 yayını ve 1 atıfı olacak şekilde seçim yapıldığında 211 yazar elde edildi. Yazarlar tarafından en az 1 kez kullanılan 195 anahtar kelime elde edildi. Elde edilen anahtar kelimeler arasında en sık kullanılan anahtar kelimelerden “deep learning” ve “artificial intelligence” olduğu görüldü. Ayrıca yapay zekayla ilgili olan “Transfer learning” ve “Machine learning” anahtar kelimelerinin de diğer anahtar kelimelere göre daha sık kullanıldığı görüldü. Dergiler arasında en çok atıfın 133 atıf ile 2021’de “Medical Image Analysis” dergisinde yayınlanan makaleye yapıldığı görüldü. Ayrıca “Medical image analysis” dergisinin 268 atıf ve 8 doküman ile ilk sırada yer aldığı görüldü. Bu derginin ortalama yayın yılının 2021’de fazla olduğu görüldü. \\nSonuç \\nDerin öğrenme algoritmalarının görüntü segmentasyonu, görsel hesaplama, algılama ve sınıflandırma gibi farklı görevlerinin yanı sıra radyasyon dozunun azaltılmasına yardımcı olma gibi avantajları bulunmaktadır. Dolayısıyla derin öğrenme algoritmasının kullanımının tıbbi görüntüleme alanında gittikçe artması kaçınılmazdır. Yapılan çalışma özellikle derin öğrenmenin tıbbi görüntülemede kullanılması ile ilgili verilerin bibliyometrik analizinin yapılmasının farkındalık oluşturacağını ve yararlı olacağını umuyoruz.\",\"PeriodicalId\":21405,\"journal\":{\"name\":\"Sakarya Medical Journal\",\"volume\":\"92 23\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-12-20\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Sakarya Medical Journal\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.31832/smj.1333495\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sakarya Medical Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31832/smj.1333495","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

目的近年来技术的进步和数据集的增加提高了深度学习算法的普及程度，而深度学习算法是医学影像人工智能最基本的方法之一。因此，本研究旨在调查与深度学习算法使用相关的出版物，并进行文献计量分析，以引起人们对深度学习使用的关注。方法使用关键词 "深度学习 "或 "DL "和 "医学影像 "和 "放射学"，从科学网核心数据库（WOSCC）获取 2019 年至 2022 年期间发表的数据。在 WOS 数据库中，将 "放射学核医学医学影像 "作为研究领域（Research areas），将 "土耳其 "作为国家（Region/Country）字段，并将 "文章 "作为文档类型的文章被纳入研究。结果在这项研究中，从总共 259 位至少发表过 1 篇文章和 1 次被引用的作者中找到了 211 位作者。共获得 195 个作者至少使用过一次的关键词。在获得的关键词中，使用频率最高的关键词是 "深度学习 "和 "人工智能"。此外，与人工智能相关的关键词 "迁移学习 "和 "机器学习 "的使用频率也高于其他关键词。在期刊中，2021 年发表在《医学图像分析》期刊上的文章被引用次数最多，达到 133 次。此外，"医学图像分析 "期刊以 268 次引用和 8 篇文献排名第一。由此可见，该期刊的平均出版年份多为 2021 年。结论深度学习算法具有不同的任务，如图像分割、视觉计算、检测和分类，以及帮助减少辐射剂量等优势。因此，深度学习算法在医学影像领域的应用必然会越来越多。我们希望通过对深度学习在医学影像领域应用的相关数据进行文献计量分析，能够引起人们的关注，并起到一定的作用。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Web of Science Core Koleksiyonunda Yer Alan Derin Öğrenme Algoritmasının Tıbbi Görüntülemede Kullanımına İlişkin Türkiye'de Yapılan Çalışmaların Bibliyometrik Analizi

Amaç Teknolojideki son gelişmeler ve veri setlerindeki artış tıbbi görüntülerde yapay zekanın en temel yaklaşımlarından biri olan derin öğrenme algoritmasının popülaritesini arttırmaktadır. Bu nedenle, yapılan çalışmada derin öğrenme algoritmasının kullanımına ilişkin yayınları araştırmak ve derin öğrenmenin kullanımına dikkat çekmek için bibliyometrik analiz yapılması amaçlanmıştır. Yöntem "Deep Learning" OR "DL" AND "Medical Imaging" AND “Radiology” anahtar kelimeleri kullanılarak 2019 ile 2022 yıllarında yayınlanan veriler Web of Science Core Collection (WOSCC) veritabanından elde edildi. WOS veritabanında araştırma alanı (Research areas) “Radiology Nuclear medicine medical imaging” ve ülke (Region/Country) alanı “Turkey” ve doküman tipi (Document type) “article” olanlar çalışmaya dahil edildi. Bulgular Yapılan çalışmada araştırılan konu ile ilgili toplam 259 yazardan en az 1 yayını ve 1 atıfı olacak şekilde seçim yapıldığında 211 yazar elde edildi. Yazarlar tarafından en az 1 kez kullanılan 195 anahtar kelime elde edildi. Elde edilen anahtar kelimeler arasında en sık kullanılan anahtar kelimelerden “deep learning” ve “artificial intelligence” olduğu görüldü. Ayrıca yapay zekayla ilgili olan “Transfer learning” ve “Machine learning” anahtar kelimelerinin de diğer anahtar kelimelere göre daha sık kullanıldığı görüldü. Dergiler arasında en çok atıfın 133 atıf ile 2021’de “Medical Image Analysis” dergisinde yayınlanan makaleye yapıldığı görüldü. Ayrıca “Medical image analysis” dergisinin 268 atıf ve 8 doküman ile ilk sırada yer aldığı görüldü. Bu derginin ortalama yayın yılının 2021’de fazla olduğu görüldü. Sonuç Derin öğrenme algoritmalarının görüntü segmentasyonu, görsel hesaplama, algılama ve sınıflandırma gibi farklı görevlerinin yanı sıra radyasyon dozunun azaltılmasına yardımcı olma gibi avantajları bulunmaktadır. Dolayısıyla derin öğrenme algoritmasının kullanımının tıbbi görüntüleme alanında gittikçe artması kaçınılmazdır. Yapılan çalışma özellikle derin öğrenmenin tıbbi görüntülemede kullanılması ile ilgili verilerin bibliyometrik analizinin yapılmasının farkındalık oluşturacağını ve yararlı olacağını umuyoruz.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Sakarya Medical Journal

自引率

0.00%

发文量