基于机器学习的疾病诊断：一项文献计量分析
机器学习
2022-01-11 v1 数字图书馆
摘要
机器学习（ML）作为一种新颖且适应性强的疾病诊断工具，已引起研究人员和从业者的广泛关注。随着 ML 的发展以及该领域论文和研究的激增，需要对基于机器学习的疾病诊断（MLBDD）进行全面的考察。本文从文献计量的角度，对 2012 年至 2021 年的 MLBDD 论文进行了综合研究。据此，通过特定关键词，从 Scopus 和 Web of Science（WOS）数据库中提取了 1710 篇带有相关信息的论文，并整合到 Excel 数据表中以进行进一步分析。首先，我们基于年度发文量以及最高产的国家/地区、机构和作者考察了发表结构。其次，利用 R-studio 软件对国家/地区、机构、作者和文章的共被引网络进行可视化。进一步从引文结构及最具影响力的实体方面对其进行了考察。本文为对该主题感兴趣的研究人员提供了 MLBDD 的概览，并为希望在该领域开展更多研究的人士进行了深入而完整的研究。
引用
@article{arxiv.2201.02755,
title = {Machine Learning-Based Disease Diagnosis:A Bibliometric Analysis},
author = {Md Manjurul Ahsan and Zahed Siddique},
journal= {arXiv preprint arXiv:2201.02755},
year = {2022}
}