【作 者】：网站采编
【关键词】：
【摘 要】：表3 深度学习时代下的磁共振成像领域各集合主题词及其热度指数 报告中同样按照以上几项指标，将发表论文最多、最为突出的数十位科学家进行了汇总整理。 该报告尝试揭示出各机构

表3 深度学习时代下的磁共振成像领域各集合主题词及其热度指数

报告中同样按照以上几项指标，将发表论文最多、最为突出的数十位科学家进行了汇总整理。

该报告尝试揭示出各机构的主要研究主题侧重。表中数字代表该机构在该主题词上的研究频次。

此外，北卡罗来纳大学教堂山分校、高丽大学、纽约大学、伦敦大学学院等也表现出了很高的水平。

NIE, D., TRULLO, R., LIAN, J., WANG, L., et al. 2018. Medical Image Synthesis with Deep Convolutional Adversarial Networks. Ieee Transactions on Biomedical Engineering, 65, 2720-2730.

SHARIF, M. I., LI, J. P., KHAN, M. A. & SALEEM, M. A. 2020. Active deep neural network features selection for segmentation and recognition of brain tumors using MRI images. Pattern Recognition Letters, 129, 181-189.

BHATTACHARYA, S., MADDIKUNTA, P. K. R., PHAM, Q. V., et al. 2021. Deep learning and medical image processing for coronavirus (COVID-19) pandemic: A survey. Sustainable Cities and Society, 65, 18.

Cluster 4 #3 MRI-based treatment planning基于MRI治疗计划

国际合著论文的多少在一定程度上反映了机构的国际合作水平和国际影响力。该报告根据上文数据，选取了领域发文较多或影响力较高的6个机构，分别为哈佛大学、斯坦福大学、北卡罗来纳大学教堂山分校、帝国理工学院、高丽大学、复旦大学，并据此分析这几家美国、英国、中国、韩国的机构主要的合作偏向和合作数量。

Cluster 2 #1 autism spectrum disorder自闭症谱系障碍

该报告利用图谱分析工具CiteSpace对磁共振成像领域内的论文及参考文献集合进行共现分析及聚类分析后，获得了该领域主要的热点子领域（方向）（图3）。可以看出，领域内研究集中度较高的11个聚类方向如下所示：

图5 深度学习时代下的磁共振成像领域共被引聚类分析（2017-2018）

表1 深度学习时代下的磁共振成像领域主要的SCI论文产出机构及影响力

表4 深度学习时代下的磁共振成像领域主题词与主要研究机构矩阵

COLE, J. H., POUDEL, R. P. K., TSAGKRASOULIS, D., et al. 2017. Predicting brain age with deep learning from raw imaging data results in a reliable and heritable biomarker. Neuroimage, 163, 115-124.

图2 深度学习时代下的磁共振成像领域主题词共现分布图

BERNARD, O., LALANDE, A., ZOTTI, C., et al. 2018. Deep Learning Techniques for Automatic MRI Cardiac Multi-Structures Segmentation and Diagnosis: Is the Problem Solved? Ieee Transactions on Medical Imaging, 37, 2514-2525.

WANG, B., LEI, Y., TIAN, S. B., WANG, T. H., et al. 2019. Deeply supervised 3D fully convolutional networks with group dilated convolution for automatic MRI prostate segmentation. Medical Physics, 46, 1707-1718.

图1 深度学习时代下的磁共振成像领域的SCI论文产出趋势

Cluster 10 #9 early brain-development早期大脑发育

ESI数据库揭示了个左右的RF，每个RF包含数量不等的高被引论文。进入RF的论文，在一定程度上体现了科学家和研究机构对研究的创新性和对前沿的贡献。

图3 深度学习时代下的磁共振成像领域共现聚类分析

图11 帝国理工学院产出论文的主要合作机构

AKCAKAYA, M., MOELLER, S., WEINGARTNER, S. & UGURBIL, K. 2019. Scan-specific robust artificial-neural-networks for k-space interpolation (RAKI) reconstruction: Database-free deep learning for fast imaging. Magnetic Resonance in Medicine, 81, 439-453.

近日，上海科技大学图书信息中心发布了一篇题为《深度学习时代下的磁共振成像》的研究报告。

以上几个机构国际合著论文的合作伙伴，也多为国际知名高校或大型企业，几个机构之间也常有合著论文，如复旦大学与飞利浦、斯坦福大学与哈佛大学、北卡罗来纳大学教堂山分校与上海交通大学等。

为了解该领域近年的研究中主要的主题分布情况，该报告以上文中提及的数据源为基础，通过图谱构建工具VOSviewer提取了论文的关键词，并设置了出现频次在10以上的关键词集合通过Co-occurrence共现网络计算获得了图2。

文章来源：《中国科技论文》 网址: http://www.zgkjlwzz.cn/zonghexinwen/2022/0705/847.html