首页 > 放射学实践 > 影像医学与核医学可解释人工智能的文献计量研究

影像医学与核医学可解释人工智能的文献计量研究

Bibliometric study of explainable artificial intelligence in imaging medicine and nuclear medicine

二维码有效期 120s

摘要目的:通过文献计量学方法,分析影像医学与核医学领域可解释人工智能(XAI)的研究现状和趋势,为该领域人工智能(AI)相关研究提供参考.方法:使用 Web of Science数据库检索截至2024年6月的XAI相关文献,并利用Bibliometrix、VOSviewer和Citespace进行文献分析与可视化.结果:最终纳入1174篇XAI文献.自2018年起,该领域发文量显著增加,美国和中国是主要的研究产出和合作国家.研究形成了 6本核心期刊和243位核心作者.关键词分析结果显示,XAI研究涉及临床诊断模型、机器学习、影像组学、神经网络和深度学习等领域.2022年后,研究主题变得多样化,卷积神经网络的可解释性成为热点.结论:影像医学与核医学领域对XAI的关注日益上升,取得了一定成果.然而,AI研究与XAI研究之间仍存在不平衡.

作者 舒培州 ^[1] 左仟岭 ^[2] 高海洋 ^[1] 汪子悦 ^[1] 施洪鑫 ^[3] 陈翼 ^[4] 学术成果认领

作者单位 671000 云南,大理大学临床医学院;650032 昆明,联勤保障部队第九二○医院核医学科 ^[1] 650032 昆明,联勤保障部队第九二○医院核医学科;650032 昆明,昆明医科大学 ^[2] 671000 云南,大理大学临床医学院 ^[3] 650032 昆明,联勤保障部队第九二○医院核医学科 ^[4]

关键词可解释人工智能人工智能机器学习深度学习影像组学文献计量学 Explainable artificial intelligence Artificial intelligence Machine learning Deep learning Radiomics Bibliometrics

分类号 TP18 G250.2252

栏目名称

文献计量

DOI 10.13609/j.cnki.1000-0313.2025.09.015

发布时间 2025-10-24（万方平台首次上网日期，不代表论文的发表时间）

基金项目

云南省科技厅昆医联合专项（202101AY070001-029）