摘" " 要" " 目的" " 應(yīng)用CiteSpace 可視化軟件系統(tǒng)梳理近十年甲狀腺超聲人工智能領(lǐng)域的研究進(jìn)展、知識(shí)結(jié)構(gòu)。方法" " 以中國(guó)知網(wǎng)及Web of Science為來(lái)源數(shù)據(jù)庫(kù)，檢索2013～2023年關(guān)于甲狀腺超聲人工智能的相關(guān)文獻(xiàn)，應(yīng)用CiteSpace可視化軟件繪制中、英文文獻(xiàn)作者、機(jī)構(gòu)、關(guān)鍵詞圖譜，并進(jìn)行文獻(xiàn)計(jì)量分析。結(jié)果" " 共納入9515篇文獻(xiàn)，涉及34 個(gè)機(jī)構(gòu)，119 個(gè)關(guān)鍵詞。知識(shí)圖譜顯示，中文文獻(xiàn)發(fā)文量整體較英文文獻(xiàn)發(fā)文量高，中、英文文獻(xiàn)發(fā)文量分別自2013、2018年起逐年上升，近兩年增長(zhǎng)速度減緩。發(fā)表中文文獻(xiàn)較多的作者包括姜玨、詹維偉、羅渝昆、周琦、雷小瑩、張波等，發(fā)表英文文獻(xiàn)較多的作者包括Paul、Saba、Suri等。國(guó)內(nèi)231個(gè)機(jī)構(gòu)、國(guó)際226個(gè)機(jī)構(gòu)發(fā)表了相關(guān)文獻(xiàn)，其中中文文獻(xiàn)發(fā)文量前三的機(jī)構(gòu)包括上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院超聲科（21篇）、中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院北京協(xié)和醫(yī)院超聲醫(yī)學(xué)科（10篇）、西安交通大學(xué)第二附屬醫(yī)院超聲研究室（5篇）和中國(guó)醫(yī)科大學(xué)附屬盛京醫(yī)院超聲科（5篇）；英文文獻(xiàn)發(fā)文量前三的機(jī)構(gòu)包括浙江大學(xué)（9篇）、上海交通大學(xué)（7篇）、中山大學(xué)（7篇）和華中科技大學(xué)（7篇）。機(jī)構(gòu)間合作關(guān)系主要以浙江大學(xué)、上海交通大學(xué)為核心的國(guó)內(nèi)機(jī)構(gòu)，以及以North Eastern Hill Univ為核心的國(guó)際機(jī)構(gòu)。關(guān)鍵詞分析結(jié)果顯示，中文文獻(xiàn)主要集中在多模態(tài)超聲用于甲狀腺良惡性結(jié)節(jié)的鑒別方面；英文文獻(xiàn)更偏向于機(jī)器深度學(xué)習(xí)、人工智能方向。結(jié)論" " 國(guó)內(nèi)及國(guó)際研究人員對(duì)于甲狀腺超聲人工智能的關(guān)注度不斷提高，但仍需加強(qiáng)跨機(jī)構(gòu)、跨團(tuán)隊(duì)、跨區(qū)域的多中心協(xié)作，進(jìn)一步深入研究。

關(guān)鍵詞" " 超聲檢查；甲狀腺；人工智能；可視化分析；CiteSpace；社會(huì)網(wǎng)絡(luò)分析

［中圖法分類號(hào)］R445.1；R322.51" " " ［文獻(xiàn)標(biāo)識(shí)碼］A

Knowledge atlas of artificial intelligence of thyroid ultrasound research：

a CiteSpace visualization analysis

ZHENG Yijing，XIE Xue，XIONG Xiaoxian，BAI Xiaojun，LIU Wei，ZHENG Yuanyi

Department of Ultrasound Medicine，Shanghai Sixth People’s Hospital Affiliated to Shanghai

JiaoTong University School of Medicine，Shanghai 200233，China

ABSTRACT" " Objective" " To systematically review the research progress and knowledge structure of artificial intelligence of thyroid ultrasound in the past decade by CiteSpace visualization software.Methods" " CNKI and Web of Science were used as source databases to search related literatures from 2013 to 2023 on artificial intelligence of thyroid ultrasound.CiteSpace visualization software was used to draw the atlas of authors，institutions and keywords，and bibliometric analysis was carried out.Results" " A total of 9515 literatures were included，involving 34 institutions and 119 keywords.The knowledge atlas showed that the number of domestic literatures was higher than that of international literatures on the whole，and the number of domestic and international literatures increased year by year since 2013 and 2018，respectively，while the growth rate decreased in the past two years.Notably，Jiang Jue，Zhan Weiwei，Luo Yukun，Zhou Qi，Lei Xiaoying，Zhang Bo，etc. contributed significantly to the domestic literatures output，while internationally，authors such as Paul，Saba，and Suri，etc. were prolific.A total of 231 domestic institutions and 226 international institutions published relevant literatures.Among them，the top three domestic institutions included the Ultrasound Department of Ruijin Hospital Affiliated with Shanghai JiaoTong University School of Medicine（21 literatures），the Department of Ultrasound Medical of Peking Union Medical College Hospital（10 literatures），the Ultrasound Laboratory of the Second Affiliated Hospital of Xi’an JiaoTong University（5 literatures） and the Ultrasound Department of Shengjing Hospital Affiliated with China Medical University（5 literatures）.On the international front，Zhejiang University（9 literatures），Shanghai JiaoTong University（7 literatures），Sun Yat-Sen University（7 literatures） and Huazhong University of Science amp; Technology（7 literatures） were among the top contributors.Inter-institutional collaboration predominantly involved domestic institutions，with Zhejiang University and Shanghai JiaoTong University playing central roles，while North Eastern Hill University served as the core for international collaboration.The results of keyword analysis revealed that domestic literatures predominantly focused on multi-modal ultrasound for differentiating benign and malignant thyroid nodules，while international literatures leaned more towards machine deep learning and artificial intelligence applications.Conclusion" " Domestic and international researchers are paying increasing attention to artificial intelligence of thyroid ultrasound，but it is still necessary to enhanced multi-center collaboration across institutions，teams，and regions further in-depth research.

KEY WORDS" " Ultrasonography；Thyroid；Artificial intelligence；Visualization analysis；CiteSpace；Social network analysis

超聲是篩查甲狀腺相關(guān)疾病的常用手段，科技進(jìn)步使得這些疾病的檢出率逐漸提升，并引起了公眾的廣泛關(guān)注［1-2］。甲狀腺超聲在疾病的早期發(fā)現(xiàn)、診斷和鑒別中均發(fā)揮著重要作用。然而，傳統(tǒng)的甲狀腺超聲檢查主要依賴于醫(yī)師的經(jīng)驗(yàn)和主觀判斷，一定程度上影響了診斷的準(zhǔn)確性和效率。近年來(lái)，隨著人工智能技術(shù)的飛速發(fā)展，其在醫(yī)學(xué)圖像分析領(lǐng)域的應(yīng)用日益受到關(guān)注［3-4］。甲狀腺超聲人工智能旨在利用先進(jìn)的機(jī)器學(xué)習(xí)［5］、深度學(xué)習(xí)［6］等算法，實(shí)現(xiàn)對(duì)甲狀腺超聲圖像的自動(dòng)解讀和分析，從而提高診斷的準(zhǔn)確性和效率。通過(guò)不斷訓(xùn)練和優(yōu)化模型，這些技術(shù)能夠識(shí)別圖像中的關(guān)鍵特征，為醫(yī)師提供輔助診斷的依據(jù)，有助于降低漏誤診風(fēng)險(xiǎn)。近十年來(lái)，關(guān)于超聲在甲狀腺疾病診斷及人工智能應(yīng)用方面的文獻(xiàn)不斷涌現(xiàn)［7-10］。為了更好地梳理知識(shí)結(jié)構(gòu)，指導(dǎo)科研及臨床工作，亟需一種高效且科學(xué)的方法。CiteSpace可視化軟件是一種可視化展示知識(shí)結(jié)構(gòu)和演化的工具，其能夠?qū)⒋罅康奈墨I(xiàn)數(shù)據(jù)轉(zhuǎn)化為直觀的圖形網(wǎng)絡(luò)，幫助研究者迅速把握學(xué)科領(lǐng)域的研究熱點(diǎn)和發(fā)展方向。本研究以中國(guó)知網(wǎng)及Web of Science為來(lái)源數(shù)據(jù)庫(kù)，應(yīng)用CiteSpace可視化軟件對(duì)相關(guān)文獻(xiàn)進(jìn)行深入挖掘和可視化分析，通過(guò)構(gòu)建知識(shí)圖譜分析甲狀腺超聲人工智能應(yīng)用的研究進(jìn)展、國(guó)內(nèi)外研究人員和機(jī)構(gòu)的合作情況及研究熱點(diǎn)，以期為后續(xù)研究提供借鑒和參考。

資料與方法

一、數(shù)據(jù)來(lái)源

本研究以中國(guó)知網(wǎng)為中文文獻(xiàn)檢索來(lái)源，以Web of Science為英文文獻(xiàn)檢索來(lái)源。中國(guó)知網(wǎng)主題詞為“甲狀腺”“超聲”“AI”；策略為“甲狀腺”AND“超聲”AND“AI”；年限范圍為2013～2023年；納入“學(xué)術(shù)期刊”“學(xué)位論文”，排除“會(huì)議”“報(bào)紙”“專利”；以“被引量”降序排列，篩選出前9057篇文獻(xiàn)。Web of Science主題詞為“thyroid”“ultrasound”“AI”，策略為“thyroid”AND“ultrasound”AND“AI”；年限范圍為2013～2023年；納入“論著”，排除“摘要” “會(huì)議”“報(bào)紙”，共篩選出458篇文獻(xiàn)，檢索日期為2023年11月1日，每篇文獻(xiàn)下載的題目包括作者、機(jī)構(gòu)、題目、來(lái)源、被引次數(shù)、檢索號(hào)、摘要，不包括作者標(biāo)識(shí)符、ISSN/ISBN、基金號(hào)。Web of Science文獻(xiàn)需以Refworks格式導(dǎo)出，轉(zhuǎn)化數(shù)據(jù)為download_.txt格式后方可進(jìn)行可視化分析。

二、研究方法

應(yīng)用CiteSpace可視化軟件對(duì)中、英文文獻(xiàn)的作者、機(jī)構(gòu)、關(guān)鍵詞生成聚類視圖及時(shí)間視圖，以不同顏色標(biāo)記節(jié)點(diǎn)的不同年份；以節(jié)點(diǎn)大小標(biāo)記頻次，圖形越大，頻次越高；以節(jié)點(diǎn)間連線代表兩者之間共現(xiàn)關(guān)系，連線粗細(xì)代表關(guān)系密切程度。通過(guò)可視化知識(shí)圖譜直觀地對(duì)甲狀腺超聲人工智能相關(guān)文獻(xiàn)進(jìn)行分析。

結(jié)" 果

一、發(fā)文量時(shí)間分布

對(duì)檢索的文獻(xiàn)進(jìn)行時(shí)間分析并繪制表格，以年份為橫軸，發(fā)文量為縱軸，各年中、英文文獻(xiàn)發(fā)文量見(jiàn)圖1。從發(fā)文量來(lái)看，中文文獻(xiàn)發(fā)文量整體較英文文獻(xiàn)發(fā)文量高，維持在500篇以上，英文文獻(xiàn)發(fā)文量在2020年首次突破50篇，發(fā)文量最高的年份也未能超過(guò)150篇。從發(fā)文量的增長(zhǎng)速度來(lái)看，中文文獻(xiàn)發(fā)表量在十年期間整體較為穩(wěn)定，自2013年起逐年上升，在2019年達(dá)到高峰，其后逐年呈下降趨勢(shì)。2013～2023年英文文獻(xiàn)發(fā)表量逐年增長(zhǎng)，2022～2023年趨于穩(wěn)定，增長(zhǎng)速度減緩。結(jié)果表明，雖然近十年來(lái)中文文獻(xiàn)相關(guān)內(nèi)容較往年關(guān)注度略有下降，但英文文獻(xiàn)對(duì)甲狀腺人工智能的研究較之前關(guān)注度增加，整體而言，目前該研究仍是國(guó)內(nèi)研究者關(guān)注的方向，并逐漸成為全球關(guān)注的研究領(lǐng)域。

二、作者合作關(guān)系共現(xiàn)圖譜

對(duì)甲狀腺超聲人工智能的研究合作者進(jìn)行共現(xiàn)分析，以“作者”或“Author”為節(jié)點(diǎn)，以不同顏色區(qū)分年份，以節(jié)點(diǎn)大小代表頻次，節(jié)點(diǎn)間連線的多少代表作者間的合作緊密程度，繪制中、英文文獻(xiàn)作者合作關(guān)系共現(xiàn)圖譜，見(jiàn)圖2。由圖2A可見(jiàn)，發(fā)表中文文獻(xiàn)較多的作者包括姜玨、詹維偉、羅渝昆、周琦、雷小瑩、張波等。其中，姜玨、羅渝昆、雷小瑩3人合作較為緊密，有合著產(chǎn)出。同時(shí)，節(jié)點(diǎn)以紫色（2013年）、深藍(lán)色（2014年）、淺藍(lán)色（2015年）較多，說(shuō)明發(fā)文時(shí)間分布整體較早，大量文獻(xiàn)為早期發(fā)表，近5年來(lái)少有作者發(fā)表大量相關(guān)文獻(xiàn)。由圖2B可見(jiàn)，英文文獻(xiàn)發(fā)表節(jié)點(diǎn)以橘色（2022年）、紅色（2023年）較多，集中發(fā)文時(shí)間主要以近兩年為主，2022～2023年發(fā)表了較多甲狀腺超聲人工智能的研究。其中Paul、Saba、Suri等發(fā)表文獻(xiàn)較多，但相對(duì)少于國(guó)內(nèi)作者，且也未見(jiàn)該領(lǐng)域持續(xù)發(fā)表新的研究成果，研究連續(xù)性不及國(guó)內(nèi)作者。作者間合作關(guān)系較為松散，合著作者也以Paul、Saba、Suri 3人更多，國(guó)際上各個(gè)作者合作范圍更廣，更傾向于合著發(fā)表。

三、機(jī)構(gòu)合作關(guān)系共現(xiàn)圖譜

1.國(guó)內(nèi)共有231個(gè)機(jī)構(gòu)發(fā)表了甲狀腺超聲人工智能相關(guān)文獻(xiàn)，其中發(fā)文量前三的機(jī)構(gòu)包括上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院超聲科（21篇）、中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院北京協(xié)和醫(yī)院超聲醫(yī)學(xué)科（10篇）、西安交通大學(xué)第二附屬醫(yī)院超聲研究室（5篇）和中國(guó)醫(yī)科大學(xué)附屬盛京醫(yī)院超聲科（5篇）。機(jī)構(gòu)合作連線數(shù)量為108根，機(jī)構(gòu)合作較少，跨區(qū)域、多中心的研究并不多見(jiàn)。廣泛的研究機(jī)構(gòu)均關(guān)注到了甲狀腺超聲人工智能并進(jìn)行了相關(guān)研究，但國(guó)內(nèi)合作較少且較為分散。見(jiàn)表1和圖3A。

2.國(guó)際共有226個(gè)機(jī)構(gòu)發(fā)表了甲狀腺超聲人工智能相關(guān)文獻(xiàn)，發(fā)文量前三的機(jī)構(gòu)包括浙江大學(xué)（9篇）、上海交通大學(xué)（7篇）、中山大學(xué)（7篇）和華中科技大學(xué)（7篇）。 機(jī)構(gòu)間合作關(guān)系連線379根，合作關(guān)系較國(guó)內(nèi)緊密。浙江大學(xué)與上海交通大學(xué)、同濟(jì)大學(xué)等進(jìn)行合作研究，合著頻次較高。機(jī)構(gòu)間合作關(guān)系主要以浙江大學(xué)、上海交通大學(xué)為核心的國(guó)內(nèi)機(jī)構(gòu)，以及以North Eastern Hill Univ為核心的國(guó)際機(jī)構(gòu)，國(guó)內(nèi)外機(jī)構(gòu)之間合作并不多見(jiàn)，往往與自身附屬機(jī)構(gòu)合作較緊密，跨區(qū)域合作較匱乏，與國(guó)內(nèi)機(jī)構(gòu)合作關(guān)系共現(xiàn)圖譜相似。見(jiàn)圖3B和表2。

四、關(guān)鍵詞分析

1.關(guān)鍵詞共現(xiàn)圖譜：以1年為切割點(diǎn)，繪制2013～2023年近十年期間相關(guān)文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜，見(jiàn)圖4。中文文獻(xiàn)關(guān)鍵詞為超聲檢查、甲狀腺癌、超聲造影、彈性成像、鑒別、診斷等，共有202個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)間連線即為關(guān)鍵詞共現(xiàn)關(guān)系，共有264根連線。其中超聲檢查出現(xiàn)頻次最高，處于中心位置，大多數(shù)研究均圍繞此展開(kāi)，其余各項(xiàng)中，淋巴轉(zhuǎn)移、超聲引導(dǎo)、高頻超聲、微波消融、良惡性等也均有大量研究，整體關(guān)鍵詞較為集中，也表現(xiàn)出圍繞各個(gè)中心點(diǎn)擴(kuò)散的趨勢(shì)。英文文獻(xiàn)關(guān)鍵詞共現(xiàn)的方式與中文文獻(xiàn)存在顯著差別，其關(guān)鍵詞共有288個(gè)節(jié)點(diǎn)、1446根連線，遠(yuǎn)超中文文獻(xiàn)數(shù)量。英文文獻(xiàn)中，較為關(guān)注的關(guān)鍵詞主要為機(jī)器學(xué)習(xí)、深度學(xué)習(xí) 、結(jié)節(jié)、系統(tǒng)、良性、人工智能等，而圍繞計(jì)算機(jī)輔助診斷卷積神經(jīng)網(wǎng)絡(luò)、管理、風(fēng)險(xiǎn)滿意度、分類等也有140余篇文獻(xiàn)研究，各個(gè)關(guān)鍵詞共現(xiàn)非常豐富。

2.關(guān)鍵詞突顯圖譜：對(duì)甲狀腺超聲人工智能的關(guān)鍵詞進(jìn)行突顯，突顯率高的關(guān)鍵詞可以更好地代表該領(lǐng)域。中文文獻(xiàn)關(guān)鍵詞凸現(xiàn)圖譜顯示隨著時(shí)間的推移，關(guān)鍵詞的突顯不斷發(fā)生變化。2013～2014年研究集中于造影劑、激光消融，突顯強(qiáng)度高達(dá)1.40、0.95，其后熱度開(kāi)始下降，2014～2015年以研究病理學(xué)為主。2015年的集中熱點(diǎn)是超聲引導(dǎo)、微波消融，突顯強(qiáng)度達(dá)到1.98、1.63，而后研究范圍逐漸變大，單個(gè)關(guān)鍵詞的強(qiáng)度變低。近年來(lái)，細(xì)針、診斷價(jià)值、定量參數(shù)開(kāi)始成為國(guó)內(nèi)研究者的主攻方向［11-12］。2023年未出現(xiàn)強(qiáng)度高的關(guān)鍵詞，研究方向更為分散。見(jiàn)圖5A。英文文獻(xiàn)關(guān)鍵詞突顯圖譜顯示在這十年期間，良性占據(jù)了研究重點(diǎn)，突顯強(qiáng)度高達(dá)4.79。直至2019年，研究方向開(kāi)始逐漸發(fā)生變化，鏈接、數(shù)據(jù)系統(tǒng)和剪切波彈性成像分別具有較高的突顯強(qiáng)度。2021～2023年國(guó)際研究者們更關(guān)心表現(xiàn)，突顯強(qiáng)度為1.57。2013～2023年研究者們的關(guān)注方向一直在不斷產(chǎn)生變化，向更深入、更細(xì)致的甲狀腺人工智能研究推進(jìn)。見(jiàn)圖5B。

3.關(guān)鍵詞聚類圖譜：對(duì)甲狀腺超聲人工智能研究的重要關(guān)鍵詞進(jìn)行聚類分析（圖6），使用對(duì)數(shù)似然比（likelihood ratio，LLR）評(píng)估關(guān)鍵詞，對(duì)關(guān)鍵詞進(jìn)行聚類，得到聚類表格及輪廓值，見(jiàn)表3，4。中文文獻(xiàn)關(guān)鍵詞聚類圖譜顯示，近年來(lái)研究人員對(duì)于一些方向的深入推進(jìn)，如彈性成像、超聲造影、鑒別診斷、甲狀腺癌、超聲引導(dǎo)等（圖6A），由此可以推測(cè)其可能為國(guó)內(nèi)進(jìn)一步研究的主要推進(jìn)方向。一些聚類標(biāo)簽雖然相似，但聚類內(nèi)容不盡相同；表3中詳細(xì)列出了各個(gè)聚類標(biāo)簽下的主要內(nèi)容，其不局限于標(biāo)簽所示，彈性成像出現(xiàn)在多個(gè)聚類中，表明其可能是主要的研究方向之一。英文文獻(xiàn)關(guān)鍵詞聚類圖譜顯示，國(guó)際研究關(guān)鍵詞共現(xiàn)較多，連接較為緊密，最早出現(xiàn)的聚類標(biāo)簽始于2018年，一半的聚類標(biāo)簽出現(xiàn)于2020年（圖6B），表明近年來(lái)國(guó)際甲狀腺超聲人工智能的研究正在逐漸系統(tǒng)化，出現(xiàn)了研究中心。表4中關(guān)鍵詞的共現(xiàn)聚類反映了甲狀腺超聲人工智能在英文文獻(xiàn)領(lǐng)域中的熱點(diǎn)主題，排前三的聚類標(biāo)簽分別為相等大小閾值、剪切波彈性成像、深度卷積神經(jīng)網(wǎng)絡(luò)，與中文文獻(xiàn)的關(guān)注熱點(diǎn)有明顯差異，更多集中于人工智能的進(jìn)一步優(yōu)化。

4.關(guān)鍵詞時(shí)間線圖譜：中文文獻(xiàn)時(shí)間線圖譜顯示，國(guó)內(nèi)研究中聚類時(shí)間跨度最長(zhǎng)的是超聲檢查，彈性成像、甲狀腺癌、轉(zhuǎn)移、無(wú)水乙醇、超聲造影、鑒別診斷在2013～2020年也屬熱點(diǎn)內(nèi)容，2020年后熱度下降。超聲診斷、超聲引導(dǎo)更早地失去了集中關(guān)注度，2020年之后除超聲檢查外無(wú)明顯集中熱度。見(jiàn)圖7A。英文文獻(xiàn)時(shí)間線圖譜顯示，2017年之前國(guó)際研究無(wú)明顯聚類，2017年后開(kāi)始逐漸出現(xiàn)，首先是系統(tǒng)和甲狀腺結(jié)節(jié)，后者時(shí)間線持續(xù)至今。第二輪開(kāi)始出現(xiàn)的熱點(diǎn)是深度學(xué)習(xí)，在2020年開(kāi)始重心轉(zhuǎn)移向人工智能，并持續(xù)至今，與國(guó)內(nèi)研究熱度趨勢(shì)差距較大。見(jiàn)圖7B。

討" 論

本研究利用CiteSpaces可視化軟件，以圖譜的方式對(duì)目前甲狀腺人工智能的發(fā)文量、作者及機(jī)構(gòu)間合作關(guān)系、關(guān)鍵詞的分布及熱點(diǎn)進(jìn)行了研究，分析了2013～2023年國(guó)內(nèi)外甲狀腺超聲人工智能的相關(guān)研究情況。目前，甲狀腺相關(guān)疾病的檢出率和發(fā)病率均較高［2，13］，但診斷治療方面仍存在差異［14］。研究［15-17］發(fā)現(xiàn)，自2013年來(lái)國(guó)內(nèi)發(fā)文量長(zhǎng)期位于高位，在2019年達(dá)到高峰，國(guó)際發(fā)文量自2018年開(kāi)始快速上升，并持續(xù)至今，該領(lǐng)域受研究者關(guān)注程度不斷提高。國(guó)內(nèi)研究熱點(diǎn)隨著時(shí)間推移不斷變化，主要集中于超聲檢查、甲狀腺癌、超聲造影、彈性成像、鑒別、診斷等，國(guó)際研究則主要集中于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、結(jié)節(jié)、系統(tǒng)、良性、人工智能、計(jì)算機(jī)輔助診斷卷積神經(jīng)網(wǎng)絡(luò)、管理、風(fēng)險(xiǎn)滿意度、分類等?？梢?jiàn)近年來(lái)研究面越來(lái)越廣，說(shuō)明甲狀腺超聲人工智能的研究越來(lái)越深入［10］。關(guān)鍵詞突顯略有不同，中文文獻(xiàn)中造影劑、激光消融、超聲引導(dǎo)、微波消融、細(xì)針、診斷價(jià)值、定量參數(shù)等依次成為突顯詞。英文文獻(xiàn)中突顯強(qiáng)度高的主要關(guān)鍵詞分別為鏈接、數(shù)據(jù)系統(tǒng)和剪切波彈性成像等。從關(guān)鍵詞熱點(diǎn)的發(fā)展可以看出，早年研究甲狀腺超聲檢查、甲狀腺癌的診斷、超聲引導(dǎo)、射頻消融等內(nèi)容較多，近年來(lái)更多關(guān)注于人工智能早期診斷、診斷價(jià)值等內(nèi)容［14，17-19］。

本研究作者合作關(guān)系共現(xiàn)圖譜顯示，發(fā)表中文文獻(xiàn)較多的作者包括姜玨、詹維偉、羅渝昆、周琦、雷小瑩、張波等，主要機(jī)構(gòu)也以其所在機(jī)構(gòu)及其附屬單位為主，有較明顯的地域性，較少出現(xiàn)跨區(qū)域、多中心的研究，這也是目前研究的不足。國(guó)際發(fā)表文獻(xiàn)中，也可以看到機(jī)構(gòu)共現(xiàn)的明顯區(qū)分，國(guó)際作者之間互相協(xié)作共同研究、國(guó)內(nèi)作者合著在國(guó)際上發(fā)表文獻(xiàn)均較多，但少見(jiàn)國(guó)內(nèi)機(jī)構(gòu)與國(guó)際機(jī)構(gòu)合作的研究。機(jī)構(gòu)節(jié)點(diǎn)數(shù)量雖多，但相對(duì)分散，彼此間聯(lián)系并不緊密，在發(fā)表過(guò)程中常出現(xiàn)同一含義詞匯的不同表述等。國(guó)內(nèi)作者及機(jī)構(gòu)對(duì)相關(guān)研究的連續(xù)性、系統(tǒng)性較差，整體難以出現(xiàn)一個(gè)覆蓋面廣、研究時(shí)間長(zhǎng)、影響力大的科研人員或機(jī)構(gòu)，難以對(duì)未來(lái)的研究起到推動(dòng)引領(lǐng)作用?？傊?，雖然甲狀腺超聲人工智能的關(guān)注度正在不斷提高，相關(guān)研究也不斷得出新的成果［5］，但跨機(jī)構(gòu)、跨團(tuán)隊(duì)合作仍較少。

由于CiteSpace可視化軟件自身無(wú)法處理所有的文獻(xiàn)內(nèi)容，僅能單個(gè)、依次對(duì)數(shù)據(jù)庫(kù)進(jìn)行分析，前期也對(duì)數(shù)據(jù)庫(kù)內(nèi)樣本進(jìn)行了處理，無(wú)法展現(xiàn)該領(lǐng)域研究的全貌，存在一定的局限性。同時(shí)，在納入數(shù)據(jù)時(shí)，篩選的過(guò)程會(huì)出現(xiàn)選擇性偏倚，如國(guó)內(nèi)一些機(jī)構(gòu)名稱難以統(tǒng)一規(guī)范化、同一機(jī)構(gòu)名稱更迭等也不利于圖譜繪制，會(huì)影響最終數(shù)據(jù)及評(píng)估結(jié)果，就文獻(xiàn)篩選而言，還需進(jìn)一步研究更優(yōu)解決方案。

綜上所述，甲狀腺超聲人工智能近年來(lái)受到越來(lái)越多的關(guān)注，然而目前相關(guān)研究仍存在區(qū)域性，以及研究者間聯(lián)系不緊密、研究熱點(diǎn)不明確等問(wèn)題，對(duì)于未來(lái)甲狀腺超聲人工智能的大力發(fā)展產(chǎn)生阻礙。本研究客觀地展現(xiàn)了甲狀腺超聲人工智能的現(xiàn)狀，旨在為該研究領(lǐng)域的學(xué)者把握整體研究概貌提供幫助，為今后繼續(xù)研究提供參考，促進(jìn)國(guó)內(nèi)外甲狀腺超聲人工智能研究的進(jìn)一步發(fā)展。

參考文獻(xiàn)

［1］ Durante C，Grani G，Lamartina L，et al.The diagnosis and management of thyroid nodules：a review［J］.JAMA，2018，319（9）：914-924.

［2］ 張穎，張一峰，徐輝雄.2022年甲狀腺超聲診治研究進(jìn)展［J］.腫瘤影像學(xué)，2023，32（5）：472-477.

［3］ 王洪杰，于霞，張恩東.人工智能輔助超聲對(duì)甲狀腺結(jié)節(jié)檢出的研究進(jìn)展［J］.中國(guó)中西醫(yī)結(jié)合影像學(xué)雜志，2020，18（4）：424-426.

［4］ 郭芳琪，趙佳琦，陳蕊，等.2.0版人工智能自動(dòng)檢測(cè)系統(tǒng)對(duì)甲狀腺結(jié)節(jié)術(shù)前超聲評(píng)估效能的初步探討［J］.第二軍醫(yī)大學(xué)學(xué)報(bào)，2020，41（10）：1077-1083.

［5］ 麥武平，周美君，胡葉，等.AI超聲輔助診斷系統(tǒng)在低年資醫(yī)師診斷甲狀腺結(jié)節(jié)良惡性中的應(yīng)用［J］.中國(guó)超聲醫(yī)學(xué)雜志，2021，37（3）：248-251.

［6］ 肖丹丹.甲狀腺超聲影像卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建及評(píng)估TI-RADS 4類結(jié)節(jié)的應(yīng)用研究 ［D］.南昌：南昌大學(xué)，2021.

［7］ Verburg F，Reiners C.Sonographic diagnosis of thyroid cancer with support of AI ［J］.Nat Rev Endocrinol，2019，15（6）：319-321.

［8］ Choi YJ，Baek JH，Park HS，et al.A computer-aided diagnosis system using artificial intelligence for the diagnosis and characterization of thyroid nodules on ultrasound：initial clinical assessment［J］.Thyroid，2017，27（4）：546-552.

［9］ Liang XW，Cai YY，Yu JS，et al.Update on thyroid ultrasound：a narrative review from diagnostic criteria to artificial intelligence techniques［J］.Chin Med J（Engl），2019，132（16）：1974-1982.

［10］ Watkins L，O’Neill G，Young D，et al.Comparison of British Thyroid Association，American College of Radiology TIRADS and Artificial Intelligence TIRADS with histological correlation：diagnostic performance for predicting thyroid malignancy and unnecessary fine needle aspiration rate［J］.Br J Radiol，2021，94（1123）：20201444.

［11］ 劉旭，陳琴，周青.人工智能在甲狀腺結(jié)節(jié)超聲診斷中的應(yīng)用進(jìn)展［J］.臨床超聲醫(yī)學(xué)雜志，2022，24（4）：298-300.

［12］ 張雅嬌，鄭雨欣，徐棟.多模態(tài)超聲和人工智能技術(shù)對(duì)甲狀腺濾泡性腫瘤鑒別診斷的研究進(jìn)展［J］.腫瘤學(xué)雜志，2023，29（11）：953-958.

［13］ 邱海波，曹素梅，徐瑞華.基于2020年全球流行病學(xué)數(shù)據(jù)分析中國(guó)癌癥發(fā)病率、死亡率和負(fù)擔(dān)的時(shí)間趨勢(shì)及與美國(guó)和英國(guó)數(shù)據(jù)的比較［J］.癌癥，2021，41（4）：165-177.

［14］ Kim GR，Lee E，Kim HR，et al.Convolutional neural network to stratify the malignancy risk of thyroid nodules：diagnostic performance compared with the american college of radiology thyroid imaging reporting and data system implemented by experienced radiologists［J］.Am J Neuroradiol，2021，42（8）：1513-1519.

［15］ 尹愛(ài)桃，陸永萍，趙易凡，等.卷積神經(jīng)網(wǎng)絡(luò)診斷甲狀腺結(jié)節(jié)的應(yīng)用［J］.中國(guó)醫(yī)學(xué)影像學(xué)雜志，2022，30（12）：1212-1217，1223.

［16］ Song D，Yao J，Jiang Y，et al.A new xAI framework with feature explainability for tumors decision-making in Ultrasound data：comparing with Grad-CAM［J］.Comput Methods Programs Biomed，2023，235（1）：107527.

［17］ 丁健，張英霞，閆諾.實(shí)時(shí)動(dòng)態(tài)人工智能在甲狀腺癌超聲診斷中的研究進(jìn)展［J］.現(xiàn)代醫(yī)學(xué)，2023，51（11）：1645-1650.

［18］ Jeong EY，Kim HL，Ha EJ，et al.Computer-aided diagnosis system for thyroid nodules on ultrasonography：diagnostic performance and reproducibility based on the experience level of operators［J］.Eur Radiol，2019，29（4）：1978-1985.

［19］ Kwon SW，Choi IJ，Kang JY，et al.Ultrasonographic thyroid nodule classification using a deep convolutional neural network with surgical pathology［J］.J Digit Imaging，2020，33（5）：1202-1208.

（收稿日期：2024-02-26）