論文の概要: Machine Learning-Based Disease Diagnosis:A Bibliometric Analysis
- arxiv url: http://arxiv.org/abs/2201.02755v1
- Date: Sat, 8 Jan 2022 04:04:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 09:06:37.612399
- Title: Machine Learning-Based Disease Diagnosis:A Bibliometric Analysis
- Title（参考訳）: 機械学習による疾患診断:ビブリオメトリ分析
- Authors: Md Manjurul Ahsan, Zahed Siddique
- Abstract要約: 機械学習(ML)は、疾患診断の新しい適応可能なツールとして、研究者や実践家からかなりの注目を集めている。
MLの進歩と本分野における論文・研究の普及に伴い,機械学習による疾患診断(MLBDD)の完全検査が必要である。
この記事では、2012年から2021年までのMLBDDの論文を包括的に研究する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine Learning (ML) has garnered considerable attention from researchers
and practitioners as a new and adaptable tool for disease diagnosis. With the
advancement of ML and the proliferation of papers and research in this field, a
complete examination of Machine Learning-Based Disease Diagnosis (MLBDD) is
required. From a bibliometrics standpoint, this article comprehensively studies
MLBDD papers from 2012 to 2021. Consequently, with particular keywords, 1710
papers with associate information have been extracted from the Scopus and Web
of Science (WOS) database and integrated into the excel datasheet for further
analysis. First, we examine the publication structures based on yearly
publications and the most productive countries/regions, institutions, and
authors. Second, the co-citation networks of countries/regions, institutions,
authors, and articles are visualized using R-studio software. They are further
examined in terms of citation structure and the most influential ones. This
article gives an overview of MLBDD for researchers interested in the subject
and conducts a thorough and complete study of MLBDD for those interested in
conducting more research in this field.
- Abstract（参考訳）: 機械学習(ML)は、疾患診断の新しい適応可能なツールとして、研究者や実践家からかなりの注目を集めている。
MLの進歩と本分野における論文・研究の普及に伴い,機械学習による疾患診断(MLBDD)の完全検査が必要である。
文献学の観点からは、この記事は2012年から2021年までのMLBDD論文を包括的に研究する。
その結果、特定のキーワードを用いて、Scopus and Web of Science (WOS)データベースから関連情報を持つ1710の論文を抽出し、さらに分析するために排他的データシートに統合した。
まず,年間刊行物に基づく出版構造と,最も生産的な国・地域・機関・著者について検討する。
第2に、R-studioソフトウェアを用いて、国・地域・機関・著者・記事の共引用ネットワークを可視化する。
引用構造や最も影響力のあるものについても検討されている。
本稿では、このテーマに関心のある研究者を対象にMLBDDの概要を説明し、この分野のさらなる研究に興味がある人のために、MLBDDの徹底的で完全な研究を行う。
関連論文リスト
- Decoding MIE: A Novel Dataset Approach Using Topic Extraction and Affiliation Parsing [0.0]
本研究は,医療情報学ヨーロッパ(MIE)会議の手続きから得られた新しいデータセットを紹介する。
我々は,「健康技術・情報学研究」誌の4,606論文からメタデータと要約を抽出し,分析した。
論文 参考訳（メタデータ） (2024-10-06T19:34:23Z) - Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。
パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。
得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文 参考訳（メタデータ） (2024-09-09T06:55:37Z) - Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる
この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。
本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文 参考訳（メタデータ） (2024-07-17T20:01:21Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - A Comprehensive Study of Groundbreaking Machine Learning Research:
Analyzing highly cited and impactful publications across six decades [1.6442870218029522]
機械学習(ML)は、コンピュータ科学やその他の関連分野の研究分野として注目されている。
重要なトレンド、影響力のある著者、そしてこれまでの重要な貢献を識別するために、高度に引用された出版物の風景を理解することが不可欠である。
論文 参考訳（メタデータ） (2023-08-01T21:43:22Z) - PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。
LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。
PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文 参考訳（メタデータ） (2023-04-27T18:29:05Z) - Algorithmic Ghost in the Research Shell: Large Language Models and
Academic Knowledge Creation in Management Research [0.0]
本稿では,学術知識創造における大規模言語モデルの役割について考察する。
これには、書き込み、編集、レビュー、データセットの作成、キュレーションが含まれる。
論文 参考訳（メタデータ） (2023-03-10T14:25:29Z) - The Semantic Scholar Open Data Platform [79.4493235243312]
セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。
我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。
このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
論文 参考訳（メタデータ） (2023-01-24T17:13:08Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - Machine learning based disease diagnosis: A comprehensive review [0.0]
このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。
1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。
このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
論文 参考訳（メタデータ） (2021-12-31T16:25:23Z) - A bibliometric analysis of research based on the Roy Adaptation Model: a
contribution to Nursing [0.0]
1970年代にSor Callista Royが提唱した看護モデルであるRoy Adaptation Modelに基づく研究の現代の文献分析を行う。
Web of ScienceとSCOPUSという2つの主要な科学データベースからの情報を使用しました。
論文 参考訳（メタデータ） (2020-03-29T14:02:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。