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
- De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳(メタデータ) (2023-11-28T13:20:41Z) - 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) - Development and validation of a natural language processing algorithm to
pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。
臨床文献のコーパスを12種類に分類した。
私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文 参考訳(メタデータ) (2023-03-23T17:17:46Z) - 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) - LED down the rabbit hole: exploring the potential of global attention
for biomedical multi-document summarisation [59.307534363825816]
我々はPRIMERAをバイオメディカル領域に適応させ,重要なバイオメディカルエンティティにグローバルな注意を払っている。
結果から得られた23モデルの出力を分析し, 追加のグローバルアテンションの存在に関連する結果のパターンを報告する。
論文 参考訳(メタデータ) (2022-09-19T01:13:42Z) - 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) - Machine Learning for Multimodal Electronic Health Records-based
Research: Challenges and Perspectives [22.230972071321357]
電子健康記録は患者の健康史に関する豊富な情報を含んでいる。
構造化されたデータに頼ることは 患者の包括的情報を反映するのに 不十分かもしれない
多くの研究が、構造化されていない自由テキストデータも取り入れることで、より正確な結果を得ようとしている。
論文 参考訳(メタデータ) (2021-11-09T01:19:11Z) - 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。