چکیده
هدف: هدف این مطالعه تحلیل شبکه های هم تألیفی و هم استنادی انتشارات در حوزه ی هوش مصنوعی در چشم پزشکی و بینایی سنجی، همچنین، شناسایی قسمت های مختلف تحقیقات و پراستنادترین اثر می باشد.
روش: جستجوی انتشارات و آثار در وب سایت پایگاه داده های علوم برای بازه ی زمانی 1997 تا دسامبر 2021 با استفاده از عبارت هوش مصنوعی و (چشم پزشکی یا بینایی سنجی) انجام شد. آنالیز و تحلیل اثر و نشریه با استفاده از مرورگر شبکه استنادی، VOSviewer، و نرم افزار CiteSpace انجام شد.
نتایج: 1086 اثر و 2348 شبکه ی استنادی بدست آمدند. 2020 سالی بود با بالاترین تعداد انتشار، مجموع 351 اثر و 115 شبکه ی استنادی. پراستنادترین اثر و نشریه به یادگیری عمیق قابل اجرا به صورت بالینی برای تشخیص و ارجاع در بیماری شبکیه تعلق داشت که توسط دی فاو و همکاران در سال 2018، با شاخص استناد 723 منتشر شده بود. از طریق تابع خوشه بندی، سه گروه مشخص شدند که حوزه های پژوهشی اصلی در این زمینه را پوشش می دهند: آسیب شناسی شبکه، بخش قدامی، و گلوکوم (آب سیاه).
نتیجه گیری: تحلیل شبکه ی استنادی یک تحلیل عمقی و دقیق از آثار علمی و اتخاذ عناوین جدید و حوزه های تحقیقاتی را ارائه می کند. نتایج آنالیز جامع و کامل شبکه های استنادی در هوش مصنوعی در حوزه ی چشم پزشکی و بینایی سنجی از زمان انتشار اولین مقاله در سال 1977 ارائه شده اند.
مقدمه
با توجه به رشد پیش بینی شده در پیری جمعیت در آینده ی نزدیک که نرخ بالاتری از اختلال و ضعف بینایی و کوری را به همراه خواهد داشت، سیستم های مراقبت بهداشتی و درمان در سرتاسر جهان به شکل قابل ملاحظه ای درحال تلاش برای بهبود مراقبت از چشم هستند [1].
این روزها، حتی در کشورهای توسعه یافته، ارائه ی مشاوره های چشم پزشکی و مراقبت های موجود در صورتی که افزایش تعداد بیماران کم بینا و دچار مشکلات بینایی را درنظر بگیریم دیگر کافی نیست [2]. مطالعه ای که در انگلستان انجام شده کاهش دائمی حدت بینایی (قدرت بینایی) و میدان بینایی در بیماران به دلیل تأخیر 22 هفته ای در مراقبت های درمانی از چشم را نشان داد. در صورتی میشد مانع این امر شد که زودتر مداخلات درمانی صورت می گرفت [3]. این نیاز مبرم به راهکارهایی را نشان می دهد که باید به منظور بهبود دسترس پذیری خدمات مراقبت های درمانی از چشم در سطح اولیه، متوسط، و سطح سوم اجرا شوند.
بحث و گفتمان
این مطالعه به ما این امکان را می دهد تا به یک تحلیل جامع از ادبیات تحقیقی موجود در خصوص اجرای هوش مصنوعی در حوزه های چشم پزشکی و بینایی سنجی دست پیدا کنیم. برای این منظور، ما انجام یک جستجو در فهرست کتب در پایگاه داده های WoS را انتخاب کردیم، با توجه به اینکه تاریخ بازه ی جستجوی آن به 1900 برمی گردد. با این وجود، این پایگاه داده فقط نشریات و مجلات بین المللی را درنظر می گیرد که فرآیند گزینش سختی را پشت سر گذاشته اند.
نرم افزار CitNetExplorer و CiteSpace به ما این اجازه را داد تا ارتباطاتی را تعیین کنیم که بین حوزه های تحقیقاتی مختلف و گروه ها وجود دارند. با استفاده از تابع خوشه بندی ما قادر بودیم تا انتشارات و آثار ر مطابق با روابطی گروه بندی کنیم که بین استنادات وجود دارند. تابع واکاوی دقیق و استخراج داده ها با جزئیات بیشتر به ما کمک کرد تا آثار کلیدی برای هر گروه را شناسایی کنیم. نهایتا، تحلیل علم سنجی برای رسیدن به آنالیز کمی مهم ادبیات تحقیقی موجود در راستای بهبود درک این حوزه ی دانش به سرعت در حال رشد استفاده شد.
Abstract
Purpose The objective of this study is to analyse co-authorship and co-citation networks of publications in the field of artificial intelligence in ophthalmology and optometry. As well as, identify the different areas of research and the most cited publication.
Method A search of publications was performed in the Web of Science database for the period from 1977 to December 2021, using the term “Artificial Intelligence AND (Ophthalmol* OR optometry)”. The analysis of the publication was carried out using the Citation Network Explorer, VOSviewer and CiteSpace software.
Results 1086 publications and 2348 citation networks were found. 2020 was the year with the highest number of publications, a total of 351 publications and 115 citation networks. The most cited publication was “Clinically applicable deep learning for diagnosis and referral in retinal disease” published by De Fauw et al. in 2018, with a citation index of 723. Through the clustering function, three groups were found that cover the main research areas in this field: retinal pathology, anterior segment and glaucoma.
Conclusions The citation network analysis offers an in-depth analysis of scientific publications and the adoption of new topics and fields of research. The results of an exhaustive analysis of citation networks in artificial intelligence in the field of ophthalmology and optometry are presented since the publication of the first article in 1977.
Introduction
Given the anticipated growth in the ageing population in the near future that will result in a higher rate of visual impairment and blindness, healthcare systems all around the world are making considerable efforts to improve eye-care.1
Nowadays, even in developed countries, the provision of ophthalmology consultations and care available is no longer sufficient if we take into account the increasing number of visually impaired patients.2 A study carried out in England found a permanent reduction in visual acuity and visual field in patients due to a 22-week delay in eye care. This could have been avoided if they were intervened earlier.3 This shows the urgent need for solutions to be implemented in order to improve the availability and accessibility of eye care services at primary, secondary, and tertiary level.
Discussion
This study enabled us to obtain a comprehensive analysis of the available literature on the implementation of AI in the fields of ophthalmology and optometry. For this purpose, we chose to conduct a bibliographic search in the Web of Science database, given that its search range dates back to 1900. However, this database only considers journals of international relevance that have gone through a rigorous selection process.
The CitNetExplorer and CiteSpace software allowed us to determine the connections that exist between the different research fields and groups. By using the clustering function, we were able to group publications according to the relationships that exist between the citations. The drilling down function allowed us to conduct a more in-depth analysis of the bibliography for each group. Additionally, the core publications function helped us to identify the key publications for each group. Finally, scientometric analysis was used to obtain an important quantitative analysis of the existing literature to improve the understanding of this fast-growing field of knowledge.
چکیده
مقدمه
روش شناسی
نتایج
شرح آثار و انتشارات
زبان و کشورها
مؤلفان و مؤسسات
نشریات (مجلات)
واژگان کلیدی
پراستنادترین نشریات
خوشه بندی
عملکرد اصلی
بحث و گفتمان
منابع
Abstract
Purpose
Method
Results
Conclusions
Keywords
Abbreviations
Introduction
Methodology
Results
Description of the publications
Language and countries
Authors and institutions
Journals
Keywords
Most cited publications
Clustering
Core function
Discussion
Source of funding
Declaration of Competing Interest
References
این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 20 اسلاید و 6 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.
در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 8 صفحه (2000 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.
علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.
بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 40 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.