数字工程 | 深度学习在残障研究中的应用

Deep learning in disability research: A bibliometric analysis

Humam Khan ^a, Shahab Saquib Sohail ^b, Dag Øivind Madsen ^c, Md Tabrez Nafis ^a

摘要：

数据提取方法

• 数据来源与筛选：本研究基于Scopus数据库，使用“深度学习”、“应用”和“残疾”作为关键词进行文献检索。仅包括2007年至2023年间发表的英文期刊论文，共筛选出764篇文章用于分析。这些文章的标题、摘要或关键词中必须包含上述关键词。

• 分析指标：研究从多个维度对数据进行整理，包括年度出版趋势、组织分布、国家/地区分布、期刊分布、总引用量以及关键词频率等。作者信息通过地址提取并与机构和国家关联，使用VOSviewer工具生成可视化图表。

• 数据处理：在预处理阶段，对作者姓名、文档标题和唯一标识符进行标准化处理，确保数据质量。随后根据研究目标选择相关指标（如引用次数、H指数、期刊影响因子）并进行分析。

期刊分析

• 期刊贡献度：764篇论文分布在476种不同期刊中，展示了该领域文献来源的多样性。例如，《Lecture Notes in Computer Science》发表了20篇文章，总引用数为70，平均单篇引用率为3.5，H指数高达446，体现了其学术影响力。

• 高影响力期刊：《IEEE Access》以15篇文章和平均每篇18.53次引用的高影响力脱颖而出，H指数为204。相比之下，《Lecture Notes in Networks and Systems》尽管发表了16篇文章，但平均引用率仅为0.125，显示其影响力有限。

• 期刊特色对比：不同期刊在数量与质量上表现各异。例如，《Scientific Reports》虽仅发表7篇文章，但总引用率为138，表明其在特定主题上的高度聚焦和影响力。

国家贡献分析

• 主要贡献国：共有36个国家参与了相关研究，其中美国以148篇文章居首，总引用数达2449次，平均每篇文章引用率为16.55。印度紧随其后，发表了150篇文章，但总引用数较低。

• 国际合作格局：中国以109篇文章和1160次引用排名第三，显示出强劲的研究能力。英国、意大利和韩国也有显著贡献，表明全球范围内对该领域的关注和合作努力。

• 区域协作网络：通过分析各国之间的合作强度发现，美国与其他33个国家建立了广泛的合作关系，印度则与32个国家展开合作，凸显两国在全球研究网络中的核心地位。

作者与机构贡献评估

• 作者贡献度：3164位作者参与了764篇论文的撰写，其中Wang Y.发表了13篇文章，是最高产的作者之一，其总引用数为127，平均单篇引用率为9.77。

• 机构贡献度：2034个机构参与了研究，排名前列的机构包括计算与信息学院、物联网数字创新中心和加州大学旧金山分校的Bakar计算健康科学研究所。这些机构的引用率和合作强度反映了其在该领域的领导地位。

• 跨学科合作：伊朗医科大学细胞与分子研究中心表现出色，与8个不同机构建立了合作关系，显示了多学科交叉合作的重要性。

关键词共现分析

• 高频关键词：在6383个关键词中，“深度学习”出现638次，“残疾”出现34次，“卷积神经网络”出现171次，突显了这些技术在研究中的核心地位。

• 研究热点：其他高频关键词包括“人工智能”（105次）、“机器学习”（88次）和“诊断”（70次），提示了当前研究的主要方向。

• 新兴关键词：除了核心技术外，“康复”（22次）、“可访问性”（21次）和“生活质量”（20次）等词汇也频繁出现，表明研究正在向更广泛的社会需求延伸。

总体结论

• 研究发现：深度学习在残疾人辅助技术中的应用正迅速增长，尤其是在图像识别、语音处理和脑机接口等领域取得了显著进展。然而，数据隐私、算法偏差和模型适应性等问题仍需解决。

• 未来方向：建议通过联邦学习保护敏感数据，并开发多层次的AI模态整合技术，以提高系统的普适性和个性化水平。同时，加强伦理规范和监管措施，确保技术的公平性和透明度。

• 研究意义：本研究填补了该领域文献计量分析的空白，为未来研究提供了全面的参考框架，有助于推动深度学习技术在残疾人服务中的进一步发展。

关注公众号，后台回复“DE”即可下载原文