深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 36465 篇文献，本页显示第 921 - 940 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2025-12-09 |
DeepPartitioning: Deep Learning of Graph Partitioning for Neuron Segmentation From Electron Microscopy Volume via Graph Neural Network
2025-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3581433
PMID:40536855
|
研究论文 | 本文提出了一种基于深度学习的图划分方法DeepPartitioning，用于电子显微镜体积中的神经元分割，通过图神经网络实现端到端的超像素聚合 | 通过引入线图神经网络（LGNN）来捕获区域邻接图中的高阶关系结构，将图划分任务隐式转化为二阶多割问题，避免了传统方法因模型容量不足导致的建模误差 | 未在摘要中明确提及 | 开发一种端到端的超像素聚合方法，以改进电子显微镜体积中的神经元分割 | 电子显微镜体积中的神经元分割任务 | 计算机视觉 | NA | 电子显微镜成像 | 图神经网络 | 图像体积 | 三个公共电子显微镜数据集 | NA | 线图神经网络 | NA | NA |
| 922 | 2025-12-09 |
Association Study on Multi-Timepoint DNA Methylation Levels of Serotonin Transporter Gene and Adolescent Psychological-Behavioral Development
2025-Dec, Neuropsychopharmacology reports
IF:2.0Q3
DOI:10.1002/npr2.70081
PMID:41344989
|
研究论文 | 本研究探讨了青少年早期SLC6A4基因多时间点DNA甲基化水平与心理病理及行为集群的关联 | 首次在青少年早期至中期追踪了SLC6A4基因在三个发育时间点的甲基化水平 | 样本量较小（N=122），且仅基于日本东京青少年队列，需进一步研究环境与遗传因素的作用 | 调查SLC6A4基因多时间点DNA甲基化水平是否与青少年心理病理及行为集群相关 | 东京青少年队列（TTC）研究中的青少年参与者 | 表观遗传学 | 青少年心理行为问题 | 亚硫酸氢盐焦磷酸测序 | NA | DNA甲基化数据 | 122名参与者在11、13和15岁时的唾液样本 | NA | NA | NA | NA |
| 923 | 2025-12-09 |
Transforming Vitiligo Diagnosis and Treatment Through Artificial Intelligence: A Review
2025-Dec, Scandinavian journal of immunology
IF:4.1Q2
DOI:10.1111/sji.70076
PMID:41354974
|
综述 | 本文综述了人工智能（AI）在白癜风诊断与治疗中的当前应用、最新进展及面临的挑战 | 系统性地总结了AI在白癜风领域的应用，包括超越皮肤科医生准确率的诊断工具、基于Transformer的图像分类器、以及用于药物重定位的预测模型，并指出了该领域未来的发展方向 | 面临数据集规模小、多样性不足（尤其是深色皮肤样本缺乏）、模型可解释性差、伦理问题（患者隐私、数据所有权、诊断错误责任）以及临床工作流整合困难等挑战 | 探讨人工智能技术如何变革白癜风的诊断与治疗，并分析其临床应用的潜力与障碍 | 白癜风（一种皮肤自身免疫性疾病） | 数字病理学 | 白癜风 | 机器学习（ML）、深度学习（DL）、基因表达分析、蛋白质相互作用分析、药理学网络分析 | 深度学习神经网络、Transformer | 图像、基因表达数据、蛋白质相互作用数据、药理学网络数据 | NA | NA | 深度神经网络、Transformer | 准确率 | NA |
| 924 | 2025-12-09 |
Artificial Intelligence in Action: A Comprehensive Review on Machine and Deep Learning Methods in Sjögren's Syndrome Diagnosis
2025-Dec, International journal of rheumatic diseases
IF:2.4Q2
DOI:10.1111/1756-185x.70495
PMID:41355043
|
综述 | 本文全面回顾了人工智能，特别是机器学习和深度学习方法，在提高干燥综合征诊断准确性方面的应用 | 系统性地整合了AI在干燥综合征多种诊断模式（包括组织病理学、影像学、光谱学、基因组学、代谢组学和电子健康记录）中的应用，并强调了其统一多源数据、实现快速、客观和个性化诊断的潜力 | 本文为综述性文章，未报告原始研究的具体局限性，但文中提及的AI方法在资源有限环境中的应用潜力仍需进一步验证 | 探讨人工智能技术在干燥综合征诊断领域的应用现状、进展和潜力 | 干燥综合征的诊断方法及相关数据 | 机器学习 | 干燥综合征 | 组织病理学分析、唾液腺超声、计算机断层扫描、拉曼光谱、舌成像、基因组学分析、代谢组学分析、电子健康记录分析 | 机器学习分类器, 深度学习模型 | 组织病理学图像、医学影像、光谱数据、舌图像、基因组数据、代谢组数据、电子健康记录文本 | NA | NA | NA | NA | NA |
| 925 | 2025-12-09 |
ATHENA: A deep learning-based AI for functional prediction of genomic mutations and synergistic vulnerabilities in prostate cancer
2025-Nov-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.26.690813
PMID:41357974
|
研究论文 | 本文介绍了一种名为ATHENA的深度学习AI框架，用于预测基因组突变的功能影响并揭示其协同脆弱性，以解决前列腺癌中识别驱动治疗耐药的功能性突变的挑战 | 开发了基于注意力的深度学习框架ATHENA，能够建模突变间的非线性依赖关系，区分驱动事件与乘客变异，并通过SHAP分析进行解释，实现功能性预测和协同脆弱性发现 | 未明确说明模型在独立验证集上的泛化能力或数据偏差问题 | 预测基因组突变的功能影响，揭示协同脆弱性，以加速前列腺癌中可操作靶点的发现 | 前列腺癌患者的多队列基因组数据，包括去势抵抗性、AR变异驱动和转移性疾病模型 | 机器学习 | 前列腺癌 | RNA/DNA信息变异发现流程，SHAP分析，碱基编辑实验 | 深度学习 | 基因组序列数据 | 大型多队列数据集（具体数量未明确） | 未明确指定 | 基于注意力的网络架构 | 临床结果分层，突变功能预测验证 | 未明确指定 |
| 926 | 2025-12-09 |
Novel antimicrobial peptides against Pseudomonas aeruginosa: in silico design and experimental validation
2025-Nov-28, Journal of applied microbiology
IF:3.2Q2
DOI:10.1093/jambio/lxaf287
PMID:41258863
|
研究论文 | 本研究通过深度学习和分子对接技术设计并验证了针对铜绿假单胞菌的新型抗菌肽 | 利用基于Transformer的深度学习模型TACaPe生成抗菌肽序列，并结合分子对接分析靶向群体感应受体，实验验证了其抗菌和抗生物膜活性以及与美罗培南的协同作用 | 研究仅针对铜绿假单胞菌ATCC® 27853菌株进行体外测试，未涉及体内实验或更广泛的临床菌株验证 | 设计和评估具有抗菌和抗生物膜活性的新型抗菌肽，以对抗铜绿假单胞菌感染 | 铜绿假单胞菌及其群体感应受体（LasR、RhlR、PqsR） | 机器学习 | 细菌感染 | 深度学习、分子对接、体外抗菌测试、溶血和细胞毒性实验 | Transformer | 肽序列数据 | 5种合成抗菌肽，针对铜绿假单胞菌ATCC® 27853菌株进行测试 | NA | TACaPe（基于Transformer的深度学习模型） | 结合亲和力、最小抑菌浓度（MIC）、生物膜抑制效果、溶血和细胞毒性 | NA |
| 927 | 2025-12-09 |
AI in Esophageal Motility Disorders: Systematic Review of High-Resolution Manometry Studies
2025-Nov-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/85223
PMID:41308193
|
系统综述 | 本文系统综述了人工智能在食管高分辨率测压（HRM）解释中的应用，评估了其诊断准确性、方法学、临床验证及实施障碍 | 首次系统性地绘制了AI在HRM解释中从传统机器学习到深度学习再到多模态方法的演进轨迹，量化了AI相较于人类专家在可重复性上的优越性，并揭示了算法性能与临床转化之间的关键脱节 | 纳入的研究均未进行外部验证，82%的研究存在患者选择偏倚不明确的问题，且没有研究获得监管批准，缺乏真实世界测试导致适用性存在高度担忧 | 评估当前AI在HRM解释中的应用，并评估其诊断准确性、方法学途径、临床验证、实施障碍以及对胃肠病学实践的现实影响 | 使用AI或机器学习解释食管HRM的原始研究，研究对象为有食管症状的成人 | 医学人工智能 | 食管动力障碍 | 高分辨率食管测压（HRM） | 传统机器学习，深度学习 | 测压数据，可能包含声学分析等多模态数据 | 17项研究，共4588名患者 | NA | NA | 准确率，置信区间 | NA |
| 928 | 2025-12-09 |
Radiomics-Based Machine Learning for the Detection of Myometrial Invasion in Endometrial Cancer: Systematic Review and Meta-Analysis
2025-Nov-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/78809
PMID:41309108
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了基于影像组学的机器学习模型在检测子宫内膜癌肌层浸润中的诊断性能 | 首次对基于影像组学的机器学习（包括传统机器学习和深度学习）在子宫内膜癌肌层浸润检测中的诊断性能进行了全面的系统综述和荟萃分析，并比较了不同模型类型的效能 | 现有证据有限，主要依赖于内部验证，缺乏大规模、多中心的研究来建立稳健的人工智能诊断工具 | 系统评估基于影像组学的机器学习方法在识别子宫内膜癌肌层浸润方面的诊断性能，并比较传统机器学习与深度学习模型的诊断效能 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 影像组学 | 机器学习, 深度学习 | 医学影像（磁共振成像，超声成像） | 19项研究，共4373名子宫内膜癌患者 | NA | NA | 灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积 | NA |
| 929 | 2025-12-09 |
Visionary AI: Decoding Systemic Vascular Health and Hypertensive Disorders in Pregnancy Through Retinal Imaging and Artificial Intelligence
2025-Nov-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.25.25340974
PMID:41358297
|
研究论文 | 本研究开发了一种名为Visionary AI的人工智能平台，通过整合超广角视网膜成像和基于生物学的血管建模，早期预测妊娠期高血压疾病 | 与依赖通用深度学习模型和临床输入的先前方法不同，Visionary AI构建了可解释的、基于图形的母体视网膜血管表示，并应用拓扑和几何分析来识别特定疾病的微血管特征 | NA | 早期预测妊娠期高血压疾病，并理解妊娠如何系统性重塑血管生理学以及这种重塑可能如何出错 | 妊娠期女性，特别是患有妊娠期高血压疾病的孕妇 | 计算机视觉 | 妊娠期高血压疾病 | 超广角视网膜成像 | 深度学习 | 图像 | 1,267例妊娠（来自美国前瞻性多民族队列） | NA | 基于图形的模型 | AUC | NA |
| 930 | 2025-12-09 |
Neuroimaging-derived brain endophenotypes link molecular mechanisms to Alzheimer's disease and aging
2025-Nov-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.25.25340884
PMID:41358312
|
研究论文 | 本研究开发了一个整合深度学习衍生的神经影像内表型与脑分子数量性状位点的框架，以解析阿尔茨海默病和衰老相关脑变异的遗传通路 | 提出了DNE-xQTL框架，将深度学习衍生的多维神经影像内表型与脑分子QTL整合，实现了对AD遗传位点的生物学注释和未探索调控通路的揭示 | 未明确说明样本规模和数据来源的具体限制，且框架的普适性有待在不同队列中进一步验证 | 解析阿尔茨海默病和衰老相关脑变异的遗传分子机制 | 阿尔茨海默病相关的遗传变异和脑影像特征 | 神经影像分析 | 阿尔茨海默病 | 全基因组关联研究（GWAS）、深度学习、分子数量性状位点（xQTL）分析 | 深度学习模型 | 神经影像数据、基因组数据 | NA | NA | NA | NA | NA |
| 931 | 2025-12-09 |
Dynamic prediction of Radiotherapy toxicities in Head and neck cancer using clinical and imaging data
2025-Nov-26, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111312
PMID:41314396
|
研究论文 | 本研究开发了一个动态深度学习模型，用于预测头颈癌放疗期间的三种主要毒性反应，通过整合临床数据和每日锥形束CT影像进行评估 | 首次结合临床特征和每日CBCT影像的解剖变形数据（Jacobian行列式矩阵）来动态预测头颈癌放疗毒性，并评估了序列影像或剂量学特征对早期预测的改进作用 | 研究为回顾性分析，影像数据（早期Jf或影像组学）未能提升预测性能，可能受限于样本量或特征提取方法 | 开发动态预测模型以早期识别头颈癌放疗患者发生严重毒性反应的风险 | 头颈癌接受放疗的患者 | 数字病理学 | 头颈癌 | 锥形束CT影像分析，影像组学 | CNN, MLP | 影像，临床数据 | 1,012名头颈癌患者 | NA | 多分支3D ResNet50，多层感知机 | 准确率 | NA |
| 932 | 2025-12-09 |
Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection
2025-Nov-26, ArXiv
PMID:41356065
|
研究论文 | 本研究提出并评估了多种深度学习架构，用于检测基于代码调制视觉诱发电位的非侵入性脑机接口中的信号解码 | 引入了基于Siamese网络的相似性解码方法，并采用Earth Mover's Distance等距离度量提升对时序变化的鲁棒性，结合时间数据增强技术改善跨会话泛化能力 | 研究仅涉及13名健康成年人的数据，样本规模较小，且未在临床患者或更复杂环境中验证 | 开发高鲁棒性的解码方法以应对脑电图信号中的时序变异性和会话依赖性噪声，提升非侵入性脑机接口的可靠性 | 健康成年人的脑电图信号，特别是代码调制视觉诱发电位 | 机器学习 | NA | 脑电图记录，单目标闪烁刺激 | CNN, Siamese网络 | 脑电图信号 | 13名健康成年人 | NA | 卷积神经网络，Siamese网络 | 准确率 | NA |
| 933 | 2025-12-09 |
Prior knowledge informs graph neural networks to improve phenotype prediction from proteomics
2025-Nov-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.23.25340814
PMID:41358286
|
研究论文 | 本文提出了一种利用先验知识增强图神经网络（GNN）的深度学习框架，用于从蛋白质组学数据预测疾病相关表型 | 创新性地设计了一个包含并行GNN头的模型架构，通过整合基因本体库中的蛋白质集合先验知识，构建二分图结构，以提升表型预测性能 | NA | 开发一个深度学习框架，利用蛋白质表达数据预测与患者健康相关的多样表型 | UK Biobank血浆蛋白质组学数据和个体表型数据 | 机器学习 | NA | 蛋白质组学 | 图神经网络（GNN） | 蛋白质表达数据 | NA | NA | 图神经网络（GNN），前馈神经网络 | NA | NA |
| 934 | 2025-12-09 |
Can artificial intelligence accurately predict the risk of hematoma expansion in intracerebral hemorrhage? A systematic review and Meta-analysis of 7,665 patients
2025-Nov-24, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03901-7
PMID:41276709
|
系统综述与Meta分析 | 本研究通过系统综述和Meta分析评估了人工智能模型在预测脑出血患者血肿扩大风险中的有效性 | 首次对人工智能模型（特别是机器学习和深度学习）在预测脑出血血肿扩大方面的性能进行了全面的系统综述和Meta分析，并比较了自发性脑出血与创伤性脑损伤相关脑出血的预测效果 | 研究间存在高度异质性，限制了结果的稳健性，且需要标准化的影像协议和严格的外部验证才能进行临床实施 | 评估人工智能模型在预测脑出血患者血肿扩大风险中的有效性 | 脑出血患者 | 机器学习 | 脑出血 | NA | 机器学习, 深度学习 | NA | 7,665名患者 | NA | NA | 灵敏度, 特异度, AUC, 阳性似然比, 阴性似然比, 诊断比值比 | NA |
| 935 | 2025-12-09 |
Deep Learning-Assisted Automated Diagnosis of Osteoporosis Based on Computed Tomography Scans: Systematic Review and Meta-Analysis
2025-Nov-24, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77155
PMID:41284986
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析，评估了基于CT扫描的深度学习模型在骨质疏松症诊断中的性能 | 首次对基于CT扫描的深度学习模型在骨质疏松症诊断中的性能进行了全面的系统综述和荟萃分析，并识别了影响模型性能的关键因素 | 纳入研究间存在显著的异质性，外部验证有限，且缺乏完整的端到端流程，这限制了所提出模型的普适性 | 调查基于CT扫描的深度学习模型在诊断骨质疏松症方面的诊断性能 | 涉及接受CT扫描的成年参与者，并应用深度学习进行骨质疏松症诊断的研究 | 医学影像分析 | 骨质疏松症 | 计算机断层扫描 | 深度学习 | CT图像 | 24项研究，包含来自29,808名参与者的CT图像 | NA | DenseNet, 3D架构 | 敏感性, 特异性, 曲线下面积 | NA |
| 936 | 2025-12-09 |
Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data
2025-Nov-24, Research square
DOI:10.21203/rs.3.rs-7687810/v1
PMID:41356360
|
研究论文 | 本文介绍了一种名为RoentGen-v2的文本到图像扩散模型，用于生成具有精细控制放射学发现和患者人口统计学属性的胸部X光片，并通过合成数据预训练策略提升下游疾病分类模型的性能、鲁棒性和公平性 | 首次提出能够显式控制人口统计学属性（如性别、年龄、种族/民族）生成临床合理胸部X光片的扩散模型，并设计了一种利用合成数据进行监督预训练再在真实数据上微调的新训练策略 | NA | 开发临床可部署的深度学习模型，以提升诊断影像模型的性能、鲁棒性和公平性 | 胸部X光片 | 计算机视觉 | NA | 文本到图像扩散模型 | 扩散模型 | 图像 | 超过565,000张合成图像和超过137,000张来自五个机构的真实胸部X光片 | NA | RoentGen-v2 | 准确率, 公平性差距 | NA |
| 937 | 2025-12-09 |
Transforming Surgical Training With AI Techniques for Training, Assessment, and Evaluation: Scoping Review
2025-Nov-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/58966
PMID:41252719
|
综述 | 本文是一篇范围综述，探讨了人工智能（AI）在外科培训、评估和评价中的应用现状与潜力 | 系统性地梳理了2020年至2024年间AI在外科培训领域的最新应用，识别了主要技术、手术类型和培训设置，并指出了自动化技能评估、个性化反馈和自适应学习路径等创新机会 | 研究设计异质性大，结果指标缺乏可比性；算法透明度不足；样本量普遍较小；缺乏标准化的评估指标和充分的外部验证 | 旨在确定AI技术如何通过数据驱动的洞察和预测分析来增强学员的学习路径和表现，并审视该领域AI算法的现状与应用，识别未来研究方向 | 聚焦于外科培训、评估和评价中应用AI的研究 | 机器学习 | NA | 机器学习，聚类分析，深度学习，卷积神经网络，支持向量机 | 机器学习，深度学习，CNN，支持向量机 | NA | 共分析了56项符合纳入标准的研究 | NA | 卷积神经网络 | NA | NA |
| 938 | 2025-12-09 |
Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers
2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-01501
PMID:40168636
|
研究论文 | 本研究开发了一种基于数字病理图像的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益 | 利用自监督学习在超过130万个图像块上训练基础模型，并在多国队列中验证其预测生存结果和辅助化疗获益的能力 | 需要前瞻性验证以确认其临床适用性 | 开发并验证一种基于数字病理图像的AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益 | 胃肠道癌症患者，包括胃癌、食管癌和结直肠癌 | 数字病理 | 胃肠道癌症 | 苏木精和伊红染色组织病理学 | 深度学习 | 图像 | 104,876张全切片图像，涉及1,619名胃癌和食管癌患者及2,594名结直肠癌患者 | NA | NA | 一致性指数，5年生存率 | NA |
| 939 | 2025-12-09 |
Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods
2025-Nov-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.04.686644
PMID:41278894
|
综述 | 本文探讨了深度学习在RNA二级结构预测中的应用，评估了方法的泛化能力并扩展了传统方法的范围 | 使用从蛋白质数据库（PDB）中整理的新基准数据集来评估方法泛化性，并讨论了深度学习在预测结构探测数据方面的应用 | 已知RNA结构的多样性和数量有限，可能导致预测与训练数据显著不同的结构时准确性不足，即泛化差距问题 | 评估深度学习在RNA二级结构预测中的泛化能力，并探索如何整合传统方法与现代神经网络 | RNA二级结构预测方法，特别是深度学习与传统计算方法的比较与整合 | 机器学习 | NA | RNA结构预测，结构探测数据预测 | 深度学习模型 | RNA结构数据，结构探测数据 | 从蛋白质数据库（PDB）中整理的RNA结构基准数据集 | NA | NA | 泛化能力评估 | NA |
| 940 | 2025-12-09 |
From telepresence to intelligent convergence: mapping the global research landscape of remote robotic surgery (1980-2025)
2025-Nov-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02934-w
PMID:41188635
|
研究论文 | 本文通过文献计量分析，系统梳理了1980年至2025年间远程机器人手术的全球研究格局与概念演变 | 首次对远程机器人手术领域进行了全面的文献计量分析，揭示了从远程操作到人工智能驱动、5G赋能及网络安全手术生态系统的范式转变，并识别了三个概念演变时代 | 分析基于Scopus数据库收录的文献，可能未涵盖所有相关研究；文献计量方法本身存在固有局限性，如依赖关键词和引用数据 | 旨在绘制远程机器人手术的全球研究版图并理解其概念演化过程 | 857篇Scopus索引的文献 | NA | NA | 文献计量分析 | NA | 文献元数据 | 857篇文献 | Bibliometrix (R-package), VOSviewer, CiteSpace | Walktrap聚类算法 | NA | NA |