基于CiteSpace的知識圖譜對冠心病與面部識別研究熱點及趨勢的可視化分析

張笑涵,王 歡,蔣雨辰,胡元會,杜 柏

冠狀動脈粥樣硬化性心臟病簡稱冠心病,是全球威脅人類健康的主要疾病之一,冠心病發(fā)病率逐年增高。自2014年起我國將“心血管病早期篩查與綜合干預(yù)項目”列入國家重大公共衛(wèi)生服務(wù)項目[1],這正與中醫(yī)學(xué)中“上工治未病”,未病先防的理念相合。尋求一種便捷高效的早期篩查診斷方法,對冠心病的防控有重要意義?！饵S帝內(nèi)經(jīng)》有“心主血脈,其華在面”的描述,現(xiàn)代研究中也多有提示面部特征與心血管疾病風(fēng)險的關(guān)系。近年來,隨著人工智能面部識別技術(shù)的發(fā)展,機器學(xué)習(xí)算法可以幫助建立一種新型的冠心病的識別、預(yù)測模型,為控制冠心病的發(fā)病率提供一種值得期待的思路[2]。本研究運用CiteSpace從Web of Science核心合集數(shù)據(jù)庫中搜索到的冠心病與面部識別相關(guān)文獻進行分析,旨在發(fā)現(xiàn)相關(guān)研究熱點和研究趨勢的變化進程,為該領(lǐng)域的進一步研究提供了有價值的信息和新思路。

1 資料與方法

1.1 文獻來源 文獻均來源于Web of Science核心合集數(shù)據(jù)庫。檢索式:(TS=(coronary heart disease) AND((facial recognition) OR (facial diagnosis) OR(face deep learning))) 。檢索時限為2010年1月—2022年4月,共檢索到SCI文獻258篇。檢索時間為2022年4月13日。

1.2 數(shù)據(jù)處理 將檢索到的所有文獻以純文本格式導(dǎo)出,命名為“download_＊＊＊”,通過CiteSpace 5.8.R3軟件進行作者、機構(gòu)、國家、期刊、共被引作者、被引文獻及關(guān)鍵詞可視化分析,并繪制出可視化分析圖譜,進一步描述冠心病與面部識別關(guān)系的研究現(xiàn)狀、熱點及相關(guān)趨勢。

1.3 軟件參數(shù)設(shè)置 將CiteSpace 5.8.R3軟件選項設(shè)置如下,Timespan:2010/01-2022/04(Slice length=1 year);Selection Criteria(TOPN%:10%;TOP:50);Pruning:Pathfinder and Pruning sliced networks。

2 結(jié) 果

2.1 各年份發(fā)文量統(tǒng)計 對納入的258篇文獻進行不同年份發(fā)表數(shù)量統(tǒng)計(見圖1),可以看出,2010年、2011年關(guān)于冠心病面部識別相關(guān)報道較少,2012年呈現(xiàn)快速增長態(tài)勢,后進入相對低熱度期,2013年—2021年基本呈逐年上升態(tài)勢,2017年、2021年分別為該統(tǒng)計折線圖中出現(xiàn)的第二、第三個高峰。其中,2020年—2021年為相關(guān)研究數(shù)量高速增長期,說明該領(lǐng)域在此期間受到相關(guān)研究人員的更多關(guān)注。

圖1 冠心病的面部識別相關(guān)文獻年份分布統(tǒng)計

2.2 作者分布 作者合作圖譜(見圖2)和作者共被引圖譜(圖3)由CiteSpace軟件生成,N表示節(jié)點數(shù)量,E表示節(jié)點間的連線。N=340,E=363,表明258篇文獻由340位作者共同發(fā)表,作者間共有363次合作。由圖譜分析可見,作者網(wǎng)絡(luò)圖譜分布規(guī)律呈大分散、小集中,說明在該領(lǐng)域內(nèi)研究者仍以內(nèi)部團隊合作為主,外部學(xué)術(shù)交流合作較少。表1所示為近13年間在該領(lǐng)域發(fā)文量排前10位的作者,表明他們在冠心病的面部識別領(lǐng)域研究較多,其研究成果具有一定借鑒意義。其中Bo Xu發(fā)文量最多。

表1 發(fā)文量排前10位的作者

圖2 作者共現(xiàn)圖譜

圖3 作者共被引圖譜

作者共被引分析是對不同作者發(fā)表的文獻同時被其他文獻進行引用的分析,進而梳理作者之間研究主題關(guān)系的文獻計量學(xué)方法[3]。258篇關(guān)于冠心病的面部識別文獻中,共被引作者457名,其中連線有1 427條。共被引頻次排前10位的作者見表2。中心性作為連接不同文獻的樞紐性指標,在CiteSpace中被用來衡量文獻的重要性[4]。當中心性大于0.1可視為關(guān)鍵節(jié)點,為某研究領(lǐng)域的關(guān)鍵點或轉(zhuǎn)折點。在共被引頻次排名前10位的作者中,中心性大于0.1的作者有兩位,分別是Yusuf S(0.21)和Grundy S M(0.20)。Yusuf S是共被引頻次和中心性均排在首位的作者,說明是該領(lǐng)域較有影響力的研究者,其成果具有較高研究價值。Mcgorrian等[5]提出將各高危因素綜合,建立一種靈活的冠心病評估體系。其中,包括被檢者的性別、年齡、肥胖程度、情緒狀態(tài)及各慢性病患病情況等因素,以期能接近最理想的冠心病病人的面部評分標準。

表2 被引頻次排前10位的作者

2.3 研究國家與機構(gòu)分布 研究國家共現(xiàn)圖譜見圖4(N=83,E=206)。發(fā)文量排前5位的國家分別為美國(71篇)、中國(38篇)、英國(34篇)、加拿大(18篇)、荷蘭(16篇)。經(jīng)過CiteSpace運行可知,有5個國家中心性大于0.1,分別為美國(0.46)、中國(0.39)、英國(0.28)、加拿大(0.18)及荷蘭(0.12),以此推斷以上5個國家為該領(lǐng)域的主要研究國家。機構(gòu)共現(xiàn)圖譜見圖5(N=306,E=394)。發(fā)文量排前3位的機構(gòu)分別為悉尼大學(xué)(4篇)、香港大學(xué)(4篇)和法國國家健康與醫(yī)學(xué)研究院(4篇)。圖譜分布總體呈分散態(tài)勢,說明各機構(gòu)之間仍以內(nèi)部團隊合作為主,缺少外部學(xué)術(shù)交流。各研究機構(gòu)中心性顯示,未見有中心性大于0.1的機構(gòu)。說明該領(lǐng)域尚未出現(xiàn)具有引領(lǐng)作用的機構(gòu),或各組織對于冠心病的面部識別認識仍停留于較淺的認識階段,亟待進一步探索。

圖4 研究國家共現(xiàn)圖譜

圖5 研究機構(gòu)共現(xiàn)圖譜

2.4 期刊共被引情況 2010年—2022年期刊共被引圖譜見圖6(N=420,E=1654)。另外,共被引頻次及中心性排名前5位的期刊見表3、表4?？芍狢irculation是本領(lǐng)域被引頻次最高的核心期刊,在進一步研究時可提供重要價值。Cochrane Db Syst Rev是本領(lǐng)域被引中心性最高的期刊,證明其刊發(fā)的文獻在冠心病的面部識別領(lǐng)域具有較高影響力。

表3 被引頻次排前5位的期刊

表4 中心性排前5位的期刊

圖6 期刊共被引圖譜

2.5 文獻被引分析 對被引頻次較高的文獻進行分析,有利于獲得對冠心病面部識別領(lǐng)域主要研究方向的基本把握。2010年—2022年關(guān)于冠心病的面部識別領(lǐng)域文獻共被引圖譜見圖7,其中,N=400,E=736?！禨martphone-based home care model improved use of cardiac rehabilitation in post-myocardial infarction patients》 是共被引頻次最高的文章,提出了在心臟康復(fù)過程中,以智能手機為基礎(chǔ)的家庭護理模式可以更靈活地監(jiān)測冠心病各相關(guān)危險因素,為冠心病的面部識別使用平臺提供了一種應(yīng)用思路,從而優(yōu)化冠心病病人的個體化管理[6]。另外,也有學(xué)者通過一項多中心橫斷面研究提出,可將人像作為唯一的輸入數(shù)據(jù),建立一種超越傳統(tǒng)模型的預(yù)測算法,在人工智能時代背景下通過自拍圖像以實現(xiàn)冠心病的面部識別,這種社區(qū)早篩診斷有利于幫助控制冠心病發(fā)病率[7]。被引頻次排前5位的文獻見表5。

表5 被引頻次排前5位的文獻

圖7 文獻共被引可視化圖譜

2.6 關(guān)鍵詞分析

2.6.1 關(guān)鍵詞共現(xiàn)分析 關(guān)鍵詞分析可反映本領(lǐng)域的熱點和研究前沿。關(guān)鍵詞的共現(xiàn)圖譜見圖8。使用頻次排前20位的關(guān)鍵詞及其中心性見表6。由圖8可知,冠心病面部識別領(lǐng)域的主要關(guān)鍵詞有:coronary heart disease(冠心病)、risk factor(危險因素)、myocardial infarction(心肌梗死)、physical activity(體育活動)、anxiety(焦慮)、blood pressure(血壓)、Meta-analysis(Meta分析)、randomized controlled trial(隨機對照試驗)。

表6 被引頻次排前20位的關(guān)鍵詞

圖8 關(guān)鍵詞共現(xiàn)圖譜

2.6.2 關(guān)鍵詞聚類分析 對高頻關(guān)鍵詞進行聚類分析(見圖9),共顯示前8個主要關(guān)鍵詞聚類。具體分析見表7。

表7 關(guān)鍵詞聚類分析表

圖9 關(guān)鍵詞聚類分析圖譜

2.6.3 關(guān)鍵詞突現(xiàn)分析 利用CiteSpace對各高頻關(guān)鍵詞進行突現(xiàn)分析,圖10所示為突現(xiàn)結(jié)果排名前8位的關(guān)鍵詞。該軟件內(nèi)嵌的“Find Burst Phrase”算法會將出現(xiàn)頻次快速增加的專業(yè)術(shù)語,即突變詞語確定為研究前沿術(shù)語[8]。分析可得,在冠心病面部識別領(lǐng)域,2013年—2014年,重視冠心病的流行病學(xué)調(diào)查,2015年—2017年,冠心病的危險因素成為該領(lǐng)域的研究熱點。說明在此階段,利用面部識別實現(xiàn)冠心病的識別和早篩是主要研究方向。隨后干預(yù)、管理、急性冠脈綜合征、心臟康復(fù)等成為研究熱點,說明2018年—2020年研究者嘗試將冠心病的面部識別與心肌損傷后的健康管理相結(jié)合,為冠心病病人提供更簡便、高效的康復(fù)模式。

圖10 關(guān)鍵詞突現(xiàn)分析結(jié)果

3 討 論

冠心病患病率居高不下,是我國重大公共衛(wèi)生問題。冠狀動脈造影(coronary angiography,CAG)是診斷冠心病的金標準,但因其為一項侵入性檢查,且費用高,有出現(xiàn)并發(fā)癥可能,對檢查者操作技術(shù)有要求等局限性[9],不能適用廣泛樣本量的冠心病診斷。通過面部識別原理實現(xiàn)冠心病早期篩查,具有經(jīng)濟、便捷、診斷快、無創(chuàng)性等優(yōu)勢,更易于被大眾接受。在社區(qū)范圍或冠心病高危人群中推廣,有利于控制冠心病發(fā)病率。

本領(lǐng)域發(fā)文量最高的Bo Xu及其團隊認為,面部各區(qū)域相比較,臉頰、前額、鼻的特征與冠心病的面部識別算法模型更具相關(guān)性,而非此前曾在研究中被報道并廣為大眾接受的耳、眼睛和頭發(fā)的特征,如耳垂褶皺、深眼袋、額頂禿[10]。因此,關(guān)于各面部特征和心臟生理病理特點的關(guān)系仍有待進一步研究。

不同于公認的各項冠心病危險因素如高血壓、高血脂、糖尿病、吸煙、運動不足[11],負面情緒如焦慮、抑郁、憤怒也被認為能夠誘導(dǎo)心肌缺血[12]。在心臟壓力試驗中,被檢者表現(xiàn)出的代表負面情緒和較低幸福感的面部表情與其同時出現(xiàn)的心肌缺血及心絞痛的癥狀顯著相關(guān)[13]。這也為將面部情緒表達納入冠心病的面部識別算法模型提供了理論依據(jù)。

中醫(yī)學(xué)重視四診合參。通過各項面部特征,司外揣內(nèi)幫助診斷冠心病,符合中醫(yī)學(xué)整體觀念的思想。冠心病病人與體檢正常人群面診圖像具有統(tǒng)計學(xué)差異[14],正常人群面色較為紅潤而有光澤,冠心病病人整體面色暗黃,較正常人面色深沉而晦暗。而將冠心病中醫(yī)證型與不同面部識別特征相結(jié)合,在國際上的相關(guān)研究中仍然較少見,提示了進一步研究的方向。

由于心臟病學(xué)正處于醫(yī)學(xué)人工智能的前沿,在信號處理、圖像分割和結(jié)構(gòu)化數(shù)據(jù)分析均取得了巨大進展,這為冠心病的面部識別提供了技術(shù)依托[15]。通過整合既往研究報道的各項冠心病面部特征,建立精確的算法模型,即可在人群中獲得關(guān)于冠心病診斷的預(yù)測結(jié)果[16]。但在運用人工智能機器學(xué)習(xí)技術(shù)的同時,仍需在提高與冠心病相關(guān)的面部特征精準度、優(yōu)化算法模型、提高診斷陽性率及兼顧醫(yī)學(xué)倫理等方面著力改進。盡管如此,從當前人工智能在醫(yī)學(xué)診斷展示出的巨大優(yōu)勢來看,基于人工智能機器學(xué)習(xí)算法,通過冠心病的面部識別實現(xiàn)疾病早期診斷,為控制冠心病發(fā)病率這一重大公共衛(wèi)生問題而提供了重要機遇。

本研究基于CiteSpace軟件,針對2010年—2022年冠心病的面部識別相關(guān)文獻進行可視化分析,較條理地梳理了本領(lǐng)域的研究歷程、現(xiàn)狀及熱點話題,為進一步深入探索提供了一定參考價值。

: