背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究...背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。展开更多
In recent years,with the development of machine learning and deep learning,it is possible to identify and even control crop diseases by using electronic devices instead of manual observation.In this paper,an image rec...In recent years,with the development of machine learning and deep learning,it is possible to identify and even control crop diseases by using electronic devices instead of manual observation.In this paper,an image recognition method of citrus diseases based on deep learning is proposed.We built a citrus image dataset including six common citrus diseases.The deep learning network is used to train and learn these images,which can effectively identify and classify crop diseases.In the experiment,we use MobileNetV2 model as the primary network and compare it with other network models in the aspect of speed,model size,accuracy.Results show that our method reduces the prediction time consumption and model size while keeping a good classification accuracy.Finally,we discuss the significance of using MobileNetV2 to identify and classify agricultural diseases in mobile terminal,and put forward relevant suggestions.展开更多
以Web of Science数据库中1992-2018年时段内收录的英语文献为基础,借助可视化分析软件CiteSpaceV的多重知识共现功能,绘制国外旅游目的地形象研究关键词等知识图谱,结合聚类结果、高频被引文献分析发现:本领域在2006年以后受到学界广...以Web of Science数据库中1992-2018年时段内收录的英语文献为基础,借助可视化分析软件CiteSpaceV的多重知识共现功能,绘制国外旅游目的地形象研究关键词等知识图谱,结合聚类结果、高频被引文献分析发现:本领域在2006年以后受到学界广泛重视,至今已经形成核心研究力量且以西方国家和作者为主;研究重点初期集中于目的地形象内核探讨,后过渡到目的地形象品牌及营销管理等;研究主题相对集中且分布均衡,研究内容交叉性强且游客中心维度突出;未来研究需关注并回应全球发展领域中的挑战。启示:我国借鉴国外研究成果时需立足国内旅游实践,重视基于信息化、大数据等的旅游消费研究,做好国内旅游、入境旅游两个市场的细分并制定相应的目的地品牌管理营销策略。展开更多
基于Web of Science数据库检索2019—2021年我国学者在SCI数据库中收录的医学影像类期刊上发表的论文,采用文献计量学的方法,从论文数量、篇均被引频次、高被引论文数量及高产机构数量等方面分析了国内生产总值排名前15位的典型城市的...基于Web of Science数据库检索2019—2021年我国学者在SCI数据库中收录的医学影像类期刊上发表的论文,采用文献计量学的方法,从论文数量、篇均被引频次、高被引论文数量及高产机构数量等方面分析了国内生产总值排名前15位的典型城市的医学影像基础研究实力,指出了我国各城市中医学影像领域基础研究成果分布不均并提出了相应建议,可为各城市制定相关领域的发展目标提供参考。展开更多
病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)...病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)2002-2022年间作物病害图像识别研究领域发表的相关文献进行分析.结果表明:作物病害图像识别研究呈明显上升趋势;学科领域涉及计算机科学、农学、植物科学、工程、环境生态学、遥感等,体现出明显的综合性和交叉性特点;中国、美国、印度、德国等国家发文数量最多,整体而言各国之间均存在较为密切的交流与合作,其中中美之间合作最为密切;在发文量排在世界前10的研究机构中有6家来自中国,展现出很强的整体优势;MAHLEIN A K、HUANG W J和KHAN M A是发文量排在前3的核心作者;Computers and Electronics in Agriculture、Frontiers in Plant Science、Remote Sensing等期刊为主要发表载体;作物病害图像数据的获取、基于机器学习的作物病害图像识别以及基于深度学习的作物病害图像识别是近20年该研究领域的主要热点和重点.作物病害图像识别的研究深受先进技术推动,尤其是在当前人工智能技术背景下方兴未艾,是面向智慧农业的重要组成部分.而当前数据样本规模偏小,相似症状的不同病害精确识别困难,模型可解释性和泛化性有限等问题依旧制约其进一步发展.构建基于生成式大模型的大规模作物病害数据集,加强多模态数据融合,提升模型的可解释性和泛化性,开展实时监测识别等内容将是未来作物病害图像识别的主要研究方向.展开更多
The ultrahard X-ray multifunctional application beamline(BL12SW)is a phase-II beamline project at the Shanghai Syn-chrotron Radiation Facility.The primary X-ray techniques used at the beamline are high-energy X-ray di...The ultrahard X-ray multifunctional application beamline(BL12SW)is a phase-II beamline project at the Shanghai Syn-chrotron Radiation Facility.The primary X-ray techniques used at the beamline are high-energy X-ray diffraction and imaging using white and monochromatic light.The main scientific objectives of ultrahard X-ray beamlines are focused on two research areas.One is the study of the structural properties of Earth’s interior and new materials under extreme high-temperature and high-pressure conditions,and the other is the characterization of materials and processes in near-real service environments.The beamline utilizes a superconducting wiggler as the light source,with two diamond windows and SiC discs to filter out low-energy light(primarily below 30 keV)and a Cu filter assembly to control the thermal load entering the subsequent optical components.The beamline is equipped with dual monochromators.The first was a meridional bending Laue monochromator cooled by liquid nitrogen,achieving a full-energy coverage of 30-162 keV.The second was a sagittal bending Laue monochromator installed in an external building,providing a focused beam in the horizontal direction with an energy range of 60-120 keV.There were four experimental hutches:two large-volume press experimental hutches(LVP1 and LVP2)and two engineering material experimental hutches(ENG1 and ENG2).Each hutch was equipped with various near-real service conditions to satisfy different requirements.For example,LVP1 and LVP2 were equipped with a 200-ton DDIA press and a 2000-ton dual-mode(DDIA and Kawai)press,respectively.ENG1 and ENG2 provide in situ tensile,creep,and fatigue tests as well as high-temperature conditions.Since June 2023,the BL12SW has been in trial operation.It is expected to officially open to users by early 2024.展开更多
文摘背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。
基金the National Natural Science Foundation of China under Grant 61772561,author J.Q,http://www.nsfc.gov.cn/in part by the Key Research and Development Plan of Hunan Province under Grant 2018NK2012,author J.Q,http://kjt.hunan.gov.cn/+5 种基金in part by the Key Research and Development Plan of Hunan Province under Grant 2019SK2022,author Y.T,http://kjt.hunan.gov.cn/in part by the Science Research Projects of Hunan Provincial Education Department under Grant 18A174,author X.X,http://kxjsc.gov.hnedu.cn/in part by the Science Research Projects of Hunan Provincial Education Department under Grant 19B584,author Y.T,http://kxjsc.gov.hnedu.cn/in part by the Degree&Postgraduate Education Reform Project of Hunan Province under Grant 2019JGYB154,author J.Q,http://xwb.gov.hnedu.cn/in part by the Postgraduate Excellent teaching team Project of Hunan Province under Grant[2019]370-133,author J.Q,http://xwb.gov.hnedu.cn/,in part by the Postgraduate Education and Teaching Reform Project of Central South University of Forestry&Technology under Grant 2019JG013,author X.X,http://jwc.csuft.edu.cn/in part by the Natural Science Foundation of Hunan Province(No.2020JJ4140),author Y.T,http://kjt.hunan.gov.cn/in part by the Natural Science Foundation of Hunan Province(No.2020JJ4141),author X.X,http://kjt.hunan.gov.cn/.Conflicts of Interest:The authors declare that they have no conflicts of interest to report regarding the present study.
文摘In recent years,with the development of machine learning and deep learning,it is possible to identify and even control crop diseases by using electronic devices instead of manual observation.In this paper,an image recognition method of citrus diseases based on deep learning is proposed.We built a citrus image dataset including six common citrus diseases.The deep learning network is used to train and learn these images,which can effectively identify and classify crop diseases.In the experiment,we use MobileNetV2 model as the primary network and compare it with other network models in the aspect of speed,model size,accuracy.Results show that our method reduces the prediction time consumption and model size while keeping a good classification accuracy.Finally,we discuss the significance of using MobileNetV2 to identify and classify agricultural diseases in mobile terminal,and put forward relevant suggestions.
文摘以Web of Science数据库中1992-2018年时段内收录的英语文献为基础,借助可视化分析软件CiteSpaceV的多重知识共现功能,绘制国外旅游目的地形象研究关键词等知识图谱,结合聚类结果、高频被引文献分析发现:本领域在2006年以后受到学界广泛重视,至今已经形成核心研究力量且以西方国家和作者为主;研究重点初期集中于目的地形象内核探讨,后过渡到目的地形象品牌及营销管理等;研究主题相对集中且分布均衡,研究内容交叉性强且游客中心维度突出;未来研究需关注并回应全球发展领域中的挑战。启示:我国借鉴国外研究成果时需立足国内旅游实践,重视基于信息化、大数据等的旅游消费研究,做好国内旅游、入境旅游两个市场的细分并制定相应的目的地品牌管理营销策略。
文摘基于Web of Science数据库检索2019—2021年我国学者在SCI数据库中收录的医学影像类期刊上发表的论文,采用文献计量学的方法,从论文数量、篇均被引频次、高被引论文数量及高产机构数量等方面分析了国内生产总值排名前15位的典型城市的医学影像基础研究实力,指出了我国各城市中医学影像领域基础研究成果分布不均并提出了相应建议,可为各城市制定相关领域的发展目标提供参考。
文摘病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)2002-2022年间作物病害图像识别研究领域发表的相关文献进行分析.结果表明:作物病害图像识别研究呈明显上升趋势;学科领域涉及计算机科学、农学、植物科学、工程、环境生态学、遥感等,体现出明显的综合性和交叉性特点;中国、美国、印度、德国等国家发文数量最多,整体而言各国之间均存在较为密切的交流与合作,其中中美之间合作最为密切;在发文量排在世界前10的研究机构中有6家来自中国,展现出很强的整体优势;MAHLEIN A K、HUANG W J和KHAN M A是发文量排在前3的核心作者;Computers and Electronics in Agriculture、Frontiers in Plant Science、Remote Sensing等期刊为主要发表载体;作物病害图像数据的获取、基于机器学习的作物病害图像识别以及基于深度学习的作物病害图像识别是近20年该研究领域的主要热点和重点.作物病害图像识别的研究深受先进技术推动,尤其是在当前人工智能技术背景下方兴未艾,是面向智慧农业的重要组成部分.而当前数据样本规模偏小,相似症状的不同病害精确识别困难,模型可解释性和泛化性有限等问题依旧制约其进一步发展.构建基于生成式大模型的大规模作物病害数据集,加强多模态数据融合,提升模型的可解释性和泛化性,开展实时监测识别等内容将是未来作物病害图像识别的主要研究方向.
基金National Natural Science Foundation of China(Nos.12334010,42274121).
文摘The ultrahard X-ray multifunctional application beamline(BL12SW)is a phase-II beamline project at the Shanghai Syn-chrotron Radiation Facility.The primary X-ray techniques used at the beamline are high-energy X-ray diffraction and imaging using white and monochromatic light.The main scientific objectives of ultrahard X-ray beamlines are focused on two research areas.One is the study of the structural properties of Earth’s interior and new materials under extreme high-temperature and high-pressure conditions,and the other is the characterization of materials and processes in near-real service environments.The beamline utilizes a superconducting wiggler as the light source,with two diamond windows and SiC discs to filter out low-energy light(primarily below 30 keV)and a Cu filter assembly to control the thermal load entering the subsequent optical components.The beamline is equipped with dual monochromators.The first was a meridional bending Laue monochromator cooled by liquid nitrogen,achieving a full-energy coverage of 30-162 keV.The second was a sagittal bending Laue monochromator installed in an external building,providing a focused beam in the horizontal direction with an energy range of 60-120 keV.There were four experimental hutches:two large-volume press experimental hutches(LVP1 and LVP2)and two engineering material experimental hutches(ENG1 and ENG2).Each hutch was equipped with various near-real service conditions to satisfy different requirements.For example,LVP1 and LVP2 were equipped with a 200-ton DDIA press and a 2000-ton dual-mode(DDIA and Kawai)press,respectively.ENG1 and ENG2 provide in situ tensile,creep,and fatigue tests as well as high-temperature conditions.Since June 2023,the BL12SW has been in trial operation.It is expected to officially open to users by early 2024.
