基于CiteSpace的知识图谱对冠心病与面部识别研究热点及趋势的可视化分析

张笑涵,王 欢,蒋雨辰,胡元会,杜 柏

冠状动脉粥样硬化性心脏病简称冠心病,是全球威胁人类健康的主要疾病之一,冠心病发病率逐年增高。自2014年起我国将“心血管病早期筛查与综合干预项目”列入国家重大公共卫生服务项目[1],这正与中医学中“上工治未病”,未病先防的理念相合。寻求一种便捷高效的早期筛查诊断方法,对冠心病的防控有重要意义。《黄帝内经》有“心主血脉,其华在面”的描述,现代研究中也多有提示面部特征与心血管疾病风险的关系。近年来,随着人工智能面部识别技术的发展,机器学习算法可以帮助建立一种新型的冠心病的识别、预测模型,为控制冠心病的发病率提供一种值得期待的思路[2]。本研究运用CiteSpace从Web of Science核心合集数据库中搜索到的冠心病与面部识别相关文献进行分析,旨在发现相关研究热点和研究趋势的变化进程,为该领域的进一步研究提供了有价值的信息和新思路。

1 资料与方法

1.1 文献来源 文献均来源于Web of Science核心合集数据库。检索式:(TS=(coronary heart disease) AND((facial recognition) OR (facial diagnosis) OR(face deep learning))) 。检索时限为2010年1月—2022年4月,共检索到SCI文献258篇。检索时间为2022年4月13日。

1.2 数据处理 将检索到的所有文献以纯文本格式导出,命名为“download_＊＊＊”,通过CiteSpace 5.8.R3软件进行作者、机构、国家、期刊、共被引作者、被引文献及关键词可视化分析,并绘制出可视化分析图谱,进一步描述冠心病与面部识别关系的研究现状、热点及相关趋势。

1.3 软件参数设置 将CiteSpace 5.8.R3软件选项设置如下,Timespan:2010/01-2022/04(Slice length=1 year);Selection Criteria(TOPN%:10%;TOP:50);Pruning:Pathfinder and Pruning sliced networks。

2 结 果

2.1 各年份发文量统计 对纳入的258篇文献进行不同年份发表数量统计(见图1),可以看出,2010年、2011年关于冠心病面部识别相关报道较少,2012年呈现快速增长态势,后进入相对低热度期,2013年—2021年基本呈逐年上升态势,2017年、2021年分别为该统计折线图中出现的第二、第三个高峰。其中,2020年—2021年为相关研究数量高速增长期,说明该领域在此期间受到相关研究人员的更多关注。

图1 冠心病的面部识别相关文献年份分布统计

2.2 作者分布 作者合作图谱(见图2)和作者共被引图谱(图3)由CiteSpace软件生成,N表示节点数量,E表示节点间的连线。N=340,E=363,表明258篇文献由340位作者共同发表,作者间共有363次合作。由图谱分析可见,作者网络图谱分布规律呈大分散、小集中,说明在该领域内研究者仍以内部团队合作为主,外部学术交流合作较少。表1所示为近13年间在该领域发文量排前10位的作者,表明他们在冠心病的面部识别领域研究较多,其研究成果具有一定借鉴意义。其中Bo Xu发文量最多。

表1 发文量排前10位的作者

图2 作者共现图谱

图3 作者共被引图谱

作者共被引分析是对不同作者发表的文献同时被其他文献进行引用的分析,进而梳理作者之间研究主题关系的文献计量学方法[3]。258篇关于冠心病的面部识别文献中,共被引作者457名,其中连线有1 427条。共被引频次排前10位的作者见表2。中心性作为连接不同文献的枢纽性指标,在CiteSpace中被用来衡量文献的重要性[4]。当中心性大于0.1可视为关键节点,为某研究领域的关键点或转折点。在共被引频次排名前10位的作者中,中心性大于0.1的作者有两位,分别是Yusuf S(0.21)和Grundy S M(0.20)。Yusuf S是共被引频次和中心性均排在首位的作者,说明是该领域较有影响力的研究者,其成果具有较高研究价值。Mcgorrian等[5]提出将各高危因素综合,建立一种灵活的冠心病评估体系。其中,包括被检者的性别、年龄、肥胖程度、情绪状态及各慢性病患病情况等因素,以期能接近最理想的冠心病病人的面部评分标准。

表2 被引频次排前10位的作者

2.3 研究国家与机构分布 研究国家共现图谱见图4(N=83,E=206)。发文量排前5位的国家分别为美国(71篇)、中国(38篇)、英国(34篇)、加拿大(18篇)、荷兰(16篇)。经过CiteSpace运行可知,有5个国家中心性大于0.1,分别为美国(0.46)、中国(0.39)、英国(0.28)、加拿大(0.18)及荷兰(0.12),以此推断以上5个国家为该领域的主要研究国家。机构共现图谱见图5(N=306,E=394)。发文量排前3位的机构分别为悉尼大学(4篇)、香港大学(4篇)和法国国家健康与医学研究院(4篇)。图谱分布总体呈分散态势,说明各机构之间仍以内部团队合作为主,缺少外部学术交流。各研究机构中心性显示,未见有中心性大于0.1的机构。说明该领域尚未出现具有引领作用的机构,或各组织对于冠心病的面部识别认识仍停留于较浅的认识阶段,亟待进一步探索。

图4 研究国家共现图谱

图5 研究机构共现图谱

2.4 期刊共被引情况 2010年—2022年期刊共被引图谱见图6(N=420,E=1654)。另外,共被引频次及中心性排名前5位的期刊见表3、表4。可知Circulation是本领域被引频次最高的核心期刊,在进一步研究时可提供重要价值。Cochrane Db Syst Rev是本领域被引中心性最高的期刊,证明其刊发的文献在冠心病的面部识别领域具有较高影响力。

表3 被引频次排前5位的期刊

表4 中心性排前5位的期刊

图6 期刊共被引图谱

2.5 文献被引分析 对被引频次较高的文献进行分析,有利于获得对冠心病面部识别领域主要研究方向的基本把握。2010年—2022年关于冠心病的面部识别领域文献共被引图谱见图7,其中,N=400,E=736。《Smartphone-based home care model improved use of cardiac rehabilitation in post-myocardial infarction patients》 是共被引频次最高的文章,提出了在心脏康复过程中,以智能手机为基础的家庭护理模式可以更灵活地监测冠心病各相关危险因素,为冠心病的面部识别使用平台提供了一种应用思路,从而优化冠心病病人的个体化管理[6]。另外,也有学者通过一项多中心横断面研究提出,可将人像作为唯一的输入数据,建立一种超越传统模型的预测算法,在人工智能时代背景下通过自拍图像以实现冠心病的面部识别,这种社区早筛诊断有利于帮助控制冠心病发病率[7]。被引频次排前5位的文献见表5。

表5 被引频次排前5位的文献

图7 文献共被引可视化图谱

2.6 关键词分析

2.6.1 关键词共现分析 关键词分析可反映本领域的热点和研究前沿。关键词的共现图谱见图8。使用频次排前20位的关键词及其中心性见表6。由图8可知,冠心病面部识别领域的主要关键词有:coronary heart disease(冠心病)、risk factor(危险因素)、myocardial infarction(心肌梗死)、physical activity(体育活动)、anxiety(焦虑)、blood pressure(血压)、Meta-analysis(Meta分析)、randomized controlled trial(随机对照试验)。

表6 被引频次排前20位的关键词

图8 关键词共现图谱

2.6.2 关键词聚类分析 对高频关键词进行聚类分析(见图9),共显示前8个主要关键词聚类。具体分析见表7。

表7 关键词聚类分析表

图9 关键词聚类分析图谱

2.6.3 关键词突现分析 利用CiteSpace对各高频关键词进行突现分析,图10所示为突现结果排名前8位的关键词。该软件内嵌的“Find Burst Phrase”算法会将出现频次快速增加的专业术语,即突变词语确定为研究前沿术语[8]。分析可得,在冠心病面部识别领域,2013年—2014年,重视冠心病的流行病学调查,2015年—2017年,冠心病的危险因素成为该领域的研究热点。说明在此阶段,利用面部识别实现冠心病的识别和早筛是主要研究方向。随后干预、管理、急性冠脉综合征、心脏康复等成为研究热点,说明2018年—2020年研究者尝试将冠心病的面部识别与心肌损伤后的健康管理相结合,为冠心病病人提供更简便、高效的康复模式。

图10 关键词突现分析结果

3 讨 论

冠心病患病率居高不下,是我国重大公共卫生问题。冠状动脉造影(coronary angiography,CAG)是诊断冠心病的金标准,但因其为一项侵入性检查,且费用高,有出现并发症可能,对检查者操作技术有要求等局限性[9],不能适用广泛样本量的冠心病诊断。通过面部识别原理实现冠心病早期筛查,具有经济、便捷、诊断快、无创性等优势,更易于被大众接受。在社区范围或冠心病高危人群中推广,有利于控制冠心病发病率。

本领域发文量最高的Bo Xu及其团队认为,面部各区域相比较,脸颊、前额、鼻的特征与冠心病的面部识别算法模型更具相关性,而非此前曾在研究中被报道并广为大众接受的耳、眼睛和头发的特征,如耳垂褶皱、深眼袋、额顶秃[10]。因此,关于各面部特征和心脏生理病理特点的关系仍有待进一步研究。

不同于公认的各项冠心病危险因素如高血压、高血脂、糖尿病、吸烟、运动不足[11],负面情绪如焦虑、抑郁、愤怒也被认为能够诱导心肌缺血[12]。在心脏压力试验中,被检者表现出的代表负面情绪和较低幸福感的面部表情与其同时出现的心肌缺血及心绞痛的症状显著相关[13]。这也为将面部情绪表达纳入冠心病的面部识别算法模型提供了理论依据。

中医学重视四诊合参。通过各项面部特征,司外揣内帮助诊断冠心病,符合中医学整体观念的思想。冠心病病人与体检正常人群面诊图像具有统计学差异[14],正常人群面色较为红润而有光泽,冠心病病人整体面色暗黄,较正常人面色深沉而晦暗。而将冠心病中医证型与不同面部识别特征相结合,在国际上的相关研究中仍然较少见,提示了进一步研究的方向。

由于心脏病学正处于医学人工智能的前沿,在信号处理、图像分割和结构化数据分析均取得了巨大进展,这为冠心病的面部识别提供了技术依托[15]。通过整合既往研究报道的各项冠心病面部特征,建立精确的算法模型,即可在人群中获得关于冠心病诊断的预测结果[16]。但在运用人工智能机器学习技术的同时,仍需在提高与冠心病相关的面部特征精准度、优化算法模型、提高诊断阳性率及兼顾医学伦理等方面着力改进。尽管如此,从当前人工智能在医学诊断展示出的巨大优势来看,基于人工智能机器学习算法,通过冠心病的面部识别实现疾病早期诊断,为控制冠心病发病率这一重大公共卫生问题而提供了重要机遇。

本研究基于CiteSpace软件,针对2010年—2022年冠心病的面部识别相关文献进行可视化分析,较条理地梳理了本领域的研究历程、现状及热点话题,为进一步深入探索提供了一定参考价值。

: