机器学习在心房颤动领域的研究热点和发展趋势分析
陈睿1
张婷2
黄瀚3
曹文斋4
1.成都中医药大学医学与生命科学学院,四川 成都 611137;自贡市第一人民医院心内科,四川 自贡 6430002.四川卫生康复职业学院健康人文研究中心,四川 自贡 6430003.西南医科大学临床医学院,四川 泸州 6460004.自贡市第一人民医院心内科,四川 自贡 643000
摘要：目的 分析机器学习在心房颤动(简称房颤)领域的研究热点和发展趋势.方法 在Web of Science数据库中检索2014年1月1日—2024年12月31日房颤领域机器学习的相关文献,最终获取文献880篇,包括779篇论著和101篇综述.使用CiteSpace 6.4.R1软件对检索到的880篇文献进行聚类图谱分析,观察其发文量、发文国家、发文机构、发文作者、被引作者、发文期刊、被引期刊、被引文献、关键词共现、关键词聚类、关键词突现等特征.结果 发文量回归曲线的r2=0.956 3,提示机器学习在房颤领域的文献发文量呈指数增长,其中2014-2017年发文量较少,2018年后呈爆发式增长,2024年发文量最多.中国、美国、英国分别为发文量排名前3的国家.发文量排名前5的机构分别是伦敦大学、哈佛大学、梅奥诊所、利物浦大学、利物浦心肺医院.发文量最高的是利物浦大学的Gregory Y H Lip,被引频次最高的作者是Gerhard Hindricks.Frontiers in Cardiovascular Medicine是发文频次最多的期刊,Circulation是被引频次最高的期刊,中心度最高的期刊为Cardiovascular Research.10篇高被引文献中,3篇来自美国、2篇来自德国,丹麦、中国、英国、加拿大、希腊各1篇,除外2篇房颤领域指南外,其余8篇研究型文献均采用深度学习模型.出现频次最高的关键词前5位分别为房颤、机器学习、风险、人工智能、导管消融.通过关键词聚类共得到7个聚类,主要围绕机器学习、数据来源、风险评估、临床决策等4个方面.关键词突现强度最大、时间最长的是心律失常,风险预测和表达从突现开始持续至今.结论 机器学习在房颤领域的研究热度逐年上升,其研究热点集中在深度学习模型、心电图特征、影像学特征、疾病预测和识别,未来的研究可能聚焦于基因预测房颤、患者风险预测、导管消融术预后等多个关键领域.
关键词：机器学习心房颤动人工智能文献计量学可视化分析
分类号：R541.7(心脏、血管（循环系）疾病)
资助基金：四川省科技计划项目(2024YFFK0170)四川省中医药管理局面上项目(2024MS580)四川省科技计划项目(22ZDYF3795)四川省自贡市重点科技计划项目(2023RKX01-02)四川卫生康复职业学院校级科研团队项目(CWKY-TD24-10)
论文发表日期：2026-01-25
在线出版日期：2026-03-05（本平台首次上网日期，不代表文献的发表时间）
页数：6( 84-88,99 )
英文信息