Uma Revisão da Aplicação do Aprendizado Profundo Multimodal na Medicina: Bibliometria e Direções Futuras

Resumo Nos últimos anos, o aprendizado profundo tem sido aplicado no campo da medicina clínica para processar imagens médicas em grande escala, para triagem de dados em larga escala e no diagnóstico e avaliação da eficácia de várias doenças importantes. A fusão de dados médicos multimodais baseada em aprendizado profundo pode extrair e integrar efetivamente informações características de diferentes modos, melhorar a aplicabilidade clínica em diagnóstico e avaliação médica, e fornecer análise quantitativa, monitoramento em tempo real e planejamento de tratamento. Este estudo investiga o desempenho dos algoritmos de pré-treinamento de fusão multimodal existentes e métodos de fusão multimodal médica e compara suas características principais, como dados médicos suportados, doenças, amostras-alvo e desempenho de implementação. Além disso, apresentamos os principais desafios e objetivos das últimas tendências na convergência médica multimodal. Para fornecer uma perspectiva mais clara sobre novas tendências, também analisamos artigos relevantes na Web of Science. Obtivemos alguns resultados significativos com base nas tendências de desenvolvimento anual, país, instituição e pesquisa em nível de periódico, artigos altamente citados e direções de pesquisa. Finalmente, realizamos análise de coautoria, análise de co-citação, análise de coocorrência e análise de acoplamento bibliográfico usando o software VOSviewer.