磁共振成像（MagneticResonanceImaging,MRI）是现今临床医学诊断的重要手段之一，但如何提高成像技术、应用场景等成为该领域近来的热门研究问题。
随着人工智能及机器学习的发展，深度学习方法被应用于医学图像处理中，同时也使磁共振成像在新的时代背景下有了新的发展动力。
近日，上海科技大学图书信息中心发布了一篇题为《深度学习时代下的磁共振成像》的研究报告。
该报告检索年至今近十年发表的SCI期刊论文作为分析对象，考察该领域的研究发展态势和变化趋势。
该报告根据磁共振成像及深度学习的语义特征、相关的关键词，设计了检索式：主题=("MagneticResonanceImag*"ORMRI)AND"deeplearn*"，时间范围为-年，同时限制文献类型为Article。
报告的数据源来自WebofScience数据库中的SCI索引集、InCites数据库。
其中，在WebofScience数据库SCI索引集中，共检索到-年间发表的该主题共计篇研究论文。
雷峰网对该报告的主要内容进行了如下梳理。
论文数量进入爆发增长期
深度学习时代下的磁共振成像领域在-间每年的SCI论文产出数量是逐年递增的。
-5年文章数量还处于零星增长阶段，6-7年发文量增长明显，但仍相对为低位，而从8年起的近五年里则呈现了爆发增长的趋势，并且增长率越来越高。
年度，截至检索日期（-06-27）共发文篇。
图1深度学习时代下的磁共振成像领域的SCI论文产出趋势
磁共振成像领域的主要科研论文产出机构集中在美国、中国、欧洲、韩国，该报告根据SCI一区论文占比（%Q1）、ESI高被引论文占比（%HCP）、标准化引文影响力（CNCI）、篇均被引、国际合作论文占比（%国际合作）等几项指标，将发表论文数量前50名的机构整理成表。
其中，帝国理工学院无论是高被引论文占比、CNCI或是篇均被引，都是领域内最高水平。
此外，北卡罗来纳大学教堂山分校、高丽大学、纽约大学、伦敦大学学院等也表现出了很高的水平。
表1深度学习时代下的磁共振成像领域主要的SCI论文产出机构及影响力
报告中同样按照以上几项指标，将发表论文最多、最为突出的数十位科学家进行了汇总整理。
其中，任职于上海科技大学/联影智能（原任职于北卡罗来纳大学教堂山分校）的沈定刚教授贡献最为突出，研究成果最多并且各指标均处于很高的水平。
美国埃默里大学的YangXiaofeng副教授，LiuTian副教授、WangTonghe助理教授、LeiYang老师等都较大程度地贡献了该领域的论文产出。
来自帝国理工学院的Rueckert,Daniel教授，在各影响力指标上都处于所分析对象中的最高数值。
而韩国科学技术院Ye,JongChul教授在影响力指标上也有非常明显的优势。
表2深度学习时代下的磁共振成像领域主要的SCI论文产出机构及影响力
AI+磁共振成像的研究主题是什么？
为了解该领域近年的研究中主要的主题分布情况，该报告以上文中提及的数据源为基础，通过图谱构建工具VOSviewer提取了论文的关键词，并设置了出现频次在10以上的关键词集合通过Co-occurrence共现网络计算获得了图2。
报告尝试从这张主题分布图中揭示出该领域研究主题的研究高地（出现频次多的主题词）分布。
图2深度学习时代下的磁共振成像领域主题词共现分布图
表深度学习时代下的磁共振成像领域各集合主题词及其热度指数
在该报告所引用的数据源中，ESI数据库提供了研究前沿（ResearchFronts）数据，通过对最近5年内引用率最高的论文之间进行共被引聚类，识别由这些共被引论文聚类形成的集合，将这些集合定义了研究前沿RF。
ESI数据库揭示了个左右的RF，每个RF包含数量不等的高被引论文。进入RF的论文，在一定程度上体现了科学家和研究机构对研究的创新性和对前沿的贡献。
根据比对，以下9篇论文为该领域中的研究前沿论文：
AGGARWAL,H.K.,MANI,M.P.JACOB,M.9.MoDL:Model-BasedDeepLearningArchitectureforInverseProblems.IeeeTransactionsonMedicalImaging,8,94-.
AHMADI,M.,SHARIFI,A.,FARD,M.J.SOLEIMANI,N.DetectionofbrainlesionlocationinMRIimagesusingconvolutionalneuralnetworkandrobustPCA.InternationalJournalofNeuroscience,12.
AKCAKAYA,M.,MOELLER,S.,WEINGARTNER,S.UGURBIL,K.9.Scan-specificrobustartificial-neural-networksfork-spaceinterpolation(RAKI)reconstruction:Database-freedeeplearningforfastimaging.MagneticResonanceinMedicine,81,49-45.
AVENDI,M.R.,KHERADVAR,A.JAFARKHANI,H.6.A