張笑涵,王 歡,蔣雨辰,胡元會(huì),杜 柏

冠狀動(dòng)脈粥樣硬化性心臟病簡稱冠心病,是全球威脅人類健康的主要疾病之一,冠心病發(fā)病率逐年增高。自2014年起我國將“心血管病早期篩查與綜合干預(yù)項(xiàng)目”列入國家重大公共衛(wèi)生服務(wù)項(xiàng)目[1],這正與中醫(yī)學(xué)中“上工治未病”,未病先防的理念相合。尋求一種便捷高效的早期篩查診斷方法,對(duì)冠心病的防控有重要意義?！饵S帝內(nèi)經(jīng)》有“心主血脈,其華在面”的描述,現(xiàn)代研究中也多有提示面部特征與心血管疾病風(fēng)險(xiǎn)的關(guān)系。近年來,隨著人工智能面部識(shí)別技術(shù)的發(fā)展,機(jī)器學(xué)習(xí)算法可以幫助建立一種新型的冠心病的識(shí)別、預(yù)測(cè)模型,為控制冠心病的發(fā)病率提供一種值得期待的思路[2]。本研究運(yùn)用CiteSpace從Web of Science核心合集數(shù)據(jù)庫中搜索到的冠心病與面部識(shí)別相關(guān)文獻(xiàn)進(jìn)行分析,旨在發(fā)現(xiàn)相關(guān)研究熱點(diǎn)和研究趨勢(shì)的變化進(jìn)程,為該領(lǐng)域的進(jìn)一步研究提供了有價(jià)值的信息和新思路。

1 資料與方法

1.1 文獻(xiàn)來源 文獻(xiàn)均來源于Web of Science核心合集數(shù)據(jù)庫。檢索式:(TS=(coronary heart disease) AND((facial recognition) OR (facial diagnosis) OR(face deep learning))) 。檢索時(shí)限為2010年1月—2022年4月,共檢索到SCI文獻(xiàn)258篇。檢索時(shí)間為2022年4月13日。

1.2 數(shù)據(jù)處理 將檢索到的所有文獻(xiàn)以純文本格式導(dǎo)出,命名為“download_＊＊＊”,通過CiteSpace 5.8.R3軟件進(jìn)行作者、機(jī)構(gòu)、國家、期刊、共被引作者、被引文獻(xiàn)及關(guān)鍵詞可視化分析,并繪制出可視化分析圖譜,進(jìn)一步描述冠心病與面部識(shí)別關(guān)系的研究現(xiàn)狀、熱點(diǎn)及相關(guān)趨勢(shì)。

1.3 軟件參數(shù)設(shè)置 將CiteSpace 5.8.R3軟件選項(xiàng)設(shè)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 結(jié) 果

2.1 各年份發(fā)文量統(tǒng)計(jì) 對(duì)納入的258篇文獻(xiàn)進(jìn)行不同年份發(fā)表數(shù)量統(tǒng)計(jì)(見圖1),可以看出,2010年、2011年關(guān)于冠心病面部識(shí)別相關(guān)報(bào)道較少,2012年呈現(xiàn)快速增長態(tài)勢(shì),后進(jìn)入相對(duì)低熱度期,2013年—2021年基本呈逐年上升態(tài)勢(shì),2017年、2021年分別為該統(tǒng)計(jì)折線圖中出現(xiàn)的第二、第三個(gè)高峰。其中,2020年—2021年為相關(guān)研究數(shù)量高速增長期,說明該領(lǐng)域在此期間受到相關(guān)研究人員的更多關(guān)注。

圖1 冠心病的面部識(shí)別相關(guān)文獻(xiàn)年份分布統(tǒng)計(jì)

2.2 作者分布 作者合作圖譜(見圖2)和作者共被引圖譜(圖3)由CiteSpace軟件生成,N表示節(jié)點(diǎn)數(shù)量,E表示節(jié)點(diǎn)間的連線。N=340,E=363,表明258篇文獻(xiàn)由340位作者共同發(fā)表,作者間共有363次合作。由圖譜分析可見,作者網(wǎng)絡(luò)圖譜分布規(guī)律呈大分散、小集中,說明在該領(lǐng)域內(nèi)研究者仍以內(nèi)部團(tuán)隊(duì)合作為主,外部學(xué)術(shù)交流合作較少。表1所示為近13年間在該領(lǐng)域發(fā)文量排前10位的作者,表明他們?cè)诠谛牟〉拿娌孔R(shí)別領(lǐng)域研究較多,其研究成果具有一定借鑒意義。其中Bo Xu發(fā)文量最多。

表1 發(fā)文量排前10位的作者

圖2 作者共現(xiàn)圖譜

圖3 作者共被引圖譜

作者共被引分析是對(duì)不同作者發(fā)表的文獻(xiàn)同時(shí)被其他文獻(xiàn)進(jìn)行引用的分析,進(jìn)而梳理作者之間研究主題關(guān)系的文獻(xiàn)計(jì)量學(xué)方法[3]。258篇關(guān)于冠心病的面部識(shí)別文獻(xiàn)中,共被引作者457名,其中連線有1 427條。共被引頻次排前10位的作者見表2。中心性作為連接不同文獻(xiàn)的樞紐性指標(biāo),在CiteSpace中被用來衡量文獻(xiàn)的重要性[4]。當(dāng)中心性大于0.1可視為關(guān)鍵節(jié)點(diǎn),為某研究領(lǐng)域的關(guān)鍵點(diǎn)或轉(zhuǎn)折點(diǎn)。在共被引頻次排名前10位的作者中,中心性大于0.1的作者有兩位,分別是Yusuf S(0.21)和Grundy S M(0.20)。Yusuf S是共被引頻次和中心性均排在首位的作者,說明是該領(lǐng)域較有影響力的研究者,其成果具有較高研究價(jià)值。Mcgorrian等[5]提出將各高危因素綜合,建立一種靈活的冠心病評(píng)估體系。其中,包括被檢者的性別、年齡、肥胖程度、情緒狀態(tài)及各慢性病患病情況等因素,以期能接近最理想的冠心病病人的面部評(píng)分標(biāo)準(zhǔn)。

表2 被引頻次排前10位的作者

2.3 研究國家與機(jī)構(gòu)分布 研究國家共現(xiàn)圖譜見圖4(N=83,E=206)。發(fā)文量排前5位的國家分別為美國(71篇)、中國(38篇)、英國(34篇)、加拿大(18篇)、荷蘭(16篇)。經(jīng)過CiteSpace運(yùn)行可知,有5個(gè)國家中心性大于0.1,分別為美國(0.46)、中國(0.39)、英國(0.28)、加拿大(0.18)及荷蘭(0.12),以此推斷以上5個(gè)國家為該領(lǐng)域的主要研究國家。機(jī)構(gòu)共現(xiàn)圖譜見圖5(N=306,E=394)。發(fā)文量排前3位的機(jī)構(gòu)分別為悉尼大學(xué)(4篇)、香港大學(xué)(4篇)和法國國家健康與醫(yī)學(xué)研究院(4篇)。圖譜分布總體呈分散態(tài)勢(shì),說明各機(jī)構(gòu)之間仍以內(nèi)部團(tuán)隊(duì)合作為主,缺少外部學(xué)術(shù)交流。各研究機(jī)構(gòu)中心性顯示,未見有中心性大于0.1的機(jī)構(gòu)。說明該領(lǐng)域尚未出現(xiàn)具有引領(lǐng)作用的機(jī)構(gòu),或各組織對(duì)于冠心病的面部識(shí)別認(rèn)識(shí)仍停留于較淺的認(rèn)識(shí)階段,亟待進(jìn)一步探索。

圖4 研究國家共現(xiàn)圖譜

圖5 研究機(jī)構(gòu)共現(xiàn)圖譜

2.4 期刊共被引情況 2010年—2022年期刊共被引圖譜見圖6(N=420,E=1654)。另外,共被引頻次及中心性排名前5位的期刊見表3、表4?？芍狢irculation是本領(lǐng)域被引頻次最高的核心期刊,在進(jìn)一步研究時(shí)可提供重要價(jià)值。Cochrane Db Syst Rev是本領(lǐng)域被引中心性最高的期刊,證明其刊發(fā)的文獻(xiàn)在冠心病的面部識(shí)別領(lǐng)域具有較高影響力。

表3 被引頻次排前5位的期刊

表4 中心性排前5位的期刊

圖6 期刊共被引圖譜

2.5 文獻(xiàn)被引分析 對(duì)被引頻次較高的文獻(xiàn)進(jìn)行分析,有利于獲得對(duì)冠心病面部識(shí)別領(lǐng)域主要研究方向的基本把握。2010年—2022年關(guān)于冠心病的面部識(shí)別領(lǐng)域文獻(xiàn)共被引圖譜見圖7,其中,N=400,E=736?！禨martphone-based home care model improved use of cardiac rehabilitation in post-myocardial infarction patients》 是共被引頻次最高的文章,提出了在心臟康復(fù)過程中,以智能手機(jī)為基礎(chǔ)的家庭護(hù)理模式可以更靈活地監(jiān)測(cè)冠心病各相關(guān)危險(xiǎn)因素,為冠心病的面部識(shí)別使用平臺(tái)提供了一種應(yīng)用思路,從而優(yōu)化冠心病病人的個(gè)體化管理[6]。另外,也有學(xué)者通過一項(xiàng)多中心橫斷面研究提出,可將人像作為唯一的輸入數(shù)據(jù),建立一種超越傳統(tǒng)模型的預(yù)測(cè)算法,在人工智能時(shí)代背景下通過自拍圖像以實(shí)現(xiàn)冠心病的面部識(shí)別,這種社區(qū)早篩診斷有利于幫助控制冠心病發(fā)病率[7]。被引頻次排前5位的文獻(xiàn)見表5。

表5 被引頻次排前5位的文獻(xiàn)

圖7 文獻(xiàn)共被引可視化圖譜

2.6 關(guān)鍵詞分析

2.6.1 關(guān)鍵詞共現(xiàn)分析 關(guān)鍵詞分析可反映本領(lǐng)域的熱點(diǎn)和研究前沿。關(guān)鍵詞的共現(xiàn)圖譜見圖8。使用頻次排前20位的關(guān)鍵詞及其中心性見表6。由圖8可知,冠心病面部識(shí)別領(lǐng)域的主要關(guān)鍵詞有:coronary heart disease(冠心病)、risk factor(危險(xiǎn)因素)、myocardial infarction(心肌梗死)、physical activity(體育活動(dòng))、anxiety(焦慮)、blood pressure(血壓)、Meta-analysis(Meta分析)、randomized controlled trial(隨機(jī)對(duì)照試驗(yàn))。

表6 被引頻次排前20位的關(guān)鍵詞

圖8 關(guān)鍵詞共現(xiàn)圖譜

2.6.2 關(guān)鍵詞聚類分析 對(duì)高頻關(guān)鍵詞進(jìn)行聚類分析(見圖9),共顯示前8個(gè)主要關(guān)鍵詞聚類。具體分析見表7。

表7 關(guān)鍵詞聚類分析表

圖9 關(guān)鍵詞聚類分析圖譜

2.6.3 關(guān)鍵詞突現(xiàn)分析 利用CiteSpace對(duì)各高頻關(guān)鍵詞進(jìn)行突現(xiàn)分析,圖10所示為突現(xiàn)結(jié)果排名前8位的關(guān)鍵詞。該軟件內(nèi)嵌的“Find Burst Phrase”算法會(huì)將出現(xiàn)頻次快速增加的專業(yè)術(shù)語,即突變?cè)~語確定為研究前沿術(shù)語[8]。分析可得,在冠心病面部識(shí)別領(lǐng)域,2013年—2014年,重視冠心病的流行病學(xué)調(diào)查,2015年—2017年,冠心病的危險(xiǎn)因素成為該領(lǐng)域的研究熱點(diǎn)。說明在此階段,利用面部識(shí)別實(shí)現(xiàn)冠心病的識(shí)別和早篩是主要研究方向。隨后干預(yù)、管理、急性冠脈綜合征、心臟康復(fù)等成為研究熱點(diǎn),說明2018年—2020年研究者嘗試將冠心病的面部識(shí)別與心肌損傷后的健康管理相結(jié)合,為冠心病病人提供更簡便、高效的康復(fù)模式。

圖10 關(guān)鍵詞突現(xiàn)分析結(jié)果

3 討 論

冠心病患病率居高不下,是我國重大公共衛(wèi)生問題。冠狀動(dòng)脈造影(coronary angiography,CAG)是診斷冠心病的金標(biāo)準(zhǔn),但因其為一項(xiàng)侵入性檢查,且費(fèi)用高,有出現(xiàn)并發(fā)癥可能,對(duì)檢查者操作技術(shù)有要求等局限性[9],不能適用廣泛樣本量的冠心病診斷。通過面部識(shí)別原理實(shí)現(xiàn)冠心病早期篩查,具有經(jīng)濟(jì)、便捷、診斷快、無創(chuàng)性等優(yōu)勢(shì),更易于被大眾接受。在社區(qū)范圍或冠心病高危人群中推廣,有利于控制冠心病發(fā)病率。

本領(lǐng)域發(fā)文量最高的Bo Xu及其團(tuán)隊(duì)認(rèn)為,面部各區(qū)域相比較,臉頰、前額、鼻的特征與冠心病的面部識(shí)別算法模型更具相關(guān)性,而非此前曾在研究中被報(bào)道并廣為大眾接受的耳、眼睛和頭發(fā)的特征,如耳垂褶皺、深眼袋、額頂禿[10]。因此,關(guān)于各面部特征和心臟生理病理特點(diǎn)的關(guān)系仍有待進(jìn)一步研究。

不同于公認(rèn)的各項(xiàng)冠心病危險(xiǎn)因素如高血壓、高血脂、糖尿病、吸煙、運(yùn)動(dòng)不足[11],負(fù)面情緒如焦慮、抑郁、憤怒也被認(rèn)為能夠誘導(dǎo)心肌缺血[12]。在心臟壓力試驗(yàn)中,被檢者表現(xiàn)出的代表負(fù)面情緒和較低幸福感的面部表情與其同時(shí)出現(xiàn)的心肌缺血及心絞痛的癥狀顯著相關(guān)[13]。這也為將面部情緒表達(dá)納入冠心病的面部識(shí)別算法模型提供了理論依據(jù)。

中醫(yī)學(xué)重視四診合參。通過各項(xiàng)面部特征,司外揣內(nèi)幫助診斷冠心病,符合中醫(yī)學(xué)整體觀念的思想。冠心病病人與體檢正常人群面診圖像具有統(tǒng)計(jì)學(xué)差異[14],正常人群面色較為紅潤而有光澤,冠心病病人整體面色暗黃,較正常人面色深沉而晦暗。而將冠心病中醫(yī)證型與不同面部識(shí)別特征相結(jié)合,在國際上的相關(guān)研究中仍然較少見,提示了進(jìn)一步研究的方向。

由于心臟病學(xué)正處于醫(yī)學(xué)人工智能的前沿,在信號(hào)處理、圖像分割和結(jié)構(gòu)化數(shù)據(jù)分析均取得了巨大進(jìn)展,這為冠心病的面部識(shí)別提供了技術(shù)依托[15]。通過整合既往研究報(bào)道的各項(xiàng)冠心病面部特征,建立精確的算法模型,即可在人群中獲得關(guān)于冠心病診斷的預(yù)測(cè)結(jié)果[16]。但在運(yùn)用人工智能機(jī)器學(xué)習(xí)技術(shù)的同時(shí),仍需在提高與冠心病相關(guān)的面部特征精準(zhǔn)度、優(yōu)化算法模型、提高診斷陽性率及兼顧醫(yī)學(xué)倫理等方面著力改進(jìn)。盡管如此,從當(dāng)前人工智能在醫(yī)學(xué)診斷展示出的巨大優(yōu)勢(shì)來看,基于人工智能機(jī)器學(xué)習(xí)算法,通過冠心病的面部識(shí)別實(shí)現(xiàn)疾病早期診斷,為控制冠心病發(fā)病率這一重大公共衛(wèi)生問題而提供了重要機(jī)遇。

本研究基于CiteSpace軟件,針對(duì)2010年—2022年冠心病的面部識(shí)別相關(guān)文獻(xiàn)進(jìn)行可視化分析,較條理地梳理了本領(lǐng)域的研究歷程、現(xiàn)狀及熱點(diǎn)話題,為進(jìn)一步深入探索提供了一定參考價(jià)值。

: