肿瘤临床论文范例

1资料与方法

1.1一般资料

本组15例，男9例，女6例，年龄21-58岁，平均37.4岁，右侧5例，左侧10例，肿瘤大小为1.0×1.5cm-6.5cm×8.5cm，术前常规检查肾上腺内分泌及代谢产物，监测血压、心率，评价心肺功能，血压偏高者常规口服a受体阻滞剂控制血压，并扩容治疗1-2周。

1.2手术方法

气管内麻醉，侧卧位，适当抬高腰桥，腋中线髂嵴上2cm处做切口，钝性分离肌层及腰背筋膜达腹膜后间隙，推开腹膜置入自制水囊扩张后，置入IOmmTrocar后缝闭皮肤，充气后气置入监视镜，直视下分别于腋前线、腋后线相应位置分别置入5-10Trocar，在直视角度的下高位纵行切开肾筋膜，使其肾脂肪囊游离于其中，并且在肾的上方找到肿瘤，再使用超声刀处理肾上腺动脉，使用钛夹或Hem-o-lok处理中央静脉，标本经扩大切口取出。

2、结果

全部手术顺利完成，手术时间70-180min，平均90min，术中术后没有一例患者输血，咋术后也没没有使用镇痛药，在院内观察了4-7d后均出院。手术的过程中没有一例出现肝、脾、肾等脏器的损伤，术后也没有出现感染和出血等并发症。手术后的病理诊断：髓样的脂肪瘤2例、嗜铬细胞样的瘤4例、肾上腺囊肿有3例、肾上腺皮脂腺瘤有6例。

摘要：目的探讨入选2017年版《中文核心期刊要目总览》的10种肿瘤学期刊高被引论文的文献计量学特征。方法采用文献计量法分析10种肿瘤学核心期刊刊载的高被引论文被引情况、基金资助、栏目分布、作者地区分布、作者及机构合作等特征。结果2015－2019年10种肿瘤学核心期刊14017篇，被引论文9694篇(69．16%)，高被引论文248篇。高被引论文的作者主要分布在中国30个地区，其中发表高被引论文数量排在前5位的地区分别是北京市、上海市、天津市、四川省和广东省，基金资助以国家级为主，作者以≥7人合作为主;篇均被引频次居前3位的高被引论文来源于“临床流行病学”“指南与共识”和“专家论坛”栏目。结论高被引论文的地区、机构分布不均;我国中文核心期刊应积极开拓优秀原创性科学研究和技术创新类稿源，进一步提升期刊的国际竞争力。

关键词：肿瘤学;被引频次;高被引论文;引文分析

科学论文的关注度可以通过引文分析来评估，而被引频次是一种对已利用率和贡献率的定量评估方法之一［1-2］。高被引论文是某一学科中质量高、影响力大的精品论文，可以看作是一个研究领域学术发展的风向标［3］。目前，对于肿瘤学中文核心期刊高被引论文分析报道较少。本文通过对2017版《中文核心期刊要目总览》所收录的10种肿瘤学核心期刊2015－2019年发表的高被引论文进行分析，以期为广大作者选题和期刊编辑进行专题策划、审稿组稿提供参考。

1资料与方法

1．1资料。研究对象为2017《中文核心期刊要目总览》所收录的10种肿瘤学核心期刊:《中华肿瘤杂志》《中国癌症杂志》《肿瘤》《中华放射肿瘤学杂志》《中国肿瘤》《中国肿瘤临床》《中国肺癌杂志》《临床肿瘤学杂志》《中国肿瘤生物治疗杂志》《中华肿瘤防治杂志》，统计资料来源于各刊网站信息、中国知网全文数据。

1．2高被引论文的界定。［1］根据普莱斯定律M=0．749×N?max确定高被引论文，其中，M为高被引论文被引频次的最小值，Nmax为被引次数最多论文的被引频次。本研究纳入的肿瘤学论文最高被引频次为1672次，根据公式最终将被引频次≥30次的论文确定为高被引论文。

1．3分析方法。利用Excel统计高被引论文的基金资助、栏目分布、作者地区分布、作者合作、机构合作等信息，将这些变量进行编码并逐条记录、汇总后采用频数、构成比(%)进行统计描述。

摘要:

传统的木桶原理揭示了当前最为严重的问题，而新木桶原理则重视木桶的整体性、一致性和完整性，强调管理中的团队建设和协同创新发展，反映管理组织机构既扬长又攻短，多方协作集成发展的特色。运用新木桶原理，不仅有助于深化肿瘤学发展改革、提高肿瘤学学科整体水平，也是提升高等医学教育质量的必然选择。

关键词:

肿瘤学;学科建设;新木桶原理

近年来，恶性肿瘤成为人类致死的主要疾病，肿瘤学也随之成为现代高等医学中成长最为迅速的年轻学科之一。目前，高等医学教育界对肿瘤维持治疗、肿瘤已逐渐成为一种可控制的慢性病等观念，似乎争议不大，大家多更关注发展肿瘤学的瓶颈和漏洞，以及如何尽快弥补等问题，只有以整体性、一致性和完整性为切入点，对肿瘤学学科建设进行合理布局，加速肿瘤转化医学以及多学科综合诊治模式的构建，查漏补缺，才能既“扬长”，又“攻短”，集中力量培育其学科特色，从而提高肿瘤学学科发展效能。管理学中的“木桶原理”是指一个由长短不一多块木板组成的木桶，它的最大容量不取决于长的木板，而取决于最短的那块木板。即强调管理活动中不能仅“扬长”，而要“避短”，只有攻克瓶颈才能实现管理目标的效益最大化。然而，当今管理界，又有学者质疑它的实用价值，认为传统木桶理论可能只是一种治标不治本、头痛医头脚痛医脚的“局部正确”命题，并提出“新木桶原理”。新木桶原理是木桶原理的延伸和扩展，一个木桶能不能容水以及能容多少水，除了看最短木板还要看一些关键信息:①桶底是否坚实?②构成木桶的木板间是否有缝隙?③木桶是否有宽大的直径?木桶的最大容量象征着整体的实力和竞争力，而桶的直径直接决定桶的容量。直径、木板及桶底间的相互作用决定着水桶的结构。结构决定力量，结构也决定着水桶储水量。直径越大，学科的“盘子”就越大，“覆盖”就越广;木桶的结构越稳固，学科的协调性与向心力越强。这就是“新木桶原理”。传统的木桶原理揭示了什么是当前最为严重的问题，而新木桶原理则要重视木桶的整体性、一致性和完整性，强调管理中的团队建设和协同创新发展，反映了管理组织机构既扬长又攻短，多方协作集成发展的特色。对于规模越来越大、结构越来越复杂、诊治模式越来越多元化、边界日渐模糊的肿瘤学学科特性，新木桶原理对其发展有着借鉴和参考价值。

1突出肿瘤转化医学的主导作用，赋予肿瘤学合理的“直径”

圆形水桶是所有形状的水桶中储水量最大的，它强调组织结构的运作协调性和向心力，围绕一个圆心，形成一个最适合自己的圆，让每一块木板都有其特定的位置和顺序，紧密有致，没有缝隙，否则只能导致漏水。木桶的最大容量象征着整体的实力和竞争力，而桶的直径直接决定桶的容量，决定桶的适应性及容水的效果。直径越大，肿瘤学学科的“容量”就越大，“覆盖”就越广，肿瘤学发展就越迅速。近年来，随着基因组、蛋白质组学和干细胞等重大医学进展在生命科学领域的广泛应用，基础医学研究正以前所未有的速度发展。然而，肿瘤学学科发展现实中，存在基础研究与临床研究脱节，致使基础研究成果不能很快应用于临床。近40年来千万亿美元的科研投入在得到数百万篇科研论文的同时，癌症的病死率并没有发生根本性变化。根据全国肿瘤登记中心的2015年年报，仅2014年，我国新增癌症病例约337万例，比2013年增加28万例，这相当于每分钟就有6个人得癌症。以肺癌为例，从20世纪70年代到现在，5年生存率仅提高了5%［1］。罹患肿瘤这种让人骤然失色的“要命”的疾病，医学界一般首先考虑手术治疗、化疗和放疗等手段，试图解决当下最为严重的问题，即解决木桶的短板问题，而肿瘤与其他器官疾病不同，是一个全身性的疾病。只解决当下“短板”问题，例如采用化疗方案治疗，就如同用浓烈的杀草剂除草，结果是田里的苗和草都被杀光了。为避免化疗或放疗等过度治疗所带来的“苗”和“草”同时被杀死的诟病，我们应考虑提高“田野”自身的土质，为了除草，使用了一定的杀草剂，但不至影响土壤中“苗”的正常生长。所以肿瘤学学科发展的特性要求我们应该重视“木桶”整体性、一致性和完整性，提高肿瘤患者自身的免疫性，“土壤”好了，“苗”在杀草过程中即使有些损伤也能很快得到修复。而综合多种研究手段从不同层次如基因组学、转录组学、蛋白质组学、RNA组学和药物组学等进行肿瘤系统研究，并将肿瘤基础研究与临床应用之间快速转化，正是培育“好土壤”的最佳选择。转化医学无疑为肿瘤学学科的发展提供了全新的研究模式。转化医学是近20年来国际生物医学研究领域出现的新理念，其核心是在基础研究与应用之间建立转化通道，实现基础研究成果与临床应用之间的双向快速转化［2］。目前，肿瘤转化研究已是发达国家医学研究领域资助的重点［3］。近年来，随着肿瘤基础医学研究的深入，某些基础研究的重大进展已转化为临床实际应用的成果。其中，最具标志的是已研发出一批针对这些靶点的靶向药物，例如在肺癌治疗中，研发出单克隆抗体西妥昔单抗和小分子酪氨酸激酶抑制剂吉非替尼，这些药物已成功地应用于临床［4，5］。要使肿瘤学学科的“直径”增大，“容量”加大，发展速度加快，当务之急是以转化医学的思维和理念来指导肿瘤学科研和临床实践，加快发展肿瘤转化医学，高等医学院校、医疗机构等应根据自身优势，积极搭建肿瘤转化医学平台，成立转化医学研究中心，综合最新的肿瘤基础研究成果与诊疗技术尽快用于临床实践，以减轻高昂的癌症治疗负担，同时也避免大量资金浪费在某些无临床价值的基础性研究上，为我国肿瘤学学科的长远发展与重点突破提供支撑。

在新媒体工具广泛运用的时代背景下，研究国外科技期刊发展战略，探讨建设国际一流科技期刊的传播模式，有利于促进我国科技期刊尽快走向世界舞台中央。现以美国癌症研究协会(AACR)主办的肿瘤学系列期刊为典型，为我国更富成效地建设世界一流肿瘤学相关科技期刊提供可借鉴、能实施、易推广的创新经验，从而提高我国科技期刊整体水平。

1中国抗癌协会系列期刊概况

中国抗癌协会是国家一级学会，现有个人会员3万余人，团体会员单位遍布全国。协会丰富的学术资源为其集群化办刊提供了有利条件，中国抗癌协会专门设立了期刊出版部负责刊群建设与发展，为发挥品牌优势，统领国内肿瘤学期刊集群发展，组建了由我国肿瘤学领域26种期刊(2015年统计数据)构成的中国抗癌协会系列期刊方阵，开展了集群化办刊的一系列探索与实践，推广新成果、新技术，举办国内外肿瘤学术会议，为国内外肿瘤研究者提供了广阔的学术交流平台，促进了我国肿瘤防治水平的提高［1］。

2美国癌症研究协会(AACR)系列期刊概况

AACR是世界上成立最早、规模最大的致力于全面、创新和高水准癌症研究的科学组织，其科研范围广泛、成绩卓著，吸引了众多的研究者，其程序和服务促进了癌症科学家们知识和观念的交流，为新一代癌症研究人员提供了培训机会，也增进了公众对癌症的了解［2］。AACR也是有关癌症成因、诊断、治疗和预防进展情况的权威组织，通过推动癌症新知识的增长和传播而立于癌症防治的前线。AACR促进癌症及其相关生物医学科学领域的研究发展，加速新的研究发现在科学家及研究人员之间的传播，推动全球对癌症的病因、预防、诊断及治疗的深化理解。AACR设有专门的出版部门，目前共编辑出版8种同行评议期刊，内容覆盖肿瘤预防、流行病学、免疫学、肿瘤转化研究与临床诊治，7本被SCI(ScienceCitationIndex，美国科学引文索引)数据库收录，影响因子在4．3～15．9之间，处于全球较高水平，在国际肿瘤学领域具有较高的认可度和影响力。

3我国肿瘤学科技期刊在出版传播中存在的问题

中国抗癌协会系列期刊遍布全国各地，办刊地点分散，主管单位各一，论文体例规范、审稿规范、广告制度等体制难以统一;各自办刊，媒介资源不够整合;报道范围相似，多为肿瘤医学临床与科研相关研究，以致于传播特色不鲜明，各刊难以形成自有品牌效应，作者投稿缺乏针对性;数字出版与网络出版发展还不够充分，由于资金或人力资源不足，微信平台没有建立或建立了而维护跟不上。

在临床研究实践中，针对同一个临床问题往往会开展多个不同的临床试验，得出的结论也不尽相同。循证医学的任务之一就是开展系统评价（systematicreview，SR），以科学的统计学方法整合多个临床研究的结论，为临床决策的制定提供最佳的证据。同时，SR还可以发现源自于不同临床研究的结论之间存在差异的原因，为后续开展类似的研究提供参考。在进行SR的过程中，对已有的临床研究进行质量评价是一个十分重要的环节。高质量的临床研究结论更加可靠，因而在SR中占有更高的权重。在此背景下，QUADAS标准应运而生。QUADAS标准一共包含了14项条目，供系统评价员从14项试验设计的细节去评估诊断性试验的研究质量。对于QUADAS标准中的每项条目，专家都在说明中给出了详细的评分原则：若研究符合该标准中提及的设计要点，可以得1分，否则，得1分；若根据论文的内容无法判断，就记为0分。QUADAS得分总和越高，表明该诊断性试验的研究质量越高，结论的说服力也越强。

START报告规范是STARD小组（一个以统计学家和实验室医学家为主的研究小组）制订一份旨在规范诊断性试验研究论文撰写的清单。这份清单共包含了25条记录，详细列举了诊断性试验论文的每个部分应当阐述的内容，其目的旨在帮助读者分析研究可能存在的偏倚（内部有效性）和结论的适用范围（外部有效性）。STARD报告规范至2003年制订以来，迅速得到了学术期刊编辑部和临床研究学者的认可。比如，ClinicalBiochemistry在其稿约中就明确规定：凡是向该杂志递交诊断性研究的论文，都必须严格按照STARD报告规范内容进行撰写。关于QUADAS标准和STARD报告规范的所有条目，在相应的中英文文献中均有介绍，限于篇幅所限，在此不一一赘述。

从QUADAS标准和STARD报告规范谈开展诊断性研究值得注意的几个问题

1．数据收集的时序性问题

从数据收集的时序上讲，诊断性试验可以分为前瞻性研究和回顾性研究。二者的区别在于：前瞻性研究是先有试验计划，然后根据试验计划开展诊断性试验（同时对患者进行“金标准”和“待评价测试”的检查）；而回顾性研究并无预先设计好的试验计划，仅仅是研究人员回顾性地收集了一些病例进行研究。前瞻性研究在实施过程中能够控制病例募集，结果解释过程中潜在的混杂因素，因此，通常具有较高的论证强度；而回顾性研究无法控制各种混杂因素，因此，论证强度较弱。目前国际上开展的高质量的诊断性试验研究几乎都是前瞻性的研究。

在STARD报告规范的第六条中，就明确规定了研究人员在在撰写诊断性试验论文时，需要在“材料与方法”部分说明开展的研究属于前瞻性还是回顾性的研究。然而，遗憾的是，国内的部分诊断性试验研究论文，在“材料与方法”一栏中并未对研究的性质进行说明，而只是简单交待了研究受试对象的样本量，疾病诊断状况和一些基本的临床特征。这种不规范的报告方式往往让读者无法判断研究质量的高低以及论证力度的强弱，同时也削弱了研究成果在本领域的穿透力。此外，开展SR的一项重要任务就是分析各个研究结论之间的差异是否与试验设计特点有关，为同行继续开展此方面的研究提供参考。如果在研究论文中不阐述研究的时序问题，往往不利于系统评价员分析各个研究之间异质性的来源，也就削弱了研究在本领域的影响力。

2．研究对象的选择

摘要：近年来，国家相继出台了优化科技创新管理体制的相关文件，要求做到简政放权、放管结合、优化服务协同推进，即“放、管、服”三管齐下。天津某医院为积极响应国家科技领域的“放管服”改革要求，更新出台了一系列科研管理制度，对调动科研人员的工作积极性起到了一定的积极作用，但总体上还存在“放权”不够彻底、“管理”不够科学、“服务”不够到位的问题。文章通过问卷调查的形式，深入了解科研人员的实际需求，找出制约科研创新的制度障碍，优化科研管理模式，为落实国家“放管服”改革要求，释放医院创新活力提供政策依据。

关键词：“放管服”；科研；管理

0引言

“放管服”一词最早是由总理在全国推进简政放权放管结合职能转变工作电视电话会议上提出的，旨在深化行政体制改革、转变政府职能，要求做到简政放权、放管结合、优化服务协同推进，即“放、管、服”三管齐下。近年来，国家相继出台了优化科技创新管理体制的相关文件，为科研人员潜心研究，释放创新活力创造了良好的制度环境，标志着“放管服”改革开始在科技领域落地生根。天津某医院作为集医、教、研、防、健康管理为一体的大型三级甲等肿瘤专科医院，是首批国家恶性肿瘤临床医学研究中心。为积极响应国家科技领域的“放管服”改革要求，近年来陆续更新出台了一系列科研管理制度，对调动科研人员的工作积极性起到了一定的积极作用，但总体上还存在“放权”不够彻底、“管理”不够科学、“服务”不够到位的现象。因此，本文通过问卷调查的形式，深入了解科研人员的实际需求，找出制约科研创新的制度障碍，优化科研管理模式，为落实国家“放管服”改革要求，释放医院创新活力提供政策依据。

1资料与方法

1.1研究对象

研究对象为天津某医院的科研人员，包括临床、医技科室的医护人员、临床及研究所的专职科研人员，学历涵盖本科及硕、博士研究生，以上人员均有一定的科研背景。

[摘要]人工智能在医学影像中的应用飞速发展，目前已用于脑膜瘤影像瘤周水肿的准确分割、预判脑膜瘤的病理级别及鉴别诊断等。笔者就人工智能技术在脑膜瘤影像的应用现状和未来发展进行综述。

[关键词]脑膜瘤；人工智能；机器学习；影像组学

人工智能(artificialintelligence，AI)是1956年在Dartmouth大学举办的会议期间首次出现的名称[1]。作为一个通用术语，它是指以最低限度的人为干预，让计算机自行模拟智能行为[2]。本文就人工智能在脑膜瘤的影像应用进展及发展前景进行综述。

1AI在影像诊断领域的应用背景

AI是计算机科学的分支，用机器执行通常由人的智力活动完成的认知任务。AI近来在感知能力方面取得了巨大进步，已能让机器更好地描述和解释复杂的数据。而深度学习的加入，强化了计算能力，加速了AI的发展。当前影像诊断专业的特点是大量的图像和报告以数字形式存在，这些特点在推动医学进入数字化时代的过程中起到了引领作用，同时为发展AI提供了契机。AI在影像医学应用的最初目的是在临床工作中提高效率和效果，减少专业人员的失误，增加客观性。近年来，影像组学结合深度学习技术(AI的算法之一)可自图像中自动学习有代表性的特征，从而在肿瘤影像学领域帮助临床决策，如明确诊断、不同癌症的危险分层等。目前广泛使用的AI方法分为2种：第一种是手工裁切特征，如肿瘤纹理特征，再使用计算机程序进行量化；第二种方法是深度学习，深度学习算法能自动从数据中提取特征，不需人工预定义特征[3]。AI在肿瘤影像的应用主要是发现异常(肿瘤识别)、特征提取、监测变化这3个方面，但也面临一些挑战，包括开发通用术语以及在不同成像平台和患者人群中制定AI程序使用的验证标准。

2AI在脑膜瘤影像的应用现状

脑膜瘤AI应用的伦理问题由McCradden等[4]进行了研究，结果表明几乎所有参与者都认为，售卖医疗数据应该被禁止，但为了改进健康状况，也有小部分人认为暴露少量隐私是可以接受的。技术方面，脑膜瘤图像分割、智能识别的方法学研究不断进步，自动化程度越来越高，从而使得影像结果输出更方便、快捷及精准。2019年1月，Laukamp等[5]采用深度学习模型对56例脑膜瘤患者(病理组织类型Ⅰ级n=38、Ⅱ级n=18)的T1WI、T2WI、T1增强图像和FLAIR图像进行识别、分割，输入模型后结果显示检测到脑膜瘤55例，与人工分割效果相当。这表明尽管扫描器数据各不相同，但深度学习模型仍能对脑膜瘤组织进行准确的自动检测和分割。同年8月，Stember等[6]采用视觉追踪技术对脑膜瘤图像进行分割，结果表明，该方法可用于深度学习的语义分割，将来进一步优化，便可以通过更快、更自然的方式用于临床。2020年2月，Laukamp等[7]对56位脑膜瘤患者的影像数据分别进行两种处理：深度学习算法自动分割和由两位高年资影像工作者手动分割，输入模型后结果显示为55个脑膜瘤是由深度学习自动分割的，其研究表明对脑膜瘤图像采用基于深度学习的自动分割具有较高的分割准确性，与人工分割效果相当。这种自动分割图像包括增强扫描T1WI和FLAIR图像，与Laukamp等[5]的研究相一致。鉴于脑膜瘤的瘤周水肿程度影响患者的临床结果，亦有研究者使用半自动方法对该区域进行了精准分割，Latini等[8]使用商业软件(VuePACSLivewire)在50例颅内脑膜瘤患者的磁共振图像上采用半自动计算方法计算瘤周水肿量。结果表明无论图像信号如何变化，都可以精确计算水肿量且具有很高的可重复性。且经过较短的训练后，便可简单快速的在临床实践中实施。应用方面，这些图像分割、机器学习等智能手段在脑膜瘤的应用目前主要集中在以下几个方面：脑膜瘤病理级别的判断、脑膜瘤的鉴别诊断和瘤周水肿的识别与分割等。其中以脑膜瘤病理级别的判断研究最多，不同研究者采用的方法不尽相同。早在2016年，Krivoshapkin等[9]设计实验，由一名放射科医生和两名神经外科医生使用先进的计算机算法分析48例脑膜瘤切除术前1.5T磁共振图像并区分术前脑膜肿瘤的组织学类型，结果表明高级数学算法在区分脑膜瘤病理级别中具有高度的特异性、灵敏度和可重复性，但当时并未引起重视。2018年11月，ArokiaJesuPrabhu等[10]研究团队使用一种新型的支持向量机方法，实现了对脑膜瘤病理级别的判断。与此同时，Hale等[11]通过机器学习对1998～2010年间WHOⅠ级(n=94)和Ⅱ级(n=34)脑膜瘤的18～65岁患者的影像数据进行分析，结果表明机器学习算法是功能强大的计算工具，可以非常准确地预测脑膜瘤分级。到2019年，类似的研究明显增加，所用的研究方法和MRI图像也不断更新。2019年3月，Lu等[12]回顾病理数据库，纳入152例脑膜瘤患者的421张术前ADC图用于纹理分析，通过机器学习分类器可实现与经验丰富的神经放射科医生同等的诊断性能，可对脑膜瘤进行准确分级。表明基于ADC值和ADC值纹理分析的决策树模型具有广泛前景，可以在不久的将来提供更精确的诊断和辅助诊断。同年7月，Zhu等[13]通过181例脑膜瘤患者的MRI深度学习影像组学模型，以非侵入性方式对脑膜瘤进行分级，结果表明深度学习影像组学模型在非侵入性个体化脑膜瘤分级预测中其量化能力十分突出。其实验组使用深度学习的影像组学分析方法也实现了脑膜瘤病理级别的判断。同年10月，Zhu等[14]基于数据扩增和改良卷积神经网络自动预测脑膜瘤病理级别。同年11月，Hamerla等[15]使用了4种机器学习方法，进一步提高了脑膜瘤病理级别的分级并具有很好的敏感度和特异度。同年12月，Laukamp等[16]通过MRI形态学检查序列、扩散序列进行病变的形态学参数、纹理特征分析，实现了脑膜瘤的病理分级。2020年6月，Ke等[17]利用多参数MRI图像也对这一科学问题进行了研究。与脑膜瘤病理级别的判断比较，AI在脑膜瘤的诊断和鉴别诊断方面的研究相对较少。2019年7月，Shrot等[18]通过队列研究，将141例患者(41例胶质母细胞瘤，38例转移瘤，50例脑膜瘤和12例原发性中枢神经细胞瘤)的形态学MRI、灌注MRI和扩散张量成像序列应用于机器学习方案来鉴别不同类型的脑肿瘤，结果显示使用普通和高级MRI序列的机器学习方案具有高性能的自动肿瘤分类算法，可应用于临床决策中优化肿瘤分类。同年9月，Li等[19]通过回顾性分析，在67例患者的MRI序列(T2-FLAIR，扩散加权成像和增强的T1WI)中提取498个组学特征(12个临床特征和486个纹理特征)，将纹理分析应用于机器学习模型中。结果显示，与血管瘤性脑膜瘤相比，恶性血管周细胞瘤更大，肿瘤周围水肿程度更小，并且纹状血管更多。表明机器学习在鉴别恶性血管周细胞瘤和血管瘤性脑膜瘤的诊断中具有重要价值。2020年，AbdelazizIsmael等[20]使用残差网络的深度学习方法，对脑膜瘤、胶质瘤和垂体瘤进行了识别，准确率高达99%。国内文献也对脑膜瘤的分割和机器学习有所研究，但与英文文献相比有明显的差别：一是研究的论文数量较少，二是所涉及的内容不及英文文献广泛，三是研究时间晚于国外。目前国内文献在这方面的研究绝大多数局限于应用方面，如脑膜瘤的分级[21-25]、病变的识别[26]及鉴别诊断[27-28]。关于方法学的改进方面中文文献较少，唐青青等[29]应用体视学方法进行了这方面的探索。

影像组学通过计算机技术将医学图像转换为高通量数据，进而对疾病、预后、生存期、肿瘤基因表达等进行分析和预测。与传统影像学相比，影像组学提供了肉眼无法识别的内部纹理特征，且不依赖医生的主观经验，因此能够更全面、客观的分析病变信息。此外，影像组学具有无创性、可重复、快速经济、避免活检采样误差等优势。本研究运用文献计量学对影像组学相关文献进行分析。

一、资料与方法

1.资料来源与检索策略。数据来源于WebofScience核心合集数据库。检索策略为：主题=“Radiomics”OR“Radiomic”，限定文章类型为Article，文章发表时间不限定，检索日期截止到2020年4月17日，选择“全记录与引用的参考文献”并以纯文本格式导出。

2.研究方法。本研究使用Excel2016验证布拉德福定律和普赖斯定律，其余数据的统计和处理均采用VOSviewer1.6.14软件实现3。首先对发表时间、期刊、国家、作者等字段进行统计，对来源期刊利用布拉德福定律得到核心期刊，对作者利用普赖斯定律得到核心作者，将核心作者最低发文量作为划分核心机构的标准，从而得到影像组学领域相关文献的发表年代、来源期刊和研究力量分布情况。随后，将关键词进行同义词合并处理，截取频次阈值为10的关键词作为高频关键词，构建高频关键词表。限定类中至少包括5个关键词，以“Associationstrength”作为标准化方法进行高频关键词的聚类分析，并生成高频词聚类网络图。

二、结果

1.分布情况。2012至2020年共检索到1476篇文献，分别为2、3、7、28、66、160、323、675和212篇。共涉及288种期刊，其中核心区期刊8种（EurRadiol，SciRep，MedPhys，JMAGNRESONIMAGING，EurJRadiol，FrontNeuroendocrinol，PHYSMEDBIOL，PLoSOne），核心区文献503篇。共涉及56个国家，前3位国家分别为中国（611篇）、美国（529）、意大利（100）。共涉及7932位作者，核心作者122位。共涉及1535家科研机构，其中113家为核心科研机构，集中在中国（42家）、美国（35）。

2.研究热点分析。高频关键词表见表1，共56个。高频词聚类图如图1所示，共聚为5类，即涉及5个主题。主题1（红色）主要介绍了影像组学的实现方法以及基于机器学习方法的影像组学研究。主题2（绿色）主要介绍了基于MRI图像对头颈癌、肝癌、鼻咽癌等进行影像组学研究以实现对肿瘤的诊断与预后分析。主题3（蓝色）主要介绍了基于CT、PET/CT的影像组学方法在肺癌中的应用以及基于图像纹理特征对肿瘤异质性的研究。主题4（黄色）主要介绍了利用人工智能、定量成像技术等方法来预测肿瘤治疗反应从而实现个体化医疗。主题5（紫色）主要介绍了神经胶质瘤的生存预后分析以及影像组学的基因组学研究。