Amaç Teknolojideki son gelişmeler ve veri setlerindeki artış tıbbi görüntülerde yapay zekanın en temel yaklaşımlarından biri olan derin öğrenme algoritmasının popülaritesini arttırmaktadır. Bu nedenle, yapılan çalışmada derin öğrenme algoritmasının kullanımına ilişkin yayınları araştırmak ve derin öğrenmenin kullanımına dikkat çekmek için bibliyometrik analiz yapılması amaçlanmıştır. Yöntem "Deep Learning" OR "DL" AND "Medical Imaging" AND “Radiology” anahtar kelimeleri kullanılarak 2019 ile 2022 yıllarında yayınlanan veriler Web of Science Core Collection (WOSCC) veritabanından elde edildi. WOS veritabanında araştırma alanı (Research areas) “Radiology Nuclear medicine medical imaging” ve ülke (Region/Country) alanı “Turkey” ve doküman tipi (Document type) “article” olanlar çalışmaya dahil edildi. Bulgular Yapılan çalışmada araştırılan konu ile ilgili toplam 259 yazardan en az 1 yayını ve 1 atıfı olacak şekilde seçim yapıldığında 211 yazar elde edildi. Yazarlar tarafından en az 1 kez kullanılan 195 anahtar kelime elde edildi. Elde edilen anahtar kelimeler arasında en sık kullanılan anahtar kelimelerden “deep learning” ve “artificial intelligence” olduğu görüldü. Ayrıca yapay zekayla ilgili olan “Transfer learning” ve “Machine learning” anahtar kelimelerinin de diğer anahtar kelimelere göre daha sık kullanıldığı görüldü. Dergiler arasında en çok atıfın 133 atıf ile 2021’de “Medical Image Analysis” dergisinde yayınlanan makaleye yapıldığı görüldü. Ayrıca “Medical image analysis” dergisinin 268 atıf ve 8 doküman ile ilk sırada yer aldığı görüldü. Bu derginin ortalama yayın yılının 2021’de fazla olduğu görüldü. Sonuç Derin öğrenme algoritmalarının görüntü segmentasyonu, görsel hesaplama, algılama ve sınıflandırma gibi farklı görevlerinin yanı sıra radyasyon dozunun azaltılmasına yardımcı olma gibi avantajları bulunmaktadır. Dolayısıyla derin öğrenme algoritmasının kullanımının tıbbi görüntüleme alanında gittikçe artması kaçınılmazdır. Yapılan çalışma özellikle derin öğrenmenin tıbbi görüntülemede kullanılması ile ilgili verilerin bibliyometrik analizinin yapılmasının farkındalık oluşturacağını ve yararlı olacağını umuyoruz.
Introduction e latest developments in technology and the increase in data sets increase the popularity of the deep learning algorithm, which is one of the most basic approaches of arti cial intelligence in medical images. For this reason, it is aimed to conduct bibliometric analysis to search for publications on the use of deep learning algorithms and to draw attention to the use of deep learning. Materials and Methods Using the keywords "Deep Learning" OR "DL" AND "Medical Imaging" AND "Radiology", the data published between 2019 and 2022 were obtained from the Web of Science Core Collection (WOSCC) database. In the WOS database, the research areas (Radiology Nuclear medicine medical imaging) and the country (Region/Country) area “Turkey” and the document type “article” were included in the study. Results In the study, 211 authors were obtained when choosing at least 1 publication and 1 citation from a total of 259 authors related to the researched subject. 195 keywords used at least once by the authors were obtained. Among the keywords obtained, it was seen that the most frequently used keywords were “deep learning” and “arti cial intelligence”. In addition, it was seen that the keywords "Transfer learning" and "Machine learning", which are related to arti cial intelligence, are used more frequently than other keywords. Among the journals, it was seen that the most cited article was published in the journal "Medical Image Analysis" in 2021 with 133 citations. In addition, it was seen that the "Medical image analysis" journal took the rst place with 268 citations and 8 documents. e average year of publication of this journal was found to be more than 2021. Conclusion Deep learning algorithms have advantages such as helping to reduce radiation dose as well as different tasks such as image segmentation, visual computation, detection and classi cation. erefore, it is inevitable that the use of deep learning algorithms will increase in the eld of imaging. We hope that the bibliometric analysis of the data related to the use of deep learning in medical imaging will raise awareness and be useful.
