今天更新了一下昨天WOS的搜索结果，其实内容略微有些新增，但是用的还是昨天下载的数据，用CiteSpace简单做了一下引文分析。
时间进展
选了近10年的范围，但是从时间线来看，除了早期有一些相关研究，兴起是从2014年开始，然后到2018年，2019年其实没有新的比较大的进展：
把近几年的时间线拉长一下看得更明显一些，重磅的成果主要还是在2015-2017年，2019年的Node是Topol的一篇文章：
今年在COVID-19的疫情之下，其实对于AI的需求还是比较大的，尤其是影像诊断、药物研发、疫苗研发方面，需要持续关注一下。
从Clusters的角度挑一挑核心的文献：
文献阅读作业1
大咖们的文章就是接下来一个阶段的作业了（头大，说明知识丰富了）：
- LeCun Y 2015 Nature Deep learning 行业综述
- Esteva A 2017 Nature Dermatologist-level classification of skin cancer with deep neural networks 皮肤影像人工智能开篇之作
- Gulshan V 2016 JAMA Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs 糖网筛查开篇之作
- Krizhevsky A 2017 COMMUN ACM ImageNet classification with deep convolutional neural networks CNN经典模型AlexNet
- Litjens G 2017 MED IMAGE ANAL A survey on deep learning in medical image analysis 医学影像分析汇总
- He KM 2016 PROC CVPR IEEE Deep Residual Learning for Image Recognition 深度残差学习介绍
- Obermeyer Z 2016 NEJM Predicting the Future — Big Data, Machine Learning, and Clinical Medicine 临床医学应用之NEJM的Perspective
- Szegedy C 2015 PROC CVPR IEEE Going deeper with convolutions 22层的神经网络 了解一下
- Ronneberger O 2015 LECT NOTES COMPUT SC U-Net: Convolutional Networks for Biomedical Image Segmentation 分割网络，可能适合病理类的大图
- Jiang F 2017 STROKE VASC NEUROL Artificial intelligence in healthcare: past, present and future 王拥军教授团队的文章，还是要学习一下
- Topol EJ 2019 NAT MED High-performance medicine: the convergence of human and artificial intelligence 来个比较新的综述收尾
当然更新的还有，只是没读不知好坏，要学的东西太多了，时间有限，等等再说……