谷歌学术公布2021年最有影响力工作，CV顶会论文“夹缝求生”-技术圈

编译 | 陈彩娴

来源 | AI科技评论

不久前，谷歌学术（Google Scholar）公布了2021年最有影响力的论文列表，结果在意料之中。

由于去年新冠疫情的全球性爆发，研究 COVID-19 的早期临床观察与死亡风险因素的相关论文在谷歌学术上获得了极高的引用量。

其中，引用量最高的 COVID-19 论文为中国学者 Chaolin Huang 等人发表在《柳叶刀》上的工作“Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China”，引用量超过了 30,000。

相形之下，在谷歌学术2021年的数据中，人工智能领域的研究工作显得“平平无奇”。

不过，需要注意的是，尽管关于 COVID-19 的论文最高引用量已超过 30,000，但与何恺明等人之前在微软任职时发表在CVPR 2016 的“Deep Residual Learning for Image Recognition”（深度残余网络）一文相比，仍然相距甚远。

论文链接：https://arxiv.org/pdf/1512.03385.pdf

虽然 ResNet 一文是五年前所发表的工作，但它在谷歌学术上的引用量仍在不断上升。2019年，其引用次数为 25,256，到2020年则增加到了 49,301, 2021 年又上升到了 82,588。不愧是大神之作！

2021年谷歌学术指标排名追踪了2016年至2020年7月在谷歌学术上有索引的所有论文。下面，文章将介绍在 2021 年谷歌学术上引用最多的工作，以及一篇发表于 2016 年的热门 AI 论文。

论文 1 ：“2019年中国武汉新型冠状病毒感染患者的临床特征”

发表于《柳叶刀》

引用次数：30,529

论文链接：https://www.thelancet.com/action/showPdf?pii=S0140-6736%2820%2930183-5

论文发表于 2020 年 2 月，是最早描述新冠患者临床特征的论文之一，由中国研究人员和在武汉医院工作的医生共同撰写。

该团队来自武汉金银潭医院和北京中日友好医院等机构，审查了首批 41 名新冠患者的临床和护理报告、胸部 X 光片和实验结果。他们指出，这种新型病毒与 SARS 和 MERS 的表现相似，都会引起肺炎，但不同的是，它极少出现流鼻涕或肠道不适等症状。

这篇论文的最后一句话呼吁我们要进行稳健和迅速的测试，因为疫情可能失去控制：

“可靠的快速病原体检测和基于临床描述的可行鉴别诊断对于临床医生首次接触疑似患者至关重要。由于 2019-nCoV 的爆发可能性，密切的监管对于监测其未来的宿主适应性、病毒进化、传染性、传播性和致病性至关重要。”

迄今为止，该论文已被接近 100 份最新政策文件引用，包括世界卫生组织发布的几份关于戴口罩和重症患者临床护理等主题的文件。

论文 2：“2019 年中国冠状病毒病的临床特征”

发表于《新英格兰医学杂志》

引用次数：19,656

论文链接：https://www.nejm.org/doi/pdf/10.1056/nejmoa2002032

该研究于 2020 年 2 月在线发表，是对 2019 年 12 月 11 日至 2020 年 1 月 29 日期间向中华人民共和国国家卫生委员会报告的 1,099 例 COVID-19 患者病历的回顾性审查。

该团队包括来自广州医科大学和武汉金银潭医院等机构的近 40 名中国研究人员，钟南山等人在列。他们访问了中国大陆 552 家医院的电子病历，以总结与 COVID-19 感染有关的病患风险、体征和症状、实验室和放射学检查结果。

该研究发布了一个引起媒体广泛注意的证据：它提出，男性更容易受到新冠病毒的感染，58%的患者为男性。

2020年12月发表在《Nature Communications》上的工作“Male sex identified by global COVID-19 meta-analysis as a risk factor for death and ITU admission”也指出，他们研究了涵盖超过 300 万名患者的 92 项研究，发现男性与女性均容易受到感染，但男性最终需要接受重症监护的可能性是女性的 2.84 倍，死于新冠的概率是女性的 1.39 倍。

论文 3：“一项回顾性队列研究：中国武汉 COVID-19 成年住院患者死亡临床过程和危险因素”

发表于《柳叶刀》

引用次数：17,047

论文链接：https://pubmed.ncbi.nlm.nih.gov/32171076/

该研究于 2020 年 3 月在《柳叶刀》发表，研究人员首次检查住院或死亡患者的严重症状和死亡相关的风险因素。在他们研究的 191 名患者中，137 人出院，54 人死亡。

这项由中国医院研究人员进行的研究还提供了有关病毒脱落的新数据，有助于及早了解病毒的传播方式，并可通过追查感染原因进行检测。

来自中日友好医院和北京大学首都医院的共同主要作者曹斌说：“我们研究中发现的病毒脱落延长对于指导确诊 COVID-19 感染患者的隔离预防措施和抗病毒治疗的决策具有重要意义。不过，我们需要明确的是，对于可能接触过 COVID-19 但没有症状的人，不应将病毒排毒时间与其他自我隔离指导混淆，因为该指导是基于感染者的病毒潜伏时间而制定的。”

论文 4：“2019年中国肺炎患者中的新型冠状病毒”

发表于《新英格兰医学杂志》

引用次数：16,194

论文链接：https://www.nejm.org/doi/full/10.1056/nejmoa2001017

2019 年 12 月 31 日，中国疾病预防控制中心 (China CDC) 组织了一个快速反应小组，陪同湖北省与武汉市的卫生部门进行新冠调查。

这项于 2020 年 1 月发表的研究报告了该调查的结果，包括两名患者的肺炎临床特征，并首次向全世界展示了 SARS-CoV-2 的真实模样：

论文 5：“SSD: Single Shot MultiBox Detector”

发表在 ECCV

引用数量：15,368

论文链接：https://arxiv.org/pdf/1512.02325.pdf

这篇工作由北卡罗来纳大学教堂山分校的 Wei Liu 主导，发表于 2016 年，是人工智能领域引用量最高的论文之一。

文章描述了一组新的检测方法，可以使用单个深度神经网络检测图像或视频片段中的物体，研究灵感来自人类大脑皮层中所激发的神经过程。

这种方法被称为“Single Shot MultiBox Detector”（SSD），物体检测速度比 Faster R-CNN 还快。

SSD 的工作原理是将图像划分为一个网格，每个网格单元负责检测该图像部分内的物体。顾名思义，该网络能够在一次的通过中识别图像中的所有物体，从而进行实时分析。

SSD 是目前少数可用的物体检测技术之一。其他类似的单次物体检测算法还有 YOLO（You Only Look Once），而 R-CNN 和 Faster R-CNN 需要使用两个步骤，首先识别对象可能所在的区域，然后检测它们。

参考链接：

https://www.natureindex.com/news-blog/google-scholar-reveals-most-influential-papers-research-citations-twenty-twenty-one
https://scholar.googleblog.com/2021/07/2021-scholar-metrics-released.html
https://www.nature.com/articles/s41467-020-19741-6