Visualization Analysis of Artificial Intelligence Literature in Forensic Research

doi:10.12116/j.issn.1004-5619.2023.430311

Abstract

Abstract:

Objective To analyze the literature on artificial intelligence in forensic research from 2012 to 2022 in the Web of Science Core Collection Database, to explore research hotspots and developmental trends. Methods A total of 736 articles on artificial intelligence in forensic medicine in the Web of Science Core Collection Database from 2012 to 2022 were visualized and analyzed through the literature measuring tool CiteSpace. The authors, institution, country （region）, title, journal, keywords, cited references and other information of relevant literatures were analyzed. Results A total of 736 articles published in 220 journals by 355 authors from 289 institutions in 69 countries （regions） were identified, with the number of articles published showing an increasing trend year by year. Among them, the United States had the highest number of publications and China ranked the second. Academy of Forensic Science had the highest number of publications among the institutions. Forensic Science International, Journal of Forensic Sciences, International Journal of Legal Medicine ranked high in publication and citation frequency. Through the analysis of keywords, it was found that the research hotspots of artificial intelligence in the forensic field mainly focused on the use of artificial intelligence technology for sex and age estimation, cause of death analysis, postmortem interval estimation, individual identification and so on. Conclusion It is necessary to pay attention to international and institutional cooperation and to strengthen the cross-disciplinary research. Exploring the combination of advanced artificial intelligence technologies with forensic research will be a hotspot and direction for future research.

Key words: forensic medicine, bibliometrics, artificial intelligence, CiteSpace, Web of Science, visualization analysis

CLC Number:

Yi-ming DONG, Chun-mei ZHAO, Nian-nian CHEN, Li LUO, Zhan-peng LI, Li-kai WANG, Xiao-qian LI, Ting-gan REN, Cai-rong GAO, Xiang-jie GUO. Visualization Analysis of Artificial Intelligence Literature in Forensic Research[J]. Journal of Forensic Medicine, 2024, 40(1): 1-14.

Add to citation manager EndNote|Ris|BibTeX

URL: http://www.fyxzz.cn/EN/10.12116/j.issn.1004-5619.2023.430311

http://www.fyxzz.cn/EN/Y2024/V40/I1/1

Figures/Tables 13

References 58

1	严律南. 人工智能在医学领域应用的现状与展望[J].中国普外基础与临床杂志，2018，25（5）：513-514. doi：10.7507/1007-9424.201804033 .
	YAN L N. Present situation and prospect of application of artificial intelligence in medical field[J]. Zhongguo Puwai Jichu Yu Linchuang Zazhi，2018，25（5）：513-514.
2	史忠植. 人工智能[M].北京：机械工业出版社，2016：16.
	SI Z Z. Artificial intelligence[M]. Beijing： China Machine Press，2016：16.
3	刘志勇，张更谦，严江伟. 人工智能在法医学中的应用与展望[J].刑事技术，2019，44（5）：383-387. doi：10.16467/j.1008-3650.2019.05.002 .
	LIU Z Y， ZHANG G Q， YAN J W. Forensic applicability of artificial intelligence and prospect[J]. Xingshi Jishu，2019，44（5）：383-387.
4	方雅婷，兰琼，解通，等. 人工智能技术时代法医学科面临的新机遇与挑战[J].法医学杂志，2020，36（1）：77-85. doi：10.12116/j.issn.1004-5619.2020.01.016 .
	FANG Y T， LAN Q， XIE T， et al. New opportunities and challenges for forensic medicine in the era of artificial intelligence technology[J]. Fayixue Zazhi，2020，36（1）：77-85.
5	梁国强. 国内文献计量学综述[J].科技文献信息管理，2013，27（4）：58-59，62.
	LIANG G Q. Review of domestic bibliometrics[J]. Keji Wenxian Xinxi Guanli，2013，27（4）：58-59，62.
6	李贺，袁翠敏，李亚峰. 基于文献计量的大数据研究综述[J].情报科学，2014，32（6）：148-155. doi：10.13833/j.cnki.is.2014.06.026 .
	LI H， YUAN C M， LI Y F. A review of big data research based on bibliometrics[J]. Qingbao Kexue，2014，32（6）：148-155.
7	刘则渊，陈悦，侯海燕，等. 科学知识图谱：方法与应用[M]. 北京：人民出版社，2008：62.
	LIU Z Y， CHEN Y， HOU H Y，et al. Mapping knowledge domains：methods and application[M]. Beijing： People’s Publishing House，2008：62.
8	陈悦，陈超美，刘则渊，等. CiteSpace知识图谱的方法论功能[J].科学学研究，2015，33（2）：242-253. doi：10.16192/j.cnki.1003-2053.2015.02.009 .
	CHEN Y， CHEN C M， LIU Z Y， et al. The metho-dology function of CiteSpace mapping knowledge domains[J]. Kexuexue Yanjiu，2015，33（2）：242-253.
9	LU X J， LI J， WEI X， et al. A novel method for determining postmortem interval based on the metabolomics of multiple organs combined with ensemble learning techniques[J]. Int J Legal Med，2023，137（1）：237-249. doi：10.1007/s00414-022-02844-8 .
10	LIN H C， WANG Z Y， LUO Y W， et al. Post-mortem evaluation of the pathological degree of myocardial infarction by Fourier transform infrared microspectroscopy[J]. Spectrochim Acta A Mol Biomol Spectrosc，2022，268：120630. doi：10.1016/j.saa.2021.120630 .
11	LIN H C， LUO Y W， SUN Q R， et al. Determination of causes of death via spectrochemical analysis of forensic autopsies-based pulmonary edema fluid samples with deep learning algorithm[J]. J Biophotonics，2020，13（4）：e201960144. doi：10.1002/jbio.201960144 .
12	ZHANG J， LI B， WANG Q， et al. Application of Fourier transform infrared spectroscopy with chemometrics on postmortem interval estimation based on pericardial fluids[J]. Sci Rep，2017，7：18013. doi：10.1038/s41598-017-18228-7 .
13	ZHOU Y Y， ZHANG J， HUANG J， et al. Digital whole-slide image analysis for automated diatom test in forensic cases of drowning using a convolutional neural network algorithm[J]. Forensic Sci Int，2019，302：109922. doi：10.1016/j.forsciint.2019. 109922 .
14	YU W M， XIANG Q Q， HU Y C， et al. An improved automated diatom detection method based on YOLOv5 framework and its preliminary study for taxonomy recognition in the forensic diatom test[J]. Front Microbiol，2022，13：963059. doi：10.3389/fmicb.2022.963059 .
15	FAN F， KE W C， WU W， et al. Automatic human identification from panoramic dental radiographs using the convolutional neural network[J]. Forensic Sci Int，2020，314：110416. doi：10.1016/j.forsciint.2020.110416 .
16	LI Y， HUANG Z Z， DONG X A， et al. Forensic age estimation for pelvic X-ray images using deep learning[J]. Eur Radiol，2019，29（5）：2322-2329. doi：10.1007/s00330-018-5791-6 .
17	NAVEGA D， COSTA E， CUNHA E. Adult skeletal age-at-death estimation through deep random neural networks： A new method and its computational analysis[J]. Biology，2022，11（4）：532. doi：10.3390/biology11040532 .
18	NAVEGA D， COELHO J D， CUNHA E， et al. DXAGE： A new method for age at death estimation based on femoral bone mineral density and artificial neural networks[J]. J Forensic Sci，2018，63（2）：497-503. doi：10.1111/1556-4029.13582 .
19	ČECHOVÁ M， DUPEJ J， BRŮŽEK J， et al. Sex estimation using external morphology of the frontal bone and frontal sinuses in a contemporary Czech population[J]. Int J Legal Med，2019，133（4）：1285-1294. doi：10.1007/s00414-019-02063-8 .
20	POŚPIECH E， KARŁOWSKA-PIK J， ZIEMKIE-WICZ B， et al. Further evidence for population specific differences in the effect of DNA markers and gender on eye colour prediction in forensics[J]. Int J Legal Med，2016，130（4）：923-934. doi：10.1007/s00414-016-1388-2 .
21	POŚPIECH E， KARŁOWSKA-PIK J， MARCIŃS-KA M， et al. Evaluation of the predictive capacity of DNA variants associated with straight hair in Europeans[J]. Forensic Sci Int Genet，2015，19：280-288. doi：10.1016/j.fsigen.2015.09.004 .
22	HOFMANN L A， LAU S， KIRCHEBNER J. Advantages of machine learning in forensic psychiatric research—Uncovering the complexities of aggressive behavior in schizophrenia[J]. Appl Sci （Basel），2022，12（2）：819. doi：10.3390/app12020819 .
23	PATTERSON A， SONNWEBER M， LAU S， et al. Schizophrenia and substance use disorder： Characteristics of coexisting issues in a forensic setting[J]. Drug Alcohol Depend，2021，226：108850. doi：10.1016/j.drugalcdep.2021.108850 .
24	王大阜. 科学知识图谱：工具、方法与应用[M].北京：人民邮电出版社，2023：54-55.
	WANG D F. Scientific knowledge mapping： Tools, methods and applications[M]. Beijing：POSTS & TELECOM PRESS，2023：54-55.
25	NOVAK L， SCHULTZ J J， MCINTYRE M. Determining sex of the posterior ilium from the Robert J. Terry and William M. Bass collections[J]. J Forensic Sci，2012，57（5）：1155-1160. doi：10.1111/j.1556-4029.2012.02122.x
26	RAGHAVENDRA BABU Y P， KANCHAN T， ATTI-KU Y， et al. Sex estimation from foramen magnum dimensions in an Indian population[J]. J Forensic Leg Med，2012，19（3）：162-167. doi：10.1016/j.jflm.2011.12.019 .
27	CHANDRAKANTH H V， KANCHAN T， KRIS-HAN K. Osteometric analysis for sexing of modern sternum -- An autopsy study from South India[J]. Leg Med （Tokyo），2014，16（6）：350-356. doi：10. 1016/j.legalmed.2014.07.007 .
28	GAO H J， GENG G H， YANG W. Sex determination of 3D skull based on a novel unsupervised learning method[J]. Comput Math Methods Med，2018，2018：4567267. doi：10.1155/2018/4567267 .
29	LI Y， NIU C Q， WANG J， et al. A fully automated sex estimation for proximal femur X-ray images through deep learning detection and classification[J]. Leg Med （Tokyo），2022，57：102056. doi：10.1016/j.legalmed.2022.102056 .
30	THURZO A， KOSNÁČOVÁ H S， KURILOVÁ V， et al. Use of advanced artificial intelligence in forensic medicine， forensic anthropology and clinical anatomy[J]. Healthcare，2021，9（11）：1545. doi：10.3390/healthcare9111545 .
31	ŠTEPANOVSKÝ M， IBROVÁ A， BUK Z， et al. Novel age estimation model based on development of permanent teeth compared with classical approach and other modern data mining methods[J]. Forensic Sci Int，2017，279：72-82. doi：10.1016/j.forsciint.2017.08.005 .
32	LI Y， WANG J， LIANG W B， et al. CR-GAN： Automatic craniofacial reconstruction for personal identification[J]. Pattern Recognition，2022，124：108400. doi：10.1016/j.patcog.2021.108400 .
33	JOSHI S V， KANPHADE R D. Deep learning based person authentication using hand radiographs： A forensic approach[J]. IEEE Access，2020，8：95424-95434. doi：10.1109/ACCESS.2020.2995788 .
34	王琪，林汉成，徐纪茹，等. 死亡时间推断最新研究与展望[J].法医学杂志，2018，34（5）：459-467. doi：10.12116/j.issn.1004-5619.2018.05.002 .
	WANG Q， LIN H C， XU J R， et al. Current research and prospects on postmortem interval estimation[J]. Fayixue Zazhi，2018，34（5）：459-467.
35	ZHAO X C， ZHONG Z T， HUA Z. Estimation of the post‐mortem interval by modelling the changes in oral bacterial diversity during decomposition[J]. J Appl Microbiol，2022，133：3451-3464. doi：10.1111/jam.15771 .
36	ZHANG J， WEI X， HUANG J， et al. Attenuated total reflectance Fourier transform infrared （ATR-FTIR） spectral prediction of postmortem interval from vitreous humor samples[J]. Anal Bioanal Chem，2018，410（29）：7611-7620. doi：10.1007/s00216-018-1367-1 .
37	ZHANG X Y， BAI Y， NGANDO F J， et al. Predicting the weathering time by the empty puparium of Sarcophaga peregrina （diptera： Sarcophagidae） with the ANN models[J]. Insects，2022，13（9）：808. doi：10.3390/insects13090808 .
38	KASZUBINSKI S F， PECHAL J L， SMILES K， et al. Dysbiosis in the dead： Human postmortem microbiome beta-dispersion as an indicator of manner and cause of death[J]. Front Microbiol，2020，11：555347. doi：10.3389/fmicb.2020.555347 .
39	EBERT L C， HEIMER J， SCHWEITZER W， et al. Automatic detection of hemorrhagic pericardial effusion on PMCT using deep learning -- A feasibility study[J]. Forensic Sci Med Pathol，2017，13（4）：426-431. doi：10.1007/s12024-017-9906-1 .
40	LOU J Q， CHEN H Y， HUANG S N， et al. Update on risk factors and biomarkers of sudden unexplained cardiac death[J]. J Forensic Leg Med，2022，87：102332. doi：10.1016/j.jflm.2022.102332 .
41	ZHANG F Y， WANG L L， DONG W W， et al. A preliminary study on early postmortem submersion interval （PMSI） estimation and cause-of-death discrimination based on nontargeted metabolomics and machine learning algorithms[J]. Int J Legal Med，2022，136（3）：941-954. doi：10.1007/s00414-022-02783-4 .
42	CAO J， LI J， GU Z， et al. Combined metabolomics and machine learning algorithms to explore metabolic biomarkers for diagnosis of acute myocardial ischemia[J]. Int J Legal Med，2023，137（1）：169-180. doi：10.1007/s00414-022-02816-y .
43	GARLAND J， HU M， DUFFY M， et al. Classifying microscopic acute and old myocardial infarction using convolutional neural networks[J]. Am J Forensic Med Pathol，2021，42（3）：230-234. doi：10.1097/PAF. 0000000000000672 .
44	MUJTABA G， SHUIB L， RAJ R G， et al. Prediction of cause of death from forensic autopsy reports using text classification techniques： A comparative study[J]. J Forensic Leg Med，2018，57：41-50. doi：10.1016/j.jflm.2017.07.001 .
45	ROWBOTHAM S K， BLAU S， HISLOP-JAMBRICH J， et al. An assessment of the skeletal fracture patterns resulting from fatal high （˃3 m） free falls[J]. J Forensic Sci，2019，64（1）：58-68. doi：10.1111/1556-4029.13803 .
46	ROWBOTHAM S K， BLAU S， HISLOP-JAMB-RICH J， et al. An anthropological examination of the types of skeletal fractures resulting from fatal high （˃3 m） free falls[J]. J Forensic Sci，2019，64（2）：375-384. doi：10.1111/1556-4029. 13887 .
47	REN G H， ZOU D H， HUANG P， et al. Identifying diffuse axonal injury by matrix-assisted laser desorption/ionization time-of-flight[J]. Am J Forensic Med Pathol，2016，37（4）：279-283. doi：10.1097/paf.0000000000000275 .
48	VOLGIN L， TAYLOR D， BRIGHT J A， et al. Validation of a neural network approach for STR typing to replace human reading[J]. Forensic Sci Int Genet，2021，55：102591. doi：10.1016/j.fsigen.20 21.102591 .
49	ALOTAIBI H， ALSOLAMI F， ABOZINADAH E， et al. TAWSEEM： A deep-learning-based tool for estimating the number of unknown contributors in DNA profiling[J]. Electronics，2022，11（4）：548. doi：10.3390/electronics11040548 .
50	KATSARA M A， BRANICKI W， WALSH S， et al. Evaluation of supervised machine-learning methods for predicting appearance traits from DNA[J]. Forensic Sci Int Genet，2021，53：102507. doi：10.1016/j.fsigen.2021.102507 .
51	DEVRANOGLU D， TAVACI I， FILOGLU G， et al. Effect of type of degraded DNA samples on human eye color prediction[J]. Pak J Zool，2021，53（4）：1201-1209. doi：10.17582/journal.pjz/20200310120332 .
52	HWA H L， WU M Y， LIN C P， et al. A single nucleotide polymorphism panel for individual identification and ancestry assignment in Caucasians and four East and Southeast Asian populations using a machine learning classifier[J]. Forensic Sci Med Pathol，2019，15（1）：67-74. doi：10.1007/s12024-018-0071-y .
53	VIDAKI A， BALLARD D， ALIFERI A， et al. DNA methylation-based forensic age prediction using artificial neural networks and next generation sequencing[J]. Forensic Sci Int Genet，2017，28：225-236. doi：10.1016/j.fsigen.2017.02.009 .
54	喻小兰. 中外比较视角下青少年犯罪预防研究[J].法制博览，2022（19）：8-10. doi：10.3969/j.issn.2095-4379.2022.19.003
	YU X L. A comparative study of juvenile delinquency prevention between China and foreign countries[J]. Fazhi Bolan，2022（19）：8-10.
55	STREUN GABRIEL L， STEUER ANDREA E， POETZSCH SANDRA N， et al. Towards a new qualitative screening assay for synthetic cannabinoids using metabolomics and machine learning[J]. Clin Chem，2022，68（6）：848-855. doi：10.1093/clinchem/hvac045 .
56	KRANENBURG R F， VERDUIN J， WEESEPOEL Y， et al. Rapid and robust on-scene detection of cocaine in street samples using a handheld near-infrared spectrometer and machine learning algorithms[J]. Drug Test Anal，2020，12（10）：1404-1418. doi：10.1002/dta.2895 .
57	WATTS D， MOULDEN H， MAMAK M， et al. Predicting offenses among individuals with psychiatric disorders -- A machine learning approach[J]. J Psychiatr Res，2021，138：146-154. doi：10.1016/j.jpsychires.2021.03.026 .
58	TESLI N， BELL C， HJELL G， et al. The age of violence： Mapping brain age in psychosis and psychopathy[J]. Neuroimage Clin，2022，36：103181. doi：10.1016/j.nicl.2022.103181 .

序号	机构	所属国家	发文量/篇	中介中心性
1	司法鉴定科学研究院（Academy of Forensic Science）	中国	19	0.01
2	科英布拉大学（University of Coimbra ）	葡萄牙	14	0.01
3	四川大学（Sichuan University ）	中国	11	0.00
4	西安交通大学（Xi’an Jiaotong University）	中国	11	0.00
5	布拉格查理大学（Charles University in Prague）	捷克共和国	11	0.01
6	密歇根州立大学（Michigan State University ）	美国	10	0.00
7	苏黎世大学（University of Zurich）	瑞士	9	0.01
8	公安部（The Ministry of Public Security）	中国	9	0.01
9	蒙纳什大学（Monash University ）	澳大利亚	8	0.00
10	阿姆斯特丹大学（University of Amsterdam）	荷兰	8	0.00

序号	机构	所属国家	发文量/篇	中介中心性
1	司法鉴定科学研究院（Academy of Forensic Science）	中国	19	0.01
2	科英布拉大学（University of Coimbra ）	葡萄牙	14	0.01
3	四川大学（Sichuan University ）	中国	11	0.00
4	西安交通大学（Xi’an Jiaotong University）	中国	11	0.00
5	布拉格查理大学（Charles University in Prague）	捷克共和国	11	0.01
6	密歇根州立大学（Michigan State University ）	美国	10	0.00
7	苏黎世大学（University of Zurich）	瑞士	9	0.01
8	公安部（The Ministry of Public Security）	中国	9	0.01
9	蒙纳什大学（Monash University ）	澳大利亚	8	0.00
10	阿姆斯特丹大学（University of Amsterdam）	荷兰	8	0.00

序号	期刊	发文量/篇	IF	JCR 分区	共被引期刊	共被引频次	IF	JCR 分区
1	Journal of Forensic Sciences	73	1.717	Q3	Forensic Science International	364	2.676	Q2
2	Forensic Science International	71	2.676	Q2	Journal of Forensic Sciences	333	1.717	Q3
3	International Journal of Legal Medicine	54	2.791	Q1	International Journal of Legal Medicine	245	2.791	Q1
4	Forensic Science International-Genetics	52	4.453	Q1	American Journal of Physical Anthropology	149	2.963	Q1
5	Journal of Forensic and Legal Medicine	28	1.691	Q3	Journal of Forensic and Legal Medicine	141	1.691	Q3
6	Legal Medicine	20	2.017	Q3	Plos One	119	3.752	Q2
7	PLoS One	15	3.752	Q2	Forensic Science International-Genetics	99	4.453	Q1
8	Forensic Science Medicine and Pathology	14	2.456	Q2	Nature	89	69.500	Q1
9	Australian Journal of Forensic Sciences	13	1.210	Q4	Legal Medicine	89	2.017	Q3
10	Scientific Reports	12	4.996	Q2	Scientific Reports	88	4.996	Q2

序号	期刊	发文量/篇	IF	JCR 分区	共被引期刊	共被引频次	IF	JCR 分区
1	Journal of Forensic Sciences	73	1.717	Q3	Forensic Science International	364	2.676	Q2
2	Forensic Science International	71	2.676	Q2	Journal of Forensic Sciences	333	1.717	Q3
3	International Journal of Legal Medicine	54	2.791	Q1	International Journal of Legal Medicine	245	2.791	Q1
4	Forensic Science International-Genetics	52	4.453	Q1	American Journal of Physical Anthropology	149	2.963	Q1
5	Journal of Forensic and Legal Medicine	28	1.691	Q3	Journal of Forensic and Legal Medicine	141	1.691	Q3
6	Legal Medicine	20	2.017	Q3	Plos One	119	3.752	Q2
7	PLoS One	15	3.752	Q2	Forensic Science International-Genetics	99	4.453	Q1
8	Forensic Science Medicine and Pathology	14	2.456	Q2	Nature	89	69.500	Q1
9	Australian Journal of Forensic Sciences	13	1.210	Q4	Legal Medicine	89	2.017	Q3
10	Scientific Reports	12	4.996	Q2	Scientific Reports	88	4.996	Q2

序号	共被引文献	作者	期刊	共被引频次	中介中心性	发表年份
1	A review of sex estimation techniques during examination of skeletal remains in forensic anthropology casework	Kewal Krishan	Forensic Science International	16	0.26	2016
2	Deep learning	Yann LeCun	Nature	12	0.01	2015
3	Sex estimation from the tarsal bones in a Portuguese sample： A machine learning approach	David Navega	International Journal of Legal Medicine	11	0.21	2015
4	Chronological age prediction based on dna methylation： Massive parallel sequencing and random forest regression	Jana Naue	Forensic Science International-Genetics	9	0.01	2017
5	Odontometric sex assessment from logistic regression analysis	Ashith B Acharya	International Journal of Legal Medicine	9	0.01	2011
6	Dermatologist-level classification of skin cancer with deep neural networks	Andre Esteva	Nature	9	0.01	2017
7	DNA methylation-based forensic age prediction using artificial neural networks and next generation sequencing	Athina Vidaki	Forensic Science International-Genetics	8	0.01	2017
8	Sex estimation in forensic anthropology： Skull versus postcranial elements	M Katherine Spradley	Journal of Forensic Sciences	8	0.12	2011
9	Statistical sex determination from craniometrics： Comparison of linear discriminant analysis， logistic regression， and support vector machines	Frédéric Santos	Forensic Science International	8	0.06	2014
10	Artificial intelligence for sex determination of skeletal remains： Application of a deep learning artificial neural network to human skulls	James Bewes	Journal of Forensic and Legal Medicine	8	0.23	2019