摘要
遗传进化视角的核心技术识别分为宏观和微观两个部分，宏观层面识别核心技术领域，追溯技术进化中不同时间切片下的重点支撑领域，从整体上把握技术发展的态势;微观层面识别核心技术主题，找出哪种技术最有利于技术进化环节的延伸，明确重点研发方向，助力实现关键核心技术自主可控。人工智能医学成像技术克服了传统方法的技术障碍，协助医生提高诊疗效率和诊疗精度，在医疗领域具有重要意义。为此，本文开展遗传进化视角的领域核心技术识别方法研究,以人工智能医学影像领域作为实证对象。 从遗传进化视角构建核心技术识别研究框架:宏观角度，基于基因相似性提出了一个宏观核心技术领域识别的研究方法。首先，将本领域专利数据集和引用数据集作为两个种群，划分时间切片;其次，划分种群基因群，构建IPC共现网络，提取专利的IPC分类号作为遗传基因，利用社区探测算法Louvain算法对共现网络进行社区划分，社区代表不同基因群，确定每个时间窗口基因所属基因群;再次，将IPC映射为向量，计算不同时间切片下种群间基因群的相似度，降维可视化;最后，得到技术进化过程中不同时间下的宏观核心技术领域和核心技术支撑领域，以及核心技术领域演化分析。微观角度，基于支撑性与扩散性两指标识别核心技术主题，从技术发展角度解释核心技术专利基础性、支撑性、扩散性内涵。首先，计算支撑性指标，改进传统的类比孟德尔遗传定律的“遗传方法”，将摘要文本视为遗传基因，进行领域专利加权技术遗传分解，得到支撑度指标结果;其次，计算扩散性指标，基于专利与施引专利的技术相似度计算扩散性贡献度，得到扩散性指标结果;最后，以专利支撑性指标作为X维度，以专利扩散性指标为Y维度，构建四象限分类图，不同象限分别代表技术的公共程度高低（扩散性）和私有程度高低（支撑性）的四种分类，为核心技术识别提供依据，支撑性及扩散性指标均较高的即为核心技术主题识别结果。 本文以人工智能医学影像领域为实证研究，研究发现人工智能医学影像领域宏观核心技术领域为以G06T、G06K、G06N、G06V为代表的图像、视频数据类处理技术，以G06F、G16H、H04L为代表的信息通信类技术，以A61B、G01R、A61N为代表的医学诊断技术以及以G10L为代表的语音识别处理技术;微观核心技术主题主要聚焦于图像生成技术、图像处理分析技术、辅助诊断检测技术以及图像分类技术等四类技术。
NETL