数字病理学的研究进展主要通过使用多种工具如VOSviewer，CiteSpace，Gephi和R来进行可视化和分析。这些工具用于分析作者，机构和国家的合作网络，关键词共现，以及共引分析，以揭示全球数字病理学研究的当前状态。在过去的二十年中，全球数字病理学相关研究主要分为两大研究领域。一是关于全幅图像（WSI）的系统验证和优化，二是关于在数字病理学中应用和开发人工智能技术。其中，基于计算机技术的发展和机器学习概念的更新，深度神经网络技术的研究结果在近年来更为集中。深度神经网络在特征提取和图像分析中的强大性能为改进数字病理学辅助诊断系统提供了新的研究方向，这也是近年来研究的热点。这种计量分析可能有助于更好地理解数字病理学领域的研究现状，并为未来相关研究提供参考和借鉴 。关键词包括"数字病理学"，"诊断"，"深度学习"，"组织病理学"和"手术病理学"。