{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,6,29]]，“日期时间”：“2024-06-29T06:32:10Z”，“时间戳”：1719642730116}，“出版商位置”：“查姆”，“参考计数”：11，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783030008888”，“类型”：”打印“}，{“值”：“9783030008895”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2018,1,1]]，“date-time”：“2018-01-01T00:00:00Z”，“timestamp”：1514764800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“tart”：，“日期时间”：“2018-01-01T00:00:00Z”，“时间戳”：1514764800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2018]]}”，“DOI”：“10.1007\/978-3-06 30-00889-5_21“，”类型“：”书壳“，“created”：{“date-parts”：[[2018,9,19]]，“date-time”：“2018-09-19T10:26:49Z”，“timestamp”：1537352809000}，“page”：“183-191”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：13，“title”：[“Active Learning for Segmentation by Optimization by Content Information for Maximal Entropy”]，“前缀”：“10.1007”，“作者”：[{“given”：“Firat”、“family”：“Ozdemir”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“紫萱”，”family“：”Peng“，”sequence“：”additional“，”affiliance“：[]{”given“：”Christine“，“附加”，“从属关系”：[]}，{“给定”：“Orcun”，“family”：“Goksel”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2018,9,20]]}，“reference”：[{“key”：“21_CR1”，“series-title”：“Computer Science课堂笔记”，“doi-asserted-by”：”publisher“，“first-page”：“111”，“doi”：“10.1007\/978-319-75541-0_12”，“volume-title”：“心脏的统计图谱和计算模型。ACDC和MMWHS挑战”，“作者”：“CF Baumgartner”，“年份”：“2018年”，“非结构化”：“Baumgaartner，C.F.，Koch，L.M.，Pollefeys，M.，Konukoglu，E.：心脏MR图像分割的2D和3D深度学习技术探索。In:Pop，M.等（编辑）STACOM 2017。LNCS，第10663卷，第111\u2013119页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-319-75541-0_12“}，{”key“：”21_CR2“，”doi-asserted-by“：”publisher“，”首页“：”135“，”doi“：”10.1016\/j.media.2016.11.004“，”volume“：“36”，”author“：”H Chen“，”year“：”2016“，”unstructured“：”Chen，H.，Qi，X.，Yu，L.，Dou，Q.，Qin，J.，Heng，P.A.：DCAN：用于组织学图像中对象实例分割的深轮廓软件网络。医学图像分析。36，135\u2013146（2016）“，“杂志标题”：“医学图像分析。}，{“key”：“21_CR3”，“unstructured”：“Gal，Y.，Ghahramani，Z.：作为贝叶斯近似的辍学：代表深度学习中的模型不确定性。摘自：国际机器学习会议（ICML），第1050\u20131059页（2016）”}，}Gal，Y.，Islam，R.，Ghahramani，Z.：利用图像数据进行深度贝叶斯主动学习。摘自：第34届国际机器学习会议（ICML）论文集（2017）“}，{“key”：“21_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Sirinukunwattana，K.，Pluim，J.P.，Chen，H.等人：结肠组织学图像中的腺体分割：GlaS挑战赛。医学图像分析35，489\u2013502（2017）”，“doi”：“10.1016\/j.media.2016.08.008“}，{“key”：“21_CR6”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“首页”：“399”，“doi”：“10.1007\/978-3319-66179-7_46”，“volume-title”：《医学图像计算与计算机辅助干预》，2013年MICCAI 2017，“author”：“L Yang”，“year”：“2017”，“unstructured”：“Yang，L.，Zhang，Y.，Chen，J.，Zheng，S.，Chen和D.Z.：建议性注释：生物医学图像分割的深度主动学习框架。收件人：Descoteaux，M.、Maier-Hein，L.、Franz，A.、Jannin，P.、Collins，D.L.、Duchesne，S.（编辑）MICCAI 2017。LNCS，第10435卷，第399\u2013407页。查姆施普林格（2017）。https:\/\/doi.org\/10.1007\/978-3-319-66179-7_46“}，{”key“：”21_CR7“，”first page“：“634”，“volume”：“45”，“author”：“U Feige”，“year”：“1998”，“unstructured”：“Feige，U.：近似集合覆盖的ln$n$$阈值。ACM 45，634\u2013652（1998）”，“journal-title”：“ACM”}，“key”：”21-CR8“，”doi-asserted-b y“：”crossref“，”非结构化“：”Ozdemir，F.，Fuernstahl，P.，Goksel，O.：学习新的，保留旧的：用新的解剖和图像扩展预处理模型。收录于：Frangi，A.F.、Schnabel，J.A.、Davatzikos，C.、Alberola-L\u00f3pez，C.、Fichtinger，G.（编辑）《医学图像计算和计算机辅助干预》（MICCAI），第361\u2013369页。Springer International Publishing，Cham（2018）。https:\/\/doi.org\/10.1007\/978-3-030-00937-3_42。ISBN:978-3-030-00937-3“，“DOI”：“10.1007\/978-3-030-00937-3_42”}，{“key”：“21_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gatys，L.A.，Ecker，A.S.，Bethge，M.：使用卷积神经网络的图像风格传输。In:IEEE CVPR，pp.2414\u20132423（2016）”，“DOI:”10.1109\/CVPR.2016.265“}，}“key:”21_CR10“，”DOI-assert-b y“：”publisher“，”第一页“：”3“，”DOI“：”10.1145“，”卷“：”5“，”作者“：”CE Shannon“，”年份“：”2001“，”非结构化“：”Shannon，C.E.：传播数学理论。ACM SIGMOBILE手机。计算。Commun公司。Rev.5，3\u201355（2001）”，“期刊标题”：“ACM SIGMOBILE Mob。计算。Commun公司。Rev.“}，{“key”：“21_CR11”，“非结构化”：“Abadi，M.，Agarwal，A.，Barham，P.，Brevdo，E.等人：TensorFlow：异构系统上的大规模机器学习（2015）。www.TensorFlow.org”}]，“容器标题”：[“医学图像分析中的深度学习和临床决策支持的多模式学习”，“计算机科学讲义”]，”original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-00889-5_21“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,9,19]]，”date-time“：“2023-09-19T00:03:49Z”，”timestamp“：1695081829000}，”score“：1，”资源“：{”主“：{”URL“：”https:\/\/link.springer.com//10.1007\/978-3-030-00889-5_21“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2018]]}，“ISBN”：[“978303000888”，“9783003008895”]，“references-count”：11，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-00889-5_21”，“relation”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“value”：“0302-7743”，{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2018]]}，“assertion”：[{“value”：“2018年9月20日”，“order”：1，“name”：“first_online”，“label”：“first online”，“label”：“conference acronym”，“group”：{“name”：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“医学图像分析深度学习国际研讨会”，“order”：2，“name”：“Conference_name”，“标签”：“会议名称”，“group”：：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“西班牙”，“订单”：4，“名称”：“Conference_country”：“会议信息”}}，{“value”：“2018年9月20日”，“order”：7，“name”：“Conference_start_date”，“label”：“会议开始日期”，“group”：{“name”:“ConferenceInfo”，”label“：“Conferency Information”}}，}“value”：“2018-9/20”，“订单”：8，“name“Conference_end_date”：“会议信息”｝｝，｛“value”：“4”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“dlmia2018”，“order”：10，“name”：“Conference_id”，“label”：“ConferenceID”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“https:\/\/cs.adelaide.edu.au\/~dlmia4\/”，“order”：11，“name”：“conference_url”，“label”：“会议url”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}，{“value”：“Double-blind”，“order”：1，“name“type”，”label“：”type“，”group“：{”name“：”ConfEventPeerReviewInformation“，”lable“：“同行评议信息（由会议组织者提供）”}}，{“value”：“CMT3”，“order”：2，“name”：“conference_management_system”，”label“：“会议管理系统”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由大会组织者提供）：“number_of_submissions_sent_for_review”，“label”：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“39”，“order”：4，“name”：“number _of_full_papers_accepted”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}：“46%-该值由等式“接受的全文数”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评议信息（由会议组织者提供）”}}，{“value”：“2.5”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“此内容已对所有人开放。”，“name”：“free”，“标签”：“free to read”}]}