｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,9,11]]，“date time”：“2024-09-11T13:04:41Z”，“timestamp”：1726059881747｝，“publisher location”：“Cham”，“reference count”：19，“publisher”：“Springer International Publishing”，“isbn type”：[｛“type”：“print”，“value”：“9783030348717”｝，｛“type”：“electronic”，“value”：“978303048724”}]，“license”：[{“start”：{“date-parts”：[[2019,1,1]]，“date-time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\researters\/text-and-data-mining”}，{“tart”：1]]，“日期时间”：“2019-01-01T00:00:00Z”，“时间戳”：1546300800000}，“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“：[2019]]}”，“DOI”：“10.1007\/978-3030-30-30 34872-4_4“，”type“：”book-capter“，“created”：{“date-parts”：[[2019,11,25]]，“date-time”：“2019-11-25T00:02:57Z”，“timestamp”：1574640177000}，“page”：“32-40”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：1，“title”：[“Deep Convolutional Neural Network检测小鼠肝组织中的坏死”]，“prefix”：“2007年10月10日”，“author”：[{“given”：“Nilanjana Dutta”，“family”：“Roy”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“Arindam”，“家庭”：“Biswas”，“序列”：“additional”，“从属关系”：[]}，}“给定的”：“Souvik”，“家族”：“Ghosh”，“sequence”:“additionable”，“atriation”：[]}additional“，”affiliation“：[]}，{”given“：”Abhijit“，“family”：“Mitra”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Manabendra Dutta”author“：”A Bhardwaj“，”year“：”2011“，”unstructured“：“Bhardwaj，A.，Khatri，P.，Soni，M.：有效的草药肝保护药物：综述。《高级科学研究杂志》2（2），15\u201320（2011）”，“期刊标题”：“高级科学研究期刊”}，{“key”：“4_CR2”，“doi-asserted-by”：“publisher”，“first page”：第117页，“doi”：“10.3736\/jcim20120201”，“volume”：《10》，“author”：“A Dhiman”，“year”：“2012”，“非结构化”：“Dhiman，A.，Nanda，A.，Ahmad，S.：药用植物抗肝毒性潜力研究的最新进展。J.Chin.Integr.Med.10，117\u2013119（2012）”，“期刊标题”：“J.Chin.Integr.Med.”}，{“问题”：“12”，“关键”：“4_CR3”，“doi-asserted-by”：“出版商”，“首页”：“1517”，“doi”：“10.1007\/s00521-016-2678-9”，“卷”：“29”，“作者”：“AS Ashour”，“year”：“2018”，“unstructured”：“Ashour.，A.S.，et al.：使用优化的LPA-ICI滤波器对光学显微镜图像进行去噪。Neural Compute.Appl.29（12），1517\u20131533（2018）”，“journal-title”：“Neural compute.Appl.”}，{“issue”：“10”，“key”：“4_CR4”，“doi-asserted-by”：“publisher”，《首页》：“1051”，“doi”：“10.1002\/jemt.22900”，“volume”“：”80“，“author”：“S Chakraborty”，“year”：“2017”，“unstructured”：“Chakraborty，S.，et al.：海马显微图像分割中的改进杜鹃搜索算法。Microc.Res.Tech.80（10），1051\u20131072（2017）”，“journal-title”：“Microsc.Res.Tech”}，{“key”：“4_CR5”，“first-page”：“104”，“volume-titel”：“The Chinese Medicial Crytogam”，“author”：“H丁”，“年份”：“1982年”，“非结构化”：“丁，H：中药冷冻，第104页。上海科技出版社，上海（1982）“}，{”key“：”4_CR6“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/978-3-7091-6507-2“，“volume-title”：“有机天然产物化学进展”，“author”：“W Herz”，“year”：“1988”，“unstructured”：“Herz，W.，Falk，H.：有机天然产物化学的进展。施普林格，纽约（1988年）。https:\/\/doi.org\/10.1007\/978-3-7091-6507-2“}，{”key“：”4_CR7“，”doi-asserted-by“：”publisher“，”first page“：“29”，”doi“：”10.4103\/2153-3539.186902“，”volume“：‘7’，”author“：”A Janowczyk“，”year“：”2016“，”unstructured“：”Janowgzyk，A.，Madabhushi，A.：数字病理图像分析的深度学习：包含选定用例的综合教程。J。病态。通知。7，29（2016）“，“新闻标题”：“J.Pathol。通知。“}，{”key“：“4_CR8”，”doi-asserted-by“：”publisher“，”first page“：”e3874“，”doi“：”10.7717“\/peerj.3874”，“volume”：“5”，“author”：“P Kainz”，“year”：“2017”，“unstructured”：“Kainz，P.，Pfeiffer，M.，Urschler，M.：结肠腺的分割和分类，深卷积神经网络和总变异规则化。Peer J.5，e3874（2017）”，“journal-title“：”Peer J.“}，{”issue“：”4“，”key“：”4_CR9“，”doi-asserted-by“：”publisher“，”first page“：“460”，”doi“：”10.1007\/s10278-017-9980-7“，“volume”：“30”，“author”：“P Lakhani”，“year”：“2017”，“unstructured”：“Lakhany，P.：用于气管插管位置和x射线图像分类的深卷积神经网络：挑战和机遇。数字。成像30（4），460\u2013468（2017）“，“新闻标题”：“J.Digit。成像“}，{“key”：“4_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Li，Q.，Cai，W.，Wang，X.，Zhou，Y.，Feng，D.D.，Chen，M.：基于卷积神经网络的医学图像分类。发表于：2014年第13届控制自动化机器人与视觉国际会议（ICARCV），第844\u2013848页。IEEE（2014）“，”DOI“：”10.1109\/ICARCV.2014.7064414“}，{”issue“：”3“，”key“：”4_CR11“，”DOI-asserted-by“：”publisher“，”first page“：“639”，“DOI”：“10.1166\/jmihi.2017.2082”，“volume”：“7”，“author”：“Z Li”，“year”：“2017”，“unstructured”：“Li，Z.等：基于卷积神经网络的糖尿病足底压力成像数据集聚类和流形学习方法。医学影像健康信息杂志。7（3），639\u2013652（2017）“，“新闻标题”：《医学成像健康信息杂志》。“}，{”key“：“4_CR12”，”doi-asserted-by“：”publisher“，”first page“：”11“，”doi“：”10.1016\/S2221-1691（11）60181-0“，“volume”：“10”，“author”：“M Nirmala”，“year”：“2012”，“unstructured”：“Nirmala，M.，Girija，K.，Lakshman，K.u201315（2012）“，”新闻标题“：”亚太地区。J.特罗普。生物识别。“｝，｛”issue“：”6“，”key“：”4_CR13“，”doi asserted by“：”publisher“，”first page“：”1721“，”doi“：”10.1007\\s11280-017-520-7“，”volume“：”21“，”author“：”X Pan“，”year“：”2018“，”nonstructured“：”Pan，X.等人：用多尺度全卷积神经网络进行病理学和显微镜图像中的细胞检测。万维网21（6），1721\u20131743（2018）“，”journal-title“：”万维网“}，{“issue”：“05”，“key”：“4_CR14”，“doi-asserted-by”：“publisher”，“first-pages”：“1657002”，“doi”：“10.1142\/S0218001416570020”，“volume”：”30“，“author”：“K Santosh”，“year”：“2016”，“unstructured”：“Santosh，K.，Alam，N.，Roy，P.P.，Wendling，L.，Antani，S.，Thoma，G.R.：生物医学图像中一种简单有效的箭头检测技术。国际J模式识别。Artif公司。智力。30（05），1657002（2016）“，“期刊标题”：“国际期刊模式识别。Artif公司。智力。“}，{”key“：”4_CR15“，”首页“：”634“，”卷“：”13“，”author“：”S Shil“，”year“：”2009“，”unstructured“：”Shil，S.，Dutta Choudhury，M.：印度东北部特里普拉瑞格部落使用的蕨类植物的民族医学重要性。Ethnobot.传单13，634\u2013643（2009）“，”journal title“：”Ethnoboot.Leaflets“}”，{“issue”：“5”，“key”：“4_C”R16英寸doi-asserted-by“：”publisher“，”first page“：”1285“，”doi“：”10.1109\/TMI.2016.2528162“，“volume”：“35”，“author”：“HC Shin”，“year”：“2016”，“unstructured”：“Shin，H.C.，et al.：计算机辅助检测的深度卷积神经网络：CNN架构、数据集特征和转移学习。IEEE传输。医学成像35（5），1285\u20131298（2016）”，“期刊标题”：“IEEE Trans。医学成像“}，{“key”：“4_CR17”，“首页”：“1”，“卷”：“22”，“作者”：“R Suganya”，“年份”：“2017年”，“非结构化”：“Sugania，R.，Rajaram，S.：使用卷积神经网络进行健康信息学的肝硬化有效分类。集群计算。22，1\u201310（2017）”，“日志标题”：“集群计算”。}，}，“key“：”4_CR18“，”doi-asserted-by“：”publisher“，”first-pages“：”40“，”doi“：”10.1016\/j.asoc.2018.10.006“，”volume“：”74“，”author“：”Y-Wang“，”year“：”2019“，”unstructured“：”Wang，Y.等：基于深卷积神经网络的小鼠肝脏肉芽肿显微图像分类。应用。软计算。74，40\u201350（2019）“，“新闻标题”：“申请。软计算。“}，{”key“：”4_CR19“，”doi-asserted-by“：”publisher“，”首页“：”214“，”doi“：”10.1016\/j.neucom.2016.01.034“，”volume“：“191”“，”author“：”j Xu“，”year“：”2016“，”unstructured“：”Xu，J.，Luo，X.，Wang，G.，Gilmore，H.，Madabhushi，A.：一种深层卷积神经网络，用于组织病理学图像中上皮和基质区域的分割和分类。Neurocomputing 191，214\u2013223（2016）“，”journal-title“：”Neurocumputing“}]，”container-title”：[“计算机科学讲义”，“模式识别与机器智能”]，“原始标题”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10007\/978-3030-34872-4_4“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,3,7]]，”date-time“：”2024-03-07T15:48:23Z“，”timestamp“：1709826503000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3030-34872-4_4”}}，“subtitle”：[]，“shorttitle”：[]，“发布“：{“date-parts”：[2019]]}，“ISBN”：[“978303048717“，”9783030348724“]，”references-count“：19，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-34872-4_4“，”relation“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“type”:“print”，“value”：“0302-974”}，{“类型”：“electronic”，“值”：“1611-3399”}]，“主题”：[]，“published”：{“date-parts”：[2019]]}，“assertion”：[{“value”：“2019年11月25日”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“PReMI”，“order”：1，“name”:“conference_acrombit”，“table”：“conference-Acromnim”，“groups”:{“name:”ConferenceInfo“，”table“：”ConferenceInformation“}}“，{”value“：”模式识别与机器智能国际会议“，”order“：2，”name“：”Conference_name“，”label“：”会议名称“，”group“：”{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Tezpur”，“order”：3，“name“：}，{“value”：“印度”，“订单”：4，“name”：“conference_country”，“label”：“会议国家”，“group”：{“name”:“ConferenceInfo”名称“：“conference_start_date”，“label”：“会议开始日期”，“group”：{“name”：“ConferenceInfo”，“label”：“会议ID”，“group”：{“name”：“ConferenceInfo”type“，”label“：”type“，”group“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}}，{“value”：“341”，“order”：3，“name”：“number_of_submissions_sent_for_review”：“接受的全文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”:“Number_of_short_Papers_Accepted”，“标签”：“已接受的短文数”：“同行评审信息（由会议组织者提供）”}}，{“value”：“38%-该值由等式“接受的全文数”/“发送供评审的提交数*100”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”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“3”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个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”，“订单”：9，“name“：”external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“此内容已向所有人开放。”，“name”:“free”，“table”：“free to read”}]}}