｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,9,15]，“date-time”：“2024-09-15T13:57:09Z”，“timestamp”：1726408629936｝，“publisher location”：“Cham”，“reference count”：37，“publisher”：“Springer International Publishing”，“isbn type”：[｛“type”：“print”，“value”：“9783030597214”｝，｛“type”：“electronic”，“value”：“9783030597221”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http:\\/www.springer.com\/tdm”}，{“start”：0-01-01T00:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“延迟天数”：0，“URL”：“http:\/\/www.springer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：157783680000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https:\/\/www.springer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：157783680000｝，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[2020]]}，”DOI“：”10.1007\/978-3030-59722-1_7“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,10,2]]，“date-time”：“2020-10-02T21:03:01Z”，“时间戳”：1601672581000}，“页面”：“66-76”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：51，”title“：[”MitoEM数据集：从EM图像中进行大规模3D线粒体实例分割“]，”prefix“：”10.1007“，”author“：[{”given“：”Donglai“，”family“：”魏“，“sequence”：“first”，“affiliation”：[]}，{“given”：“Zudi”，“family”：“Lin”，“segmentation”：“additional”，“filiation“：[]{”given“：Daniel”，”family“：”Franco-Barranco“，”sequence“：”additional“sequence”：“additional”，“affiliation”：[]}，{“given”：“Wenjie”，“family”：“Yin”，“sequence”：“additional”，“affiliation”：[]}，{“fixed”：“Xin”，“家族”：“Huang”，“sequence”:“additionable”，“filiation“：[]{”，{”given“：”Aarush“，”family“：”Gupta“，”sequence“：”additional给定“：”雪英“，”家庭“：”王“，”序列“：“additional”，“affiliation”：[]}，{“given”：“Ignacio”，“family”：“Arganda-Carreras”，“sequence”：“addressive”，“filiation“：[]{”given“：”Jeff W.“，”family“：”Lichtman“，”sequence“：”additional“，”affiliance“：[]}，}“giving”：“Hanspeter”，“家族”：“Pfister”，“序列”：“附加”，“从属关系”：[]{“成员”：“297”，“published on line”“：{”日期部分“：[[2020,9,29]]}，“reference”：[{“key”：“7_CR1”，“unstructured”：“Ariadne.ai：皮层细胞线粒体和ER的自动分割（2018）。https:\/\/Ariadne.ai\/case\/segration\/corganelles\/CorticalCells\/.2020年7月7日访问”}，{“issue”：“2”，“key“：”7_CR2“，”doi-asserted-by“：”publisher“，”first page“：“101”，“doi”：“10.1038\/nmeth.4151”，《卷》：“14”，“author”“”：“T Beier”，“year”：“2017年”，“unstructured”：“Beier，T.，et al.：Multicut使自动神经突起分割更接近人类表现。Nat.Meth.14（2），101\u2013102（2017）”，“journal-title”：“Nat.Meth”}，{“key”：“7_CR3”，“doi-asserted-by”：“crossref”，“非结构化”：“Chen，H.，Qi，X.，Yu，L.，Heng，P.A.：DCAN：用于准确腺体分割的深轮廓软件网络。收录：CVPR，第2487\u20132496页。IEEE（2016）“，“DOI”：“10.1109\/CVPR.2016.273”}，{“key”：“7_CR4”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cheng，H.C.，Varshney，A.：使用有限训练数据的卷积神经网络进行卷分割。见：ICIP，第590\u2013594页。IEEE（2017）“，”DOI“：”10.1109\/ICIP.2017.8296349“}，{”key“：”7_CR5“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“424”，“DOI”：“10.1007\/978-3319-46723-8_49”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2016”，“author”：“\u00d6\u00c7i\u00e7ek”“，”年份“：”2016“，”非结构化“：”\u00c7i\u00e7ek，\u00d6.，Abdulkadir，A.，Lienkamp，S.S.，Brox，T.，Ronneberger，O.：3D U-Net：从稀疏注释学习密集的体积分割。收录人：Ourselin，S.、Joskowicz，L.、Sabuncu，M.R.、Unal，G.、Wells，W.（编辑）MICCAI 2016。LNCS，第9901卷，第424\u2013432页。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-46723-8_49“}，{“key”：“7_CR6”，“unstructured”：“Ciresan，D.，Giusti，A.，Gambardella，L.M.，Schmidhuber，J.：电子显微镜图像中的深层神经网络分段神经元膜。摘自：NeurIPS，pp.2843\u20132851（2012）”}，}，“key“：”7_CR7“，”doi-asserted-by“：”publisher“，”first page“：“1362”，“doi”：“10.1109\/TPAMI.2008.173”，“卷”：“31”，“作者”：“J Cousty”，“年份”：“2008”，“非结构化”：“Cousty，J.，Bertrand，G.，Najman，L.，Couprie，M.：分水岭：最小跨度森林和滴水原理。TPAMI 311362\u20131374（2008）“，”journal-title“：”TPAMI“}，{”issue“：”4“，”key“：”7_CR8“，”doi-asserted-by“：”publisher“，”first page“：“435”，”doi“：”10.1038\/nmeth.4206“，“volume”：“14”，“author”：“S Dorkenwald”，“year”：“2017”，“unstructured”：“Dorkenwald，S.：体积电子显微镜的自动突触连接性推理。Nat.Meth.14（4），435\u2013442（2017）“，”杂志标题“：”自然方法。“}，{”issue“：“7”，”key“：“7_CR9”，”doi-asserted-by“：”publisher“，”first page“：”1669“，”doi“：”10.1109\/TPAMI.2018.2835450“，”volume“：：”41“，”author“：”J Funke“，”year“：”2018“，”unstructured“：”Funke，J.：“基于结构化损失的深度学习的大规模图像分割，用于连接体重建。TPAMI 41（7），1669\u20131680（2018）”，“journal-title”：“”TPAMI“}，{“key”：“7_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Gkioxari，G.，Doll\u00e1r，P.，Girshick，R.：Mask R-CNN.In:ICCV，pp.2961\u20132969。IEEE（2017）“，“DOI”：“10.1109\/ICCV.2017.322”}，{“key”：“7_CR11”，“unstructured”：“Jain，V.，Turaga，S.C.，Briggman，K.，Helmstaedter，M.N.，Denk“：”605“，”DOI“：”10.1038\/s41592-018-0049-4“，“volume”：“15”，“author”：“M Januszewski”，“year”：“2018”，“unstructured”：“Januszewski，M.，et al.：用洪水填充网络高精度自动重建神经元。自然法。15（8），605\u2013610（2018）“，“新闻标题”：“自然方法。“}，{”issue“：”1“，”key“：”7_CR13“，”doi-asserted-by“：”publisher“，”first-page“：”39“，”doi“：”10.1038\/mp.2015.156“，”volume“：“21”，”author“：”T Kashahara“，”year“：”2016“，”unstructured“：”Kasahara，T.等：心室旁丘脑线粒体DNA缺失小鼠的抑郁样发作。摩尔精神病学21（1），39\u201348（2016）“，”杂志标题“：”摩尔。精神病学“}，{”问题“：“4”，”关键“：“7_CR14”，“首页”：“829”，“卷”：“37”，“作者”：“N Krasowski”，“年份”：“2017年”，“非结构化”：“Krasowki，N.，Beier，T.，Knott，G.，K\u00f6the，U.，Hamprecht，F.A.，Kreshuk，A.：神经元分割与高级生物先验。TMI 37（4），829\u2013839（2017）”，“新闻标题”：“TMI”}，{“键”：“7_CR15”，“非结构化”：“Lee，K.，Zung，J.，Li，P.，Jain，V.，Seung，H.S.：SNEMI3D连接组学挑战中的超人准确性。arXiv:1706.00120（2017）“}，{“key”：“7_CR16”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“首页”：“740”，“doi”：“10.1007\/978-3319-10602-1_48”，“volume-title”：《计算机视觉\u2013 ECCV 2014》，“author”：“T-Y Lin”，《年份》：“2014”，“非结构化”：“Lin，T.-Y.，等：微软COCO：上下文中的通用对象。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8693卷，第740\u2013755页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10602-1_48“}，{“key”：“7_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，J.，Li，W.，Xiao，C.，Hong，B.，Xie，Q.，Han，H.：使用深层神经网络从SEM图像中自动检测和分割线粒体。In:EMBC.IEEE（2018）”，“doi”：“10.1109\/EMBC.2018.8512393”}，}“key:”7_CR18“，”series-title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“400”，“doi”：“10.1007\/978-3642-33709-3_29”，“volume-title”：“Computer Vision\u2013 ECCV 2012”，“author”：“A Lucchi”，《year》：“2012”，《unstructured》：“Lucci，A.，Li，Y.，Smith，K.，Fua，P.：使用核化特征的结构化图像分割。收录人：Fitzgibbon，A.、Lazebnik，S.、Perona，P.、Sato，Y.、Schmid，C.（编辑）ECCV 2012。LNCS，第7573卷，第400\u2013413页。施普林格，海德堡（2012）。https:\/\/doi.org\/10.1007\/978-3642-33709-3_29“}，{“问题”：“5”，“关键”：“7_CR19”，“首页”：“1096”，“卷”：“34”，“作者”：“A Lucchi”，“年份”：“2014”，“非结构化”：“Luccchi，A.：学习二维和三维图像分割的结构化模型。TMI 34（5），1096\u20131110（2014）”，“日志标题”：“TMI”}，“key”：“7_CR20”，“首页”：“474”，“卷：“31”，“作者”：“A Lucchi”，“年份”：“2011年”，“非结构化”：“Luccchi，A.，Smith，K.，Achanta，R.，Knott，G.，Fua，P.：基于Superoxel的EM图像堆栈线粒体分割，具有学习的形状特征。TMI 31（2），474\u2013486（2011）“，“journal-title”：“TMI”}，{“key”：“7_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Meirovitch，Y.，Mi，L.，Saribekyan，H.，Matveev，A.，Rolnick，D.，Shavit，N.：交叉分类聚类：一种高效的多对象跟踪技术，用于连接组学中的三维实例分割。in:CVPR.IEEE（2019）”，“doi”：“10.1109\/CVPR.2019.00862“}，{”issue“：”6469“，”key“：”7_CR22“，”doi-asserted-by“：”publisher“，”first page“：“eaay3134”，”doi“：”10.1126\/science.aay3134“，”volume“：（2019）“，”期刊标题“：”Science“}，｛”key“：”7_CR23“，”doi断言“：”publisher“，”首页“：”e71715“，”doi“：”10.1371\/journal.pone0071715“，”卷“：”8“，”作者“：”J Nunez-Iglesias“，”年份“：”2013“，”非结构化“：”Nunez-Iglesias，J.、Kennedy，R.、Parag，T.、Shi，J.和Chklovskii，D.B.：分层聚类的机器学习，以分割2D和3D图像。PLoS ONE 8，e71715（2013）“，“journal-title”：“PLoS ONE”}，{“key”：“7_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Oztel，I.，Yolcu，G.，Ersoy，I.、White，T.，Bunyak，F.：使用深度卷积神经网络在电子显微镜体积中分割线粒体。摘自：IEEE生物信息学和生物医学国际会议（2017）”，“DOI“：”10.1109\/BIBM.2017.8217827“}，{“key”：“7_CR25”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：”234“，“DOI”：“10.1007\/978-3319-24574-4_28”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2015“，“author”：“O Ronneberger”，“year”：“2015”，“unstructured”：“”Ronneberger，O.，Fischer，P.，Brox，T.：U-Net：生物医学图像分割的卷积网络。收录人：Navab，N.、Horneger，J.、Wells，W.M.、Frangi，A.F.（编辑）MICCAI 2015。LNCS，第9351卷，第234\u2013241页。查姆施普林格（2015）。https:\/\/doi.org\/10007\/978-3-319-24574-4_28“}，{”key“：”7_CR26“，”doi-asserted-by“：”publisher“，”first page“：“2736”，”doi“：”10.1038\/s41467-019-10836-3“，”volume“：10”，”author“：”PJ Schubert“，”year“：”2019“，”unstructured“：”Schubert，P.J.，Dorkenwald，S.，Januszewski，M.，Jain，V.，Kornfeld，J.：用神经网络学习细胞形态学。Commun公司。10，2736（2019）“，“新闻标题”：“Nat.Commun。“}，{”key“：”7_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”Smith，K.，Carleton，A.，Lepetit，V.：学习不规则形状的快速射线功能。In:ICCV.IEEE（2009）“，”doi“：”10.1109\/ICCV.2009.5459210“}”{“key”：“7_CR28”，“unstructure”：“”Turaga，S.C.、Briggman，K.L.、Helmstaedter，M.、Denk，W.、Seung，H.S.：图像分割的Maximin亲和学习。摘自：NeurIPS，第1865\u20131873（2009）页“}，{“key”：“7_CR29”，“doi-asserted-by”：“crossref”，“unstructured”：“Vazquez-Reina，A.，Gelbart，M.，Huang，D.，Lichtman，J.，Miller，E.，Pfister，H.：连接组学的分段融合。摘自：ICCV.IEEE“publisher”，“first page”：“92”，“DOI“：”10.3389\/fnana.2018.0092“，”volume“：”12“，”author“：”C Xiao“，”year“：”2018“，”unstructured“：”Xiao，C：“使用三维监督卷积网络对EM数据进行线粒体自动分割。Front。神经酸盐。12，92（2018）“，“新闻标题”：“正面。神经酸盐。“}，{”key“：”7_CR31“，”doi-asserted-by“：”crossref“，”unstructured“：”Xu，N.，et al.：YouTube-VOS：大型视频对象分割基准。In:ECCV.Springer，Heidelberg（2018）“，”doi“：”10.1007\/978-3-030-01228-1_36“}”，{“issue”：“12”，“key”：“7_CR32”，“doi-assert-by”：“publisher”，“first-pages”：“2901”，“doi”：“10.1109\/TB ME.2017.2686418“，”卷“：”64”，“作者”：“Y Xu”，“年份”：“2017”，“非结构化”：“Xu，Y.：使用深度多通道神经网络的腺体实例分割。事务处理。生物识别。Eng.64（12），2901\u20132912（2017）“，“期刊标题”：“翻译。生物识别。工程师“}，{”key“：”7_CR33“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“138”，“doi”：“10.1007\/978-3-030-00934-2_16”，“volume-title”：“医学图像计算与计算机辅助干预\u2013 MICCAI 2018”，“author”：“Z Yan”，“year”：“2018”，”unstructured“：”Yan，Z.，Yang，X.，Cheng，K.-T.T.：一个用于腺体实例分割的具有保形损失的深度模型。收录人：Frangi，A.F.、Schnabel，J.A.、Davatzikos，C.、Alberola-L\u00f3pez，C.、Fichtinger，G.（编辑）MICCAI 2018。LNCS，第11071卷，第138\u2013146页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-00934-2_16“}，{“问题”：“16”，“密钥”：“7_CR34”，“doi-asserted-by”：“出版商”，“首页”：“2555”，“doi”：“10.1093\/生物信息学”，“卷”：“33”，“作者”：“T Zeng”，“年份”：“2017”，“非结构化”：“Zeng，T.，Wu，B.，Ji，S.：DeepEM3D：探讨3D各向异性EM图像分割的人性化性能。生物信息学33（16），2555\u20132562（2017）“，“期刊标题”：“生物信息学”}，{“问题”：“10”，“关键”：“7_CR35”，“doi-asserted-by”：“出版商”，“首页”：“2153”，“doi”：“10.1093\/brain\/awh259”，“卷”：“127”，“作者”：“M Zeviani”，“年份”：“2004”，“非结构化”：“Zeviani，M.，Di Donato，S.：线粒体疾病。brain 127（10），2153\u20132172（2004）“，”journal-title“：”Brain“}，{”key“：”7_CR36“，”doi-asserted-by“：”publisher“，”first page“：“18725”，”doi“：”10.1038\/srep18725“，“volume”：“6”，“author”：“L Zhang”，“year”：“2016”，“unstructured”：“Zhang，L.，et al.：脑能量学改变导致阿尔茨海默病线粒体裂变阻滞。Sci.Rep.6，18725（2016）”，“journal-title”：“Sci.Rep.”}，}“”键“：”7_CR37“，”非结构化“：”Zlateski，A.，Seung，H.S.：通过流域图的大小相关单链接聚类进行图像分割。arXiv:1505.00249（2015）“}]，“container-title”：[“计算机科学课堂讲稿”，“医学图像计算和计算机辅助干预\u2013 MICCAI 2020”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-59722-1_7”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2021,4,24]]，”date-time“：”2021-04-24T15:06:28Z“，”timestamp“：1619276788000}，”score“：1，”resource“：”primary“：”{“URL”：“https:\/\/link.springer.com\/10007\/978-3030-59722-1_7”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2020年]]}，“ISBN”：[“9783030597214”，“9783030597221“]，”引用计数“：37，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-59722-1_7“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“type”:“print”，“value”：“0302-974”}，{“type”：“electronic”，“value”：“1611-3399”}]，“subject”：[]，“published”：{“date-parts”“：[[2020]]}，”断言“：[{”值“：”2020年9月29日“，”订单“：1，”名称“：”first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“MICCAI”，“order”：1，“name”:“conference_acrombit”，“table”：“ConferenceAcronym”，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}}”，{”value“：”医学图像计算与计算机辅助干预国际会议“，”order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：“：”会议国家/地区“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2020“，”order“：5，”name“:”Conference_year“，”标签“：”会议年“，”group“：会议信息“，”标签“：”会议信息“}}，{“value”：“2020年10月8日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：{“name”:“ConferenceInfo”，标签“：“Conferency Information”}}会议信息“}}，{“value”：“miccai2020”，“order”：10，“name”：“Conference_id”，“label”：“Conference-id”，“group”：{“name”:“ConferenceInfo”，“table”：“会议信息”}}信息“}}，{”value“：”Double-blind“，”order“：1，”name“：”type“，”label“：”type“，”group“：label“：”同行评审信息（由会议组织者提供）“}}，{“value”：“1809”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）name“：”number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，”value“：“0”，”order“：5，”name“：ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”30%-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“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“4”，“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”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及的外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}，”{“value”：“会议实际上是由于新冠肺炎疫情而召开的。”，“order”：10，“name”：“additional_info_on_Review_process”，“label”：“”评审过程附加信息“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}