{“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”：[[2024,9,12]，“日期时间”：“2024-09-12T01:47:02Z”，“时间戳”：172610562229}，“发布者位置”：“Cham”，“引用计数”：12，“发布商”：“Springer International Publishing”，“isbn-type”：[{“类型”：”print“，“值”：“9783030638191”}，{“type”：“电子”，“value”：“9783030638207”}]，“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“，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\/\www.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“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\/978-3030-63820-7_67“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“589-596”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：9，”title“：[”Unpervised Reused Convolutional Network for Metal Artifact Reduction“]，”prefix“：”10.1007“，”author“：[{”given“Binyu”，“family”：“Zhao”“，”序列“：“first”，“affiliation”：[]}，{“given”：“Jinbao”，“family”：“Li”，“sequence”：“additional”，“filiation“：[]{”given“：“Qianqian”，”family“：”Ren“，”sequence“：”additional“，”affiliance“：[]}，“givent”：“英利”，“家庭”：“钟”，“序列”：“附加”，“从属关系”：[]{“member”：“297”，“published on line”：{“date-parts”：[[2020,11,17]]}，“引用”：[{“键”：“67_CR1”，“非结构化”：“Gjesteby，L.等人：具有感知损失函数的ct金属伪影减少的深度神经网络。在：《第五届X射线计算机断层扫描图像形成国际会议论文集》（2018）”}，{“key”：“67_CR2”，“doi asserted by”：“crossref”，“nonstructured”：“Sakamoto，M.，et al.：使用CNN自动分割受金属伪影污染的CT中的臀部和大腿肌肉。in:2019年亚洲医学成像国际论坛（2019年）”，“DOI”：“10.1117\/12.521440”}，{“key”：“67_CR3”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1007\/978-3-030-32226-7_36”，“卷标题”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2019”，“作者”：“T Shen”，“年份”：“2019”，“非结构化”：“Shen，T.，Li，X.，Zhong，Z.，Wu，J.，Lin，Z.:R$^{2}$-Net：用于稀疏视图CT伪影去除的递归和递归网络。In：Shen，D.等人（编辑）MICCAI 2019。LNCS，第11769卷，第319\u2013327页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32226-7_36“}，{“key”：“67_CR4”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“203”，”doi“：”10.1007\/978-30-3226-7_23“，”volume-title“：”医学图像计算和计算机辅助干预\u2013 MICCAI 2019“，”author“：”H Liao“，”年份“：”2019“”，“非结构化”：“Liao，H.，Lin，W.-A，Yuan，J.，Zhou，S.K.，Luo，J.：无监督金属伪影还原的伪影解缠结网络。收录人：Shen，D.等人（编辑）MICCAI 2019。LNCS，第11769卷，第203\u2013211页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32226-7_23“}，{”key“：”67_CR5“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“3”，”doi“：”10.1007\/978-30-00928-1_1“，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2018”，“作者”：“J Wang”，“年份”：“2018”，”非结构化“：”Wang，J.，Zhao，Y.，Noble，J.H.，Dawant，B.M.：减少耳朵CT图像中金属伪影的条件生成对抗网络。收录人：Frangi，A.F.、Schnabel，J.A.、Davatzikos，C.、Alberola-L\u00f3pez，C.、Fichtinger，G.（编辑）MICCAI 2018。LNCS，第11070卷，第3\u201311页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-00928-1_1“}，{“key”：“67_CR6”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first page”：”121“，“doi”：“10.1007\/978-30-3226-7_14”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2019“，”作者：“Z Wang”，“年份”：“2019”，“非结构化”：“Wang，Z.等：耳蜗植入术后CT成像中基于深度学习的金属伪影减少。收录人：Shen，D.等人（编辑）MICCAI 2019。LNCS，第11769卷，第121\u2013129页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32226-7_14“}，{“问题”：“6”，“密钥”：“67_CR7”，“doi-asserted-by”：“出版商”，“首页”：“1370”，“doi”：“10.1109\/TMI.2018.2823083”，“卷”：“37”，“作者”：“Y Zhang”，“年份”：“2018”，“非结构化”：“Zhang，Y.，Yu，H.：基于卷积神经网络的X射线CT金属伪影减少。IEEE传输。医学成像37（6），1370\u20131381（2018）“，“期刊标题”：“IEEE Trans。Med.Imaging“}，{“key”：“67_CR8”，“unstructured”：“Goodfellow，I.J.，et al.：生成性对抗网络。arXiv:1406.2661（2014）”}，“issue”：“3”，“key“：”67_CR9“，“doi-asserted-by”：“publisher”，“first-page”：“036501”，“doi”：“10.1117\/1.JMI.5.3.036501“，”volume“：“5”，“author”：“K Yan”，“year”：“2018”，“非结构化”：“Yan，K.，Wang，X.，Lu，L.，Summers，R.M.：深度损伤：通过深度学习自动挖掘大规模损伤注释和通用损伤检测。医学成像杂志。5（3），036501（2018）“，“杂志标题”：《医学成像杂志》。}，{“key”：“67_CR10”，“unstructured”：“Paszke，A.，et al.：Pytorch:一种命令式、高性能的深度学习库。In:Advances In Neural Information Processing Systems，pp.8026\u20138037年份”：“2020”，“非结构化”：“Ghani，M.-U.，Karl，W.-C:使用数据域深度学习快速增强CT金属伪影减少。IEEE传输。计算。Imaging 6，181\u2013193（2020）“，“journal-title”：“IEEE Trans。计算。成像“}，{“key”：“67_CR12”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”147“，“doi”：“10.1007\/978-3-030-59713-9_15”，“volume-title”：”医学图像计算与计算机辅助干预\u2013 MICCAI 2020“，“author”：“Y Lyu”，“year”：“2020”，“unstructured”：“Lyu，Y.，Lin，W.-A.，Liao，H.，Lu，J.，Zhou，S.K.：编码金属掩模投影以减少计算机断层扫描中的金属伪影。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12262卷，第147\u2013157页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59713-9_15“}]，“container-title”：[“计算机和信息科学中的通信”，“神经信息处理”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\//link.springer.com/content\/pdf\/10007\/978-30-63820-7_67”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2021,4,24]]，”date-time“：”2021-04-24T22:26:35Z“，”timestamp“：1619303195000}，”score“：1，”resource“：”primary“：”{“URL”：“https:\\/link.springer.com\/10007\/978-3030-63820-7_67”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2020年]]}，“ISBN”：[“9783030638191”，“9783030638207“]，”references-count“：12，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-63820-7_67“，”relation“：{}，”ISSN“：[”1865-0929“，”1865-0.937“]，“ISSN-type”：[{“type”:“print”，“value”：“1865-0929}，{“type”：“electronic”，“value”：“865-0937”}]，“subject”：[]，“published”：{“date-parts”“：[[2020]]}，”断言“：[{”值“：”2020年11月17日“，”订单“：1，”名称“：”first_online”，“label”：“first online”，“group”：｛“name”：“ChapterHistory”，“label”：“ChapterHistory”｝｝，｛“value”：“ICONIP”，“order”：1，“name”：“conference_accomponeym”，“label”：“conference acronym”，“group”：｛“name”：“ConferenceInfo”，“label”：“conference Information”｝｝，｛“value”：“International conference on Neural Information Processing”，“order”：2，“name”：“conference_name“，”label“：”会议名称“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”曼谷“，”order“：3，”name“:”conference_city“，”标签“：”会展城市“，”group“：group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2020“，”order“：5，”name“:”Conference_year“，”tabel“：“会议年份”，“group”：{“name”：“ConferenceInformo”，“label”：“会议信息”}，“value”：“2020年11月18日”，“order”：7，“name“，”label“：”Conference Information“}}，{“value”：“2020年11月22日”，“order”：8，“name”：“Conference_end_date”，“label”：“ConferenceEnd date”，“group”：{“name”:“ConferenceInfo”，”label“:”Conferency Information“{}，”value“：”27“，”order“：9，”name“：”Conference_number“，”label:“Conversation number”，”group“：{”name“ConfernceInfo”“，”标签“：”会议信息“}}}”，{value“：”iconip2020“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：“value”：“单盲”，“order“：1，”name“：”type“，”label“：”type“，”group“：同行评审信息（由会议组织者提供）“}}，{“value”：“618”，“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）number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”189“，“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“：”3.18“，”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”：“3.68”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议组织方提供）“{}}”，{（value）：“No”，“订单”：9，“name“：”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”：“由于新冠肺炎疫情，会议实际上举行了。”，“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）”}}]}}