{“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”：[[2023,11,3]]，“日期时间”：“2023-11-03T00:39:30Z”，“时间戳”：1698971970236}，“出版商位置”：“查姆”，“参考计数”：27，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030872304”，“类型”：”打印“}，{“值”：“9783030872311”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“开始”：{“date-ports”：[2021,1,1]，“日期-时间”：“2021-01-01T00:00:00Z”，“时间戳”：1609459200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：160945.9200000}，“content-version”：“tdm”，“delay-in-days”：0、“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\www.sprinternature.com/gp\researters/text-and-date-mining“}]，”content-domain“：{”domain“：[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2021]]}，”DOI“：”10.1007\/978-3-030-87231-1_33“，”type“：”book-capter“，”created“：{”date-part“：[2021,9,22]]，“date-time”：“2021-09-22T15:05:11Z”，“timestamp”：1632323111000}，《page》：“340-349”，“update-policy”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：1，“title”：[“基于Benford\u2019s定律的三维磁共振图像的里氏噪声估计”]，“prefix”：“10.1007”，”author“：[{“ORCID”：”http://\/ORCID.org\/00000-0002-4693-0954“，”authenticated-ORCID“：false，”given“：”Rosa“，”family“Maza-Qui”罗加”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0001-6519-1213”，“authenticated-ORCID”：false，“given”：Karl，“family”：“Thurnhofer-Hemsi”，“se序列”：“additional”，“从属关系”：[]}，}“ORCID”：“http://www.ORCID.org\/000-0002-0172-1585”，“authenticated-ORCID“：false”，“give”：“Domingo”，“faily”：00f3pez-Rodr\u00edguez“，”序列“：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0001-8231-5687”，“authenticated-ORCID”：false，“given”：”Ezequiel“，”family“：”L\u00f3pez-Rubio“，”sequence“：”additional“，”affiliance“：[]2]，”member“：”297“，”published-online“：{”date-parts“：[2021,9,21]]}”，“reference”：[{”key“33_CR1“，”doi-asserted-by“：”crossref“，”非结构化“：“Al-Bandawi，H.，Deng，G.：基于广义Benford\u2019s定律的图像失真分类。多媒体工具应用78，25611\u201325628（2019）”，“DOI”：“10.1007\\s11042-019-7668-3”｝，｛“key”：“33_CR2”，“DOI断言”：“crossref”，“非结构化”：“Chang，S.G.，Yu，B.，Vetterli，M.：基于上下文建模的空间自适应小波阈值图像去噪。IEEE Trans.image Process.9（9），1522\u20131531（2000）”，“DOI”：“10.1109\/83.862630”}，{“key”：“33_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，W.，You，J.，Chen，B.，Pan，B.，Li，L.，Pomeroy，M.，Liang，Z.：蓖麻噪声存在下基于稀疏表示和字典学习的图像恢复算法。神经计算286130\u2013140（2018）”，“DOI”：“10.1016\/J.neucom.2018.01.066”}，{“key”：“33_CR4”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dolz，J.等人：在深度网络中堆叠去噪自动编码器以分割脑癌患者核磁共振成像上的脑干：一项临床研究。计算机医学成像图.52，8\u201318（2016）”，“DOI”：“10.1016\/J.compmedimag.2016.03.003”}，{“key”：“33_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fu，D.，Shi，Y.Q.，Su，W.：JPEG系数的广义Benford\u2019定律及其在图像取证中的应用。收录于：III，E.J.D.，Wong，P.W.（eds.）Security，Steganography，and Watermarking of Multimedia Contents IX，vol.6505，pp.574\u2013584。国际光学与光子学学会，SPIE（2007）“，“DOI”：“10.1117\/12.704723”}，{“key”：“33_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Golshan，H.M.，Hasanzadeh，R.P.，Yousefzadeh（S.C.）：一种使用图像数据冗余和局部信噪比估计的核磁共振去噪方法。磁共振成像31（7），1206\u20131217（2013）”，“DOI:”10.1016\/j.mri.2013.04.004“}，{“key”：“33_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Gudbjartsson，H.，Patz，S.：有噪mri数据的Rician分布。Magn.Reson.Med.34（6），910\u2013914（1995）”，“doi”：“10.1002\/mrm.1910340618”}，}“key”：“33 _CR8”，“doi-asserted-by”“：”crossreff“，“unsructured“：”Jifara，W.，Jiang，F.，Rho，S.，Cheng，M.，Liu，S.：使用卷积神经网络的医学图像去噪：一种残差学习方法。J.超级计算机。75（2），704\u2013718（2019）“，“DOI”：“10.1007\/s11227-017-2080-0”}，{“key”：“33_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Jolion，J.M.：Images and benford\u2019s law.J.Math.Imaging Vis.14（1），73\u201381（2001）”，“DOI:”10.1023\/A:“1008363415314”}by“：”publisher“，”unstructured“：”Klein，A.，Tourville，J.：101标记大脑图像和一致的人类皮层标记协议。前面。神经科学。6, 171 (2012). https:\/\/doi.org\/10.3389\/fnins.2012.00171“，”doi“：”10.3389\/fnins.2012.00171“}，{“key”：“33_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Koay，C.G.，Basser，P.J.：从有噪幅度MR信号提取信号的分析精确校正方案。J.Magn.Reson.179（2），317\u2013322（2006）”，“doi”：“10.1016\/jmr.2006.01.01”16“}，{”键“：”33_CR12“，”doi-asserted-by“：”crossref“，”unstructured“：”Krissian，K.，Aja-Fern\u00e1ndez，S.：MRI的噪声驱动各向异性扩散滤波。IEEE Trans。图像处理。18（10），2265\u20132274（2009）“，“DOI”：“10.1109\/TIP.2009.2025553”}，{“key”：“33_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kwon，K.，Kim ted-by“：”publisher“，”unstructured“：”Landman，B.A.等人：多参数神经成像再现性：一项3-T资源研究。《神经影像》54（4），2854\u20132866（2011）。https:\/\/doi.org\/10.1016\/j.neuroimage.2010.11.047“，”doi“：”10.1016\/j-neuroimage.2010.11.046“}，{“key”：“33_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，X.，Tanaka，M.，Okutomi，M.：使用单个噪声图像的弱纹理块进行噪声级估计。摘自：2012年IEEE第19届图像处理国际会议，第665\u2013668页。IEEE（2012）“，“DOI”：“10.1109\/ICIP.2012.6466947”}，{“key”：“33_CR16”，“unstructured”：“Marcel，M.：Benford\\_py:Benford_u2019s Law Tests的Python实现（2017）.https:\/\/github.com\/mlicent\/Benford_py”}Morgan，V.L.，Mishra，A.，Newton，A.T.，Gore，J.C.，Ding，Z.：整合功能和扩散磁共振成像以分析人类语言网络中的结构-功能关系。PLOS ONE 4（8），1\u20138（2009）。https:\/\/doi.org\/10.1371 \/journal.pone.0006660“，”doi“：”10.1371 \/journal.pone.00066660“}，{“key”：“33_CR18”，“doi-asserted-by”：“publisher”，“unstructured”：“Nooner，K.B.，et al.：NKI-Rockland样本：加快精神病学发现科学步伐的模型。Front.Neurosci.6152（2012）。https:\//doi.org\/10.3389 \/fnins.2012.0152“，“”DOI“：”10.3389\/fnins.2012.00152“}，{“key”：“33_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Rajan，J.，Jeurissen，B.，Verhoye，M.，Van Audekerke，J.、Sijbers，J.：使用受限局部邻域对磁共振图像进行基于最大似然估计的去噪。Phys.Med.Biol.56（16），5221（2011）”，“DOI”：“10.1088\/0031-9155\/56\/16\/009“}，{“key”：“33_CR20”，“doi-asserted-by”：“publisher”，“unstructured”：“Sanches，J.，Marques，J.S.：使用Benford定律重建图像。收录于：2006年国际图像处理会议，第2029\u20132032页（2006）。https:\/\/doi.org\/10.109\/ICIP.2006.312845”，“doi”：“10.1109\/ICIC.2006.312844”}，}，“key“：”33_CR21“，”非结构化”：“Smith，S.W.：《科学家与工程师数字信号处理指南》。加州技术出版社，加州圣地亚哥（1997）“}，{”key“：”33_CR22“，”doi-asserted-by“：”crossref“，”unstructured“：”Tian，C.，Xu，Y.，Li，Z.，Zuo，W.，Fei，L.，Liu，H.：图像去噪的注意力引导CNN。Neural Netw.124，117\u2013129（2020）“，”doi“：”10.1016\/j.neunet.2019.12.024“}”，{“key”：“33_CR23”，“doi-asserted-by”：”cross-ref“，“”非结构化”：“Tripathi，P.C.，Bag，S.：Cnn-dmri：用于磁共振图像去噪的卷积神经网络。模式识别。莱特。135，57\u201363（2020）“，“DOI”：“10.1016\/j.patrec.2020.036”}，{“key”：“33_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，X.，Fei，B.：磁共振（MR）图像的小波多尺度去噪算法。Measure.Sci.Technol.22（2），025803 _CR25“，”DOI-asserted-by“：”crossref”，“非结构化”：“Yu，H.，Ding，M.，Zhang，X.：基于拉普拉斯特征映射网络的非局部均值MR图像去噪方法。传感器19（13），2918（2019）“，“DOI”：“10.3390\/s19132918”}，{“key”：“33_CR26”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang，K.，Zuo，W.，Chen，Y.，Meng，D.，Zhang“：”33_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，X.，et al.：使用高阶奇异值分解对三维磁共振图像进行去噪。医学图像分析。19（1），75\u201386（2015）“，”DOI“：”10.1016\/j.media.2014.08.004“}]，”container-title“：[”医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，”计算机科学讲义“]，”original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10007\/978-3-030-87231-1_33“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,11,2]]，”date-time“：”2023-11-02T20:05:10Z“，”timestamp“：1698955510000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3-030-87231-1_33”}}，“subtitle”：[]，“shorttitle”：[]，“发布“：{“date-parts”：[[2021]]}，“ISBN”：[“9783030872304“，”9783030972311“]，”references-count“：27，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-87231-1_33“，”relationship“：{}，”ISSN“：[”0302-9743“，“1611-3349”]，”ISSN-type“：[{”value“：”0302-7743“published”：{“date-parts”：[[2021]]}，“assertion”：[{“value”：“2021年9月21日”order“：1，”name“：”first_online“，”label“：”first online“，”group“：｛”name“：”ChapterHistory“，”label“：”ChapterHistory“｝｝｝，｛”value“：”MICCAI“，”order“：1，”name“：”conference_accomposition“，”label“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”国际医学图像计算与计算机辅助干预会议”，“order”：2，“name”：“Conference_name”，“label”：“ConferenceName”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“Strasbourg”，“订单”：3，“name“：”Conference_city“，”label“：”ConferenceCity“，”group“：{”name“：会议信息“}}，{”value“：”France“，”order“：4，”name“：”Conference_country“，”label“：”ConferenceCountry“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2021”，“order”：5、“name”:“Conference_year”，“tabel”：”ConfeenceYear“，”group“：2021年9月27日“，”order“：7，”name“：”conference_start_date“，”label“：”会议开始日期“，”group“：9，“name“：”conference_number“，”label“：”会议编号“，”group“：{“name”：”ConferenceInfo“，“label”：”会议信息“}}，{“value”：”miccai2021“，”order“：10，”name“：“conference_id”，”label:“会议id”，“group”:{“name”：“ConferenceInformo”，“lable”：“会议信息”}}、{“value”：“https:\/\/miccai2021.org\/en\/”，“order”：11，“name“：”conference_url“，”标签“：”会议URL“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Double-blind”，“order”：1，“名称”：“类型”，“标签”：“type”，“group”：conference_management_system“，”label“：”会议管理系统“，”group“：ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“531”，“order”：4，“name”：“number_of_full_papers_accepted”，“label”：“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“，”label“：”接受的短文数“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“33%-该值由等式“接受的完整论文数”/“提交供审查的论文数*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“：ConfEventPeerReviewInformation“，”label“：”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”：}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部审阅者”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{”value“：”会议已虚拟举行。“，”order“：10，”name“：”additional_info_on_Review_process“，”label“：“审阅过程的附加信息”，“组”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}]}