{“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”：[[2024,3,6]]，“日期时间”：“2024-03-06T21:04:31Z”，“时间戳”：1709759071334}，“发布者位置”：“Cham”，“引用计数”：28，“发布商”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030872366”，“类型”：”打印“}，{“值”：“9783030872373”，“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.springer.com\/tdm”}，{“开始”：{“date-ports”：[2021,1,1]，“日期-时间”：“2041-01-01T 00:00Z”，“timestamp”：1609459200000}，“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”：[[2021]]}，”DOI“：”10.1007\/978-3-030-87237-3_24“，”type“：”book-chapter“，”“created”:{“date-ports”：[[2021,9,23]]，“日期时间”：“2021-09-23T06:19:41Z”，“时间戳”：1632377981000}，“页面”：“248-256”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，”源“：”Crossref“，”is-referenced-by-count“：2，”title“：[”Weakly Supervised Pan-Cancer Segmentation Tool“]，”prefix“：”10.1007“，“author”：[{”given“：”Marvin“，‘family’：”Lerousseau“，’sequence“：”first“，”affiliation“：[]}，{“给定”：“马里恩”，“家族”：“Classe”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Enzo”，“family”：“Battistella”，“serquence”:“additionable”，“filiation“：[]{”given“：”Th\u00e9o“，”family“：”Estiene“，”sequence“：”additional：[]}，{“given”：“Amaury”，“family”：“Leroy”、“sequence”：“additional”，“affiliation”：[]}，{“given”：“Roger”，“family”：“Sun”，“sequences”：“additional”、“affidiation”：[]}、{“给定”：“Maria”，“家庭”：“Vakalopoulou”，“序列”：“附加”，“从属关系”：[]}，}“giving”：“Jean-Yves”，《family》：“Scoazec”，”sequence：“additive”，“filiance”：[】}，“givent”：“Eric”，“家族”：“De”utsch“，”sequence“：”附加“，“附属关系”：[]｝，｛“给定”：“Nikos”，“家族”：“Paragios”，“序列”：“附加”，“附属关系”：[]｝]，“成员”：“297”，“在线发布”：｛“日期部分”：[[2021,9,21]｝，“参考”：[｛“问题”：“8”，“密钥”：“24_CR1”，“doi断言者”：“发布者”，“第一页”：“1301”，“doi”：“10.1038\\s41591-019-0508-1”，“卷”：“25”，“作者”：“G Campanella”，“年份”：“2019”，“非结构化”：“Campanella，G.，et al.：对整个幻灯片图像使用弱监督深度学习的临床级计算病理学。《自然医学》25（8），1301\u20131309（2019）”，“期刊标题”：“自然医学”}，{“key”：“24_CR2”，“非结构性”：“Campanella，G.，Silva，V.W.K.，Fuchs，T.J.：用于病理学分类和定位的兆字节级深度多实例学习。arXiv预印本arXiv:1805.06983（2018）”}，{“问题”：“10”，“密钥”：“24_CR3”，“doi断言者”：“出版商”，“第一页”：“1559”，“doi”：“10.1038\\s41591-018-0177-5”，“卷”：“24”，“作者”：“N Coudray”，“年份”：“2018”，“非结构化”：“Coudray，N.，et al.：使用深度学习从非小细胞肺癌组织病理学图像中进行分类和突变预测。Nat.Med.24（10），1559\u20131567（2018）”，“期刊标题”：“Nat.Med”}，{“key”：“24_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，Fei-Fei，L.：Imagenet：大型分层图像数据库。摘自：2009 IEEE计算机视觉和模式识别会议，第248\u2013255页。IEEE（2009）”，“DOI”：“10.1109\/CVPR.2009.5206848”}，｛“issue”：“1\u20132”，“key”：“24_CR5”，“DOI断言者”：“publisher”，“首页”：“31”，“DOI”：“10.1016\/S004-3702（96）00034-3”，“volume”：“89”，“author”：“TG Dietterich”，“year”：“1997”，“nonstructured”：“Dietterich，T.G.，Lathrop，R.H.，Lozano-P\u00e9rez，T.：用轴平行矩形解决多实例问题。Artif公司。智力。89（2013年1月2日），2013年31月71日（1997年）“，“新闻标题”：“文章。智力。“}，{”key“：”24_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”Foulds，J.R.，Frank，E.：多实例学习假设综述（2010）“，”doi“：”10.1017\/S026988890909999035X“}”，{“key”：“24_CR7”，“doi-assorted-by”：“crossreff”，“unstructure”：“”Garcia-Garcia，A.、Orts-Escolano，S.、Oprea，S.，Villena-Martinez，V.、Garcia-Rodriguez，J.：应用于语义切分的深度学习技术综述。arXiv预印本arXiv:1704.06857（2017）“，”DOI“：”10.1016\/j.asoc.2018.05.018“}，{“key”：“24_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，j.：图像识别的深度剩余学习。摘自：IEEE计算机视觉和模式识别会议论文集，第770\u2013778页（2016）”，“DOI”：“10.1109\/CVPR.2016.90“}，{“key”：“24_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“Hou，L.，Samaras，D.，Kurc，T.M.，Gao，Y.，Davis，J.E.，Saltz，J.H.：基于补丁的卷积神经网络用于全玻片组织图像分类。摘自：IEEE计算机视觉和模式识别会议论文集，第244\u20132433页（2016）“，”DOI“：”10.1109\/CVPR.2016.266“}，{“key”：“24_CR10”，“unstructured”：“Ilse，M.，Tomczak，J.M.，Welling，M.：基于注意力的深度多实例学习。arXiv预印本arXiv:1802.04712（2018）”}，“{”key“：”24_CR11“，”DOI-asserted-by“：”crossref“，”unstructure“：”Kim，R.H.等：黑素瘤快速突变筛查的深度学习方法。bioRxiv，p.610311（2019）“，“DOI”：“10.1101\/610311”}，{“key”：“24_CR12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kim，Y.J.，et al.：PAIP 2019：肝癌分割挑战。Med.Image Anal.67，101854（2020）”，“DOI:”10.1016\/J.media.2020.101854“}，“key“：”24_CR13“非结构化”：“Kingma，D.P.，Ba，J.：亚当：随机优化方法。arXiv预印本arXiv:1412.6980（2014）“}，{“key”：“24_CR14”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”470“，“doi”：“10.1007\/978-3-030-59722-1_45”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2020“，”author“：”M Lerousseau“，”年份：“2020”，“非结构化”：“Lerousseau，M.等人：弱监督多实例学习组织病理学肿瘤分割。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12265卷，第470\u2013479页。施普林格，查姆（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59722-1_45“}，{“key”：“24_CR15”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“842”，“doi”：“10.1007\/978-30-030-20351-1_66”，“volume-title”：《医学成像中的信息处理》，“author”：“J Li”，“年份”：“2019”，“非结构化”：“Li，J.等：采用半监督学习框架的印记环细胞检测。收录：Chung，a.C.S.，Gee，J.C.，Yushkevich，P.a.，Bao，S.（编辑）IPMI 2019。LNCS，第11492卷，第842\u2013854页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-20351-1_66“}，{“key”：“24_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Li，Z.，et al.：全滑组织病理学图像中肺癌分割的深度学习方法——2019年acdc@lunghp挑战赛。arXiv预印本arXiv:2008.09352（2020）“，”DOI“：”10.1109\/JBHI.2020.3039741“}，{“key”：“24_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Litjens，G.，et al.：1399乳腺癌患者H&E染色前哨淋巴结切片：骆驼数据集。GigaScience 7（6），giy065（2018）”，“DOI”：“10.1093\/GigaScience”}，”{“key”：“24_CR18”，“doi-asserted-by“：”publisher“，”first-pages“：”60“，”doi“：”10.1016\/j.media.2017.07.005“，”volume“：”42“，”author“：”G Litjens“，”year“：”2017“，”unstructured“：”Litjens-G.等：医学图像分析中深度学习的调查。医学图像分析。42，60\u201388（2017）“，“杂志标题”：“医学图像分析。“}，{”key“：”24_CR19“，”unstructured“：”Martinez，K.，Cupitt，J.：Libvips:一个内存需求较低的快速图像处理库（2007）“}Metter，D.M.、Colgan，T.J.、Leung，S.T.、Timmons，C.F.、Park，J.Y.：2007年至2017年美国和加拿大病理学家劳动力的趋势。JAMA Netw公司。Open 2（5），e194337\u2013e194337（2019）“，“journal-title”：“JAMA Netw。Open“}，{“key”：“24_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Oquab，M.，Bottou，L.，Laptev，I.，Sivic，J.：对象定位是免费的吗？-弱监督学习与卷积神经网络。摘自：IEEE计算机视觉与模式识别会议论文集，pp.685\u2013694（2015）”，“doi”：“10.1109\/CVPR.2015.7298668“}，{“key”：“24_CR22”，“unstructured”：“Paszke，A.，et al.：Automatic differentiation in pytorch（2017）”}，6-“key“：”24_CR23“，“series-title”：“Computer Science课堂讲稿”，“doi-asserted-by”：“publisher”，“首页”：“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”，“作者”：“O Ronneberger”，“年份”：“2015”，《非结构化》：“Ronneberge，O.，Fischer，P.，Brox，T.：U-Net:用于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\/10.1007\/978-3-319-24574-4_28“}，{”issue“：”1“，”key“：”24_CR24“，”doi-asserted-by“：”publisher“，”first page“：“1”，”doi“：”10.1038\/s41467-020-17678-4“，”volume“：幻灯片图像。Commun公司。11（1），1\u201315（2020）“，“新闻标题”：“国家通讯”。“}，{”key“：”24_CR25“，”doi-asserted-by“：”crossref“，”unstructured“：”Stathonikos，N.，Veta，M.，Huisman，A.，van Diest，P.J.：走向全数字化：荷兰学术病理实验室透视J.Pathol.Inf.4，15（2013）“，”doi“：”10.4103\/2153-353.114206“}”，{“issue”：“1A”，“key”：“24_CR26”，“首页”：“A68”，“卷”：“19”，“作者”：“K TomTom”czak“，”年份“：”2015”，“非结构化”：“Tomczak，K.，Czerwi\u0144ska，P.，Wiznerowicz，M.：癌症基因组图谱（TCGA）：不可估量的知识来源。康斯坦普。昂科尔。19（1A），A68（2015）”，“期刊标题”：“竞争。昂科尔。“}，{”issue“：”5“，”key“：”24_CR27“，”doi-asserted-by“：”publisher“，”first-page“：”988“，”doi“：”10.1109\/72.788640“，”volume“：“10”，”author“：”VN Vapnik“，“year”：“1999”，“unstructured”：“Vapnik，V.N.：统计学习理论概述。IEEE Trans.Neural Netw.10（5），988\u2013999（1999）”，“日志标题”：“IEEE Trans.Neural Netw”，{“问题”：“2”，“密钥”：“24_CR28“，”doi-asserted-by“：”publisher“，”first page“：”222“，”doi“：”10.5858\/arpa.2018-0343-RA“，”volume“：“143”，”author“：”MD Zarella“，“year”：“2019”，”unstructured“：”Zarella.，M.D.等人：整张幻灯片成像的实用指南：来自数字病理学协会的白皮书。架构（architecture）。病态。Lab.Med.143（2），222\u2013234（2019）”，“期刊标题”：“Arch。病态。Lab.Med.“}]，“container-title”：[“医学图像计算和计算机辅助干预\u2013 MICCAI 2021”，“计算机科学课堂讲稿”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-87237-3_24”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查“}”，“存放”：{“日期部分”：[[2021,9,23]]，“日期时间”：“2021-09-23T07:04:38Z”，“时间戳”：1632380678000}，“分数”：1，“资源”：{“主要”:{“URL”：“https:\/\/link.springer.com\/10.1007\/978-30-87237-3_24”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2021]}，“ISBN”：[“9783030872366”，“978330872373”]，“references-count“：28，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-87237-3_24“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“、”type“:”print“}、{”value“：”1611-33049“、”类型“：”electronic“}]、”subject“：【】，”published“：{”date-parts“：【2021】}，“assertion”：[{“value”：“2021年9月21日”，“order”：1，“name”：“first_online”，“label“：”First Online“，”group“：{”name“：”ChapterHistory“，”label“:”Chapter History”}}，{”value“：”MICCAI“，”order“：1，”name“:”conference_acrombit“，”标签“：”conference acronym“name“：”conference_name“，”label“：”会议名称“，”group“：”{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Strasbourg”，“order”：3，“name”:“conference_city”，“标签”：“conferency city”，“group”：{“name:”ConferenceInformo“，”标签“：”会议国家/地区“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2021“，”order“：5，”name“:”Conference_year“，”标签“：”会议年“，”group“：name“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“2021年10月1日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：“：”会议信息“}}，{“value”：“miccai2021”，“order”：10，“name”：“Conference_id”，“label”：“Conference id”，“group”：{“name”:“ConferenceInfo”，“table”：“会议信息”}}会议信息“}}，{”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”：“1622”，“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“：”33%-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“，”label“：”同行评审信息（由会议组织者提供）“}}]}}