{“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”：“2024-09-12T18:03:55Z”，“时间戳”：1726164235311}，“出版商位置”：“查姆”，“参考计数”：17，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“类型”：”打印“，“值”：“9783031070044”}{“type”：“电子”，“value”：“9783031070051”}]，“license”：[{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-ports”：[2022,1,1]，“日期-时间”：“2020 2-01-01T1T00:00”00:00Z“，”timestamp“：1640995200000}，”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”：[2022]}，”DOI“：”10.1007\/978-3-031-07005-1_1“，”类型“：”book-chapter“，”创建“：{”date-part“：[[2022,5,21]]，“日期-时间”：“2022-05-21T10:02:41Z”，“时间戳”：1653127361000}，“页面”：“3-13”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源代码”：“Crossref”、“is-referenced-by-count”：2，“标题”：[“用于宫颈癌前筛查质量控制的高度不平衡多源图像数据集清理”]，“前缀”：“10.1007”，”作者：[{“给定”：“志云”，“家族”：“薛”，“sequence”：“first”，“affiliation”：[]｝，{“given”：“Peng”，“family”：“Guo”，“sequence”：“additional”，“affiliation”：[]｝，{“given”：“Peng”，“family”：“additional”，“affiliation”：[]｝，{“given”：“Jose”，“family”：“Jeronimo”，“sequence”：“additional”，附属关系“：[]｝，{“given”：“Kanan T.”，“family”：“Desay”，“sequence”：“additional”，“affiliation”：[]}，{“给定”：“Olusegun K.”，“家族”：“Ajenifuja”，”sequence“：”additional“，”affiliance“：[]{”given“：”Clement A.从属关系“：[]}，{”给定“：”标记“，“family”：“Schiffman”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Sameer”，“failment”：“Antani”，“序列”：“附加”，“从属”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2022,5,22]]]}\/j.ajog.2006.01.091“，”卷“：”195“，”作者“：“J Jeronimo”，“年份”：“2006”，“非结构化”：“Jeronimo，J.，Schiffman，M.：十字路口的阴道镜。Am.J.Obstet.Gynecol.1950349\u2013353（2006）”，“期刊标题”：“Am.J.Obstet.Gynecol.”}，｛“密钥”：“1_CR2”，“doi断言者”：“出版商”，“首页”：“923”，“doi”：“10.1093\/jnci\/djy225”，“卷”：“111”，“作者”：“L Hu”，“年份”：“2019”，“非结构化”：“Hu，L.，et al.：用于癌症筛查的宫颈图像深度学习和自动评估的观察性研究。J.Natl.cancer Inst.111，923\u2013932（2019）”，“journal-title”：“J.Natl cancer Inst.”}，{“key”：“1_CR3”，“doi-asserted-by”：“publisher”，“first page”：《2416》，“doi”：“10.1002\/ijc.33029”，“volume”：”147，“author”：“Z Xue”，“year”：“2020”，“非结构化”：“Xue，Z.，et al.：智能手机摄像头拍摄宫颈图像的自动视觉评估演示。国际癌症杂志147，2416\u20132423（2020）”，“新闻标题”：“国际癌症杂志”}，{“key”：“1_CR4”，“doi-asserted-by”：“publisher”，“first page”：”53266“，”doi“：”10.1109\/ACCESC.2021.3069346“，”volume“：”9“，”author“：”A Pal“，”year“：“2021”，“非结构化”：“Pal，A.等人：宫颈图像分类的深度度量学习。IEEE Access 9，53266\u201353275（2021）。https:\/\/doi.org\/10.109\/Access.2021.3069346”，“journal-title”：“IEEE Access”}，{“issue”：“5”，“key”：“1_CR5”，”“doi-asserted-by”：“publisher”，“first-page”：“953”，“doi”：“10.3390\/jcm10050953”“，“volume”：“10”，“作者”：“P Guo”，“year”：“2021”，“unstructured”：“Guo，P.，et al.：使用数字化宫颈图像进行消融治疗性分类的网络可视化和金字塔特征比较。《临床医学杂志》10（5），953（2021）。https:\/\/doi.org\/10.3390\/jcm10050953”，“journal-title”：“J.Clin.Med.”}，{“key”：“1_CR6”，“doi-asserted-by”：“publisher”，“非结构化”：“Guo，P.等人：集成宫颈图像选择的深度学习，以提高自动宫颈癌前筛查的可靠性。Diagnostics（瑞士巴塞尔）10（7），451（2020）。https:\\/doi.org\/10.3390\/diagnostics10070451”，“doi”：“10.3390\/diagnostics1070451”}，{“key”：“1_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Guo，P.，Xue，Z.，Long，L.R.，Antani，S.：子宫颈癌自动筛查图像聚焦评估的深度学习。摘自：IEEE生物医学和健康信息学国际会议论文集，美国伊利诺伊州芝加哥，201322年5月19日（2019）”，“DOI”：“10.1109”，BHI.2019.8834495“}，{“key”：“1_CR8”，“DOI-asserted-by”：“publisher”，“非结构化”：“Digiovanni，S.L.，Guaragnella，C.，Rizzi，M.，Falagario，M.：医疗系统：智能健康早期宫颈癌诊断的数字绿色过滤器。收录于：IEEE第二届利用更美好明天的社会和工业研究与技术国际论坛（RTSI），意大利博洛尼亚，pp.1\u20136（2016）.https:\/\/doi.org\/10.109\/RTSI.2016.7740564“，”doi“：”10.1109\/RTSII.2016.7740564“}，{“key”：“1_CR9”，“unstructured”：“Sellors，J.W.，Sankaranarayanan，R.（eds.）阴道镜检查简介：阴道镜的适应症、仪器、原理和结果文件。阴道镜检查和宫颈上皮内瘤变的治疗：初学者手册。https:\/\/screening.iarc.fr\/colpochap.php？lang=1&chap=4“}，{“issue”：“3”，“key”：“1_CR10”，“doi-asserted-by”：“publisher”，“first-pages”：“844”，“doi”：“10.1109\/JBHI.2019.2922682”，“volume”：”24“，“author”：“Z-Yue”，“year”：“2020”，“unstructured”：“Yue，Z.，et al.：使用具有多站点CNN特征的LSTM对连续尾蚴图像进行CIN等级自动预测。IEEE J.Biomed.Health Inform.24（3），844\u2013854（2020）。https:\/\/doi.org/10.1109\/JBHI.2019.2922682”，“期刊标题”：“IEEE J.Biomed。健康信息。“}，{”key“：”1_CR11“，”doi-asserted-by“：”publisher“，”first-page“：”60“，”doi“：”10.1186\/s13027-020-00324-5“，”volume“：“15”，”author“：”KT Desai“，“year”：“2020”，”unstructured“：”Desai，K.T.等人：尼日利亚宫颈筛查新项目的设计和可行性：自抽样HPV检测与视觉分诊相结合。感染。癌症代理15，60（2020）。https:\/\/doi.org\/10.1186\/s13027-020-00324-5“，”journal-title“：”感染。Agents Cancer”}，{“key”：“1_CR12”，“doi-asserted-by”：“publisher”，“unstructured”：“Lin，T.，Goyal，P.，Girshick，R.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点丢失。摘自：2017年IEEE国际计算机视觉会议（ICCV），意大利威尼斯，第2999\u20133007页（2017）。https:\//doi.org\/10.109\/ICCV.2017.324”，“doi”：“10.1109 \/ICCV.2017.324“}，{“key”：“1_CR13”，“unstructured”：“Chalapathy，R.，Chawla，S.：异常检测的深度学习：一项调查。https:\/\/arxiv.org\/abs\/1901.03407”}，“{”key“：”1_CR14“，”unstructure“：”Ruff，L.等人：深度半监督异常检测。In:The International Conference on learning Representations（ICLR）（2020）“}、{“key”：”1_CR15“，“非结构化”：“Ruff，L.等人：深层单类分类。摘自：《第35届机器学习国际会议论文集》，PMLR，第80卷，第4393\u20134402页（2018年）Xie，S.，Girshick，R.，Doll\u00e1r，P.，Tu，Z.，He，K.：深度神经网络的聚合残差变换。https:\/\/arxiv.org\/abs\/1611.05431“}]，“container-title”：[“计算机和信息科学中的通信”，“图像处理和模式识别的最新趋势”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\//link.springer.com\/content\/pdf\/10007\/978-3-0731-07005-1_1”，“内容类型”：“未指定”，“content-version”：“vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,5,21]]，”date-time“：”2022-05-21T10:02:52Z“，”timestamp“：1653127372000}，”score“：1，”resource“：{primary”：{“URL”：“https:\\/link.springer.com\/10007\/978-3-0731-07005-1_1”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{”date-ports“：[[2022]]}，”ISBN“：[”9783031070044“，”9783031070051“]，“references-count”：17，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-031-07005-1_1”，“关系”：{}，“ISSN”：[“1865-0929”，“1865-0.937”]，“ISSN-type”：[{“类型”：“打印”，“值”：“1865-09”}，{“类”：“电子”，“数值”：“1855-0937”}]，“主题”：[]，“发布”：{“日期-部件”：[[2022]]}，“断言”：[{“值”：“2022年5月22日”，“顺序”：1，“名称”：“first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“RTIP2R”，“order”：1，“name”:”conference_acrombit“，”label“：”conference acronym“，”group“：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”：“2021”，“order”：5，“名称”：“Conference_year”，“标签”：“会议年”，“group”：{“name”:“ConferenceInfo”：“ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”2021年12月10日“，”order“：8，”name“：”Conference_end_date“，“label”：“会议结束日期”，“group”：{“name”：“ConferenceInfo”，“lable”：“Meeting Information”}，}“value”：“4”，“order”：9，“name”:“Conference_number”，”lable“：”会议编号“，”group“：{”name:“ConfernceInfo”会议信息“}}，{“value”：“rtip2021”，“order”：10，“name”：“Conference_id”，“label”：“Conference_id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}：“会议信息“}}，{”value“：”Single-blind“，”order“：1，”name“：”type“，”label“：”type“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）}，｛“value”：“19”，“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”：“14”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“接受的短文数”，“group”用法：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“23%-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”：“完整论文的接受率”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（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”，“group”：：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“5-7”，“order”：8，“name”：“average_number_of_paers_per_reviewer”，“label”：“每位评审员的平均论文数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“是”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及外部审阅者”，“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，会议是在线举行的。”，“order”：10，“name”:“additional_info_on_Review_process”，“table”：“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）”}}]}