{“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”：[[2024,6,4]]，“日期时间”：“2024-06-04T05:07:06Z”，“时间戳”：1717477626137}，“出版商位置”：“查姆”，“参考计数”：18，“出版者”：“施普林格自然瑞士”，“isbn-type”：[{“值”：“9783031164361”，“类型”：”打印}，{“值”：“9783031164378”，“类型”：“electronic”}]，“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”}：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com//tdm”}，{“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.splingernature.com\/gp\/researters\/text-and-data-mining”}]，“日期-时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022]]}，‘DOI’：“10.1007\/978-3-0”31-16437-8_17“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,9,15]]，“date-time”：“2022-09-15T18:13:04Z”，“timestamp”：1663265584000}，“page”：“175-185”，“update-policy”：”http:\\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：2，“title”：[“MAL：基于二部图和多分支的肿瘤诊断多模式注意学习”]，“前缀”：“10.1007”，“作者”：[{“给定”：“孟雷”，“家族”：“焦”，“序列”：“第一”，“从属”：[]}，“隶属关系”：[]}，{“给定”：“韩强”，“家族”：“欧阳”，“序列”：“附加”，“隶属”：[]}，}“给定的”：“向东”，“家庭”：“王”，“顺序”：“额外”，“从属关系”：[]}：[]}，{“给定”：“岳良”，“family”：“Qian”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2022,9,16]]}，“reference”：[{“key”：“17_CR1”，”doi-asserted-by“：”publisher“，”unstructured“：“Ben Cohen，A.，Diamant，I.，Klang，E.，Amitai，M.，Greenspan，H.：用于肝脏分割和病变检测的全卷积网络。In：Carneiro，G.，et al.DLMIA LABELS 2016。LNCS，第10008卷，第77\u201385页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46976-8_9“，“doi”：“10.1007\/9783-319-46976-8_9”}，{“key”：“17_CR2”，“unstructured”：“Christ，P.F.，et al.：使用级联全卷积神经网络对CT和MRI体积进行自动肝脏和肿瘤分割。arXiv预印本arXiv:1702.05970（2017）”}、{“key”：”17_CR3“，”doi-asserted-by“：”publisher“，”首页“：”10“，”DOI“：”10.1016\/j.media.2019.02.010“，“卷”：“54”，“作者”：“j Zhang”，“年份”：“2019”，“非结构化”：“Zhang，j.，Xie，Y.，Wu，Q.，Xia，Y.：使用协同深度学习进行医学图像分类。医学图像分析。54，10\u201319（2019）“，“新闻标题”：“医学图像分析。}，{“key”：“17_CR4”，“非结构化”：“Isensee，F.，J\u00e4ger，P.F.，Kohl，S.A.，Petersen，J.，Maier-Hein，K.H.：生物医学图像分割深度学习方法的自动化设计，第1卷，第1\u20138页。arXiv预印本arXiv:1904.08128（2019）“}，{“key”：“17_CR5”，“doi-asserted-by”：“publisher”，“unstructured”：“Wei，D.等：基于合成和修复的MR-CT注册，用于肝肿瘤的图像引导热消融。In:Shen，D.等，MICCAI 2019。LNCS，第11768卷，第512页\u2013520。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32254-0_57“，”doi“：”10.1007\/9783-030-32254-057“}，{“key”：“17_CR6”，“doi-asserted-by”：“publisher”，“unstructured”：“Song，X.，et al.：核磁共振和超声体积登记的交叉模式注意。In:de Bruijne，M.，et al.MICCAI 2021。LNCS，第12904卷，第66\u201375页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87202-1_7“，“doi”：“10.1007\/978-30-87202-1_7”}，{“key”：“17_CR7”，“doi-asserted-by”：“publisher”，“unstructured”：“Zhou，T.，et al.：用于痴呆症自动诊断的深度多模态潜在表征学习。In:Shen，D.，et al.MICCAI 2019。LNCS，第11767卷，第629\u2013638页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32251-9_69“，“doi”：“10.1007\/9783-030-32251-9.69”}，{“key”：“17_CR8”，“doi-asserted-by”：“publisher”，“unstructured”：“Zhang，Y.，et al.：多模态医学图像分割的模态感知相互学习。In:de Bruijne，M.，et al.MICCAI 2021。LNCS，第12901卷，第589\u2013599页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_56“，”doi“：”10.1007\/9783-030-87193-2-56“}，{“key”：“17_CR9”，“doi-asserted-by”：“publisher”，“unstructured”：“Zhang，Y.，et al.：具有空间聚集和不确定区域修复的多期肝肿瘤分割。In:de Bruijne，M.，et al.MICCAI 2021。LNCS，第12901卷，第68页\u201377。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_7“，”doi“：”10.1007\/978-30-87193-2_7”}，{“key”：“17_CR10”，“doi-asserted-by”：“publisher”，“first-page”：“160708”，“doi”：“10.1109\/ACCESC.2021.3132050”，”volume“：”9“，”author“：”NS Syazwany“，”年份“：”2021“，”非结构化“：”Syazwany，N.S.，Nam，J.-H.，Lee，S.-C.：MM-BiFPN：带Bi-FPN的多模态融合网络，用于MRI脑肿瘤分割。IEEE Access 9，160708\u2013160720（2021）“，”journal-title“：”IEEE Access“}，{“issue”：“1”，“key”：“17_CR11”，”doi-asserted-by“：”publisher“，”first page“：”1“，”doi“：”10.1186\/s13244-022-01227-2“，“volume”：”13“，”author“：”H Liu“，”year“：”2022“，”unstructured“：”Liu，H.，等：基于MRI深度学习和加权融合框架的脊柱肿瘤良恶性诊断。Insights Imaging 13（1），1\u201311（2022）“，“journal title”：“Insights Imaging”}，{“key”：“17_CR12”，“unstructured”：“Vaswani，A.，等：注意就是你所需要的。In:Advances In neural information processing systems 30（2017）”}，{“key”：“17_CR13”，“unstructured”：“Dosovitskiy，A.，et al.：图像值16x16个单词：按比例进行图像识别的变换器。arXiv预印本arXiv:2010.11929（2020）”}，{”key“：”17_CR14“，”doi-asserted-by“：”crossref“，”unstructure“：“Liu，Z.，et al.：Swin transformer：使用移位窗口的分层视觉变换器。In：IEEE计算机视觉国际会议论文集，pp.10012 \u201310022（2021）”，“DOI”：“10.1109 \/ICCV48922.2021.00986”}，{“key”：“17_CR15”，“DOI-asserted-by”：“publisher”，“unstructured”：“Carion，N.、Massa，F.、Synnaeve，G.、Usunier，N.，Kirillov，A.、Zagoruyko，S.：使用变压器进行端到端对象检测。见：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，JM（编辑）ECCV 2020。LNCS，第12346卷，第213\u2013229页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58452-8_13“，”doi“：”10.1007\/9783-030-58452-8-13“}，{“问题”：“8”，“密钥”：“17_CR16”，“doi-asserted-by”：“发布者”，“首页”：“1384”，“doi”：“10.3390\/diagnostics11081384”，”卷“：”11“作者”：“Y Dai”，“年份”：“2021”，“非结构化”：“Dai，Y.、Gao，Y.，Liu，F.：Transmed：变形金刚推进了多模态医学图像分类。Diagnostics 11（8），1384（2021）“，”journal-title“：”Diagnostics}，{“key”：“17_CR17”，“doi-asserted-by”：“publisher”，“unstructured”：“Wang，W.，Chen，C.，Ding，M.，Yu，H.，Zha，S.，Li，J.：TransBTS：使用变压器的多模式脑肿瘤分割。In:de Bruijne，M.等。MICCAI 2021。LNCS，第12901卷，第109\u2013119页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_11“，”doi“：”10.1007\/9783-030-87193-2_11“}，{“key”：“17_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Li，B.，Li，Y.，Eliceiri，K.W.：双流多实例学习网络，用于带有自我监督对比学习的整个幻灯片图像分类。收录于：IEEE\/CVF计算机视觉和模式识别会议记录，第14318\u201314328（2021）页“，”DOI“：”10.1109\/CVPR46437.2021.01409“}]，”container-title“：[”计算机科学讲义“，”医学图像计算和计算机辅助干预\u2013 MICCAI 2022“]，”原文标题“：[]，”链接“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-16437-8_17“，“content-type”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期-部件”：[[2024,3,12]，“日期-时间”：“2024-03-12T14:03:59Z”，“时间戳”：1710252239000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com/10.1007\/978-3-031-16437-8_17“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期-部件“：[[2022]]}，“ISBN”：[“9783031164361”，”978303164378“]，”引用计数“：18，”URL“：”http://\/dx.doi.org\/10.1007\/9783-031-16437-8_17“，”关系“：{}，“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，“type”:“print”}，{”value“：”1611-3349“，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2022]]}，“assertion”：[{“value”：”2022年9月16日“，“order”：1，“name”：“first_online”，“label”：“first online”，”group“：{”name“：”ChapterHistory“，”label“：”Character History“：”会议缩写“，”组“：{”名称“：”ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”医学图像计算和计算机辅助干预国际会议“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：会议城市”，“组”：｛“名称”：“ConferenceInfo”，“标签”：“会议信息”｝｝，｛“值”：“新加坡”，“顺序”：4，“名称”：“会议国家”，“标签”：“会议国家”，“组”：｛“名称”：“ConferenceInfo”，“标签”：“会议信息”｝，｛“值”：“2022”，“顺序”：5，“名称”：“会议年”，“标签”：“会议年”，“组”：｛“名称”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“2022年9月18日”，“order”：7，“name”：“Conference_start_date”，“label”：“会议开始日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“2022年9月22日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“会议信息“，”标签“：”会议信息“}}，{“value”：“25”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：{“name”:“ConferenceInformo”，“table”：“会议信息”}}}，{“value“：”Double-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“：”574“，”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）”}}“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”31%-该值由等式“接受的全文数”/“发送供审阅的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“，”acceptance_rate_of_Full_Papers“，”label“：”整篇论文的接受率“，”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“：”每篇论文的平均审阅次数”，“group”：{“name”：“ConfEventpeerReview Information”，”label:“”同行评议信息（由会议组织者提供）“}}，{“value”：“5”，“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”：“涉及的外部评审员”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝