{“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”：[[2024,3,13]]，“日期时间”：“2024-03-13T00:25:40Z”，“时间戳”：1710289540666}，“发布者位置”：“Cham”，“引用计数”：27，“发布商”：“Springer Nature Switzerland”，“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_21“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,9,15]]，“date-time”：“2022-09-15T18:13:04Z”，“timestamp”：1663265584000}，“page”：“217-226”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：4，“title”：[“用于\u00a0非平衡医学图像分类的扁平件跨阶段提取框架”]，“前缀”：“2007年10月10日”，“作者”：[{“给定”：“金鹏”，“家庭”：“李”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“广勇”，“家族”：“陈”，“顺序”：“附加”，“附属关系”：[]}、{“指定”：“航余”，“家人”：“毛”，“排序”：“额外”，“隶属关系”：【】}，}“给定的”：“丹若奥”，“家”：“登”，“次序”：“添加”，“归属关系”“：[]}，{”given“：”Dong“，”family“：”Li“，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Jianye”，“family”：“Hao”，“segment”：“附加”，“从属关系”：[]}，}“giving”：“Qi”，“家族”：“Dou”，“sequence”:“additionable”，“filiation“：[]{”，{“日期部分”：[[2022,9,16]]}，“参考”：[{“key”：“21_CR1”，“unstructured”：“糖尿病视网膜病变检测。In:Kaggle.https:\/\/www.Kaggle.com/c\/Diabetic-retopathy-detection”}，{“密钥”：“21 _CR2”，“非结构化”：“Endotect challenge，ICPR 2020。https:\/\/enteptect.com/“}，{“key”：“21_CR3”，“doi-asserted-by”：“publisher”，“first page”：”249“，“doi”：“10.1016\/j.neunet.2018.07.011”，“volume”：：“106”，“author”：“M Buda”，“year”：“2018”，“unstructured”：“Buda，M.，Maki，A.，Mazurowski，M.A.：卷积神经网络中类不平衡问题的系统研究。神经网络。106，249\u2013259（2018）“，“新闻标题”：“神经网络。“｝，｛”key“：”21_CR4“，”非结构化“：”Cao，K.，Wei，C.，Gaidon，A.，Ar\u00e9chiga，N.，Ma，T.：具有标签分布感知的边际损失的学习不平衡数据集。In：神经信息处理系统进展32：神经信息处理系统年会，NeurIPS，pp.1565\u20131576（2019）“｝，｛”key“：”21_CR5“，”doi-asserted-by“：”crossref“，”unstructured“：”Cui，Y.、Jia，M.、Lin，T.、Song，Y.和Belongie，S.J.：基于有效样本数的分类损失。收录于：IEEE计算机视觉和模式识别会议，CVPR，pp.9268\u20139277（2019）“，“DOI”：“10.1109\/CVPR.2019.00949”}，{“key”：“21_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.，Li.，K.，Fei-Fei，L.：ImageNet：大型分层图像数据库。2009年IEEE计算机学会计算机视觉和模式识别会议，CVPR，第248\u2013255页（2009）“，”DOI“：”10.1109\/CVPR.2009.5206848“}，{“key”：“21_CR7”，“unstructured”：“Foret，P.，Kleiner，A.，Mobahi，H.，Neyshabur，B.：有效提高泛化能力的夏普软件最小化。In:第九届国际学习表征会议，ICLR（2021）“}，{“key”：“21_CR8”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：《323》，“doi”：“10.1007\/978-3-030-87240-3_31”，“volume-title”：《医学图像计算与计算机辅助干预》，2013 MICCAI 2021，“author”：“A Galdran”年份：“2021年”，“非结构化”：“Galdran，A.，Carneiro，G.，Gonz\u00e1lez Ballester，M.A.：用于高度不平衡医学图像分类的平衡混合。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12905卷，第323\u2013333页。查姆施普林格（2021）。https://doi.org/10.1007\/978-3-030-87240-3_31“｝，｛“key”：“21_CR9”，“doi断言者”：“crossref”，“非结构化”：“He，Y.，Wu，J.，Wei，X.：提取长尾识别的虚拟示例。在：IEEE国际计算机视觉会议，ICCV（2021）”，“doi”：“10.1109\/ICCV48922.2021.00030”｝，｛“key”：“21_CR10”，“非结构化”：“Hinton，G.，Vinyals，O.，Dean，J.等人：在神经网络中提取知识。arXiv预印本arXiv:1503.02531（2015）“}，{“key”：“21_CR11”，“unstructured”：“Kang，B.等人：用于长尾识别的解耦表示和分类器。in:8th International Conference on Learning Representations，ICLR（2020）”}非结构化”：“Li，H.，Xu，Z.，Taylor，G.，Studer，C.，Goldstein，T.：可视化神经网络的损失情况。In:Advances In Neural Information Processing Systems 31:Annual Conference on NeurIPS，pp.6391\u20136401（2018）“}，{”key“：”21_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Lin，T.，Goyal，P.，Girshick，R.B.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点丢失。摘自：IEEE计算机视觉国际会议，ICCV，pp.2999\u20133007（2017）“，“DOI”：“10.1109\/ICCV.2017.324”}，{“key”：“21_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mahajan，D.等人：探索弱监督预处理的极限。摘自：计算机视觉-ECCV-第十五届欧洲会议，pp.185\u2013201（2018）”，“DOI:”10.1007\/978-3-030-01216-8_12“｝，｛“key”：“21_CR15”，“doi asserted by”：“publisher”，“首页”：“28”，“doi”：“10.1016\/j.neucom.2021.10.021”，“volume”：“469”，“author”：“Z Mai”，“year”：“2022”，“nonstructured”：“Mai，Z.，Li，R.，Jeong，J.，Quispe，D.，Kim，H.，Sanner，S.：图像分类中的在线持续学习：一项实证调查。Neurocomputing 469，28\u201351（2022）“，”journal-title“：”Neurocumputing“}，{”key“：”21_CR16“，”doi-asserted-by“：”crossref“，”unstructured“：”Oksuz，K.，Cam，B.C.，Akbas，E.，Kalkan，S.：对象检测和实例分割的秩和排序损失。In:IEEE国际计算机视觉会议，ICCV（2021）“，“doi”：“10.1109\/ICCV48922.2021.00300”}，{“key”：“21_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Sandler，M.，Howard：“crossref”，“unstructured”：“Sarafianos，N.，Xu，X.，Kakadiaris，I.A.：使用视觉注意力聚合进行深度不平衡属性分类。In:Computer Vision-ECCV-第15届欧洲会议，第708\u2013725页（2018）”，“DOI”：“10.1007\/978-3-030-01252-6_42”}，{“issue”：“1”，“key”：“21_CR19”，“DOI-asserted-by”：“publisher”，《首页》：“221”，《DOI》：“10.1146\/annurev-bioeng-071516-044442”，“volume”：“19”，“author”：“D Shen”，“year”：“2017”，“unstructured”：“Shen，D.，Wu，G.，Suk，H.I.：医学图像分析深度学习。Ann.Rev.Biomed.Eng.19（1），221\u2013248（2017）”，“journal-title”：“Ann.Rev.Biomed.Eng.”}，{“key”：”21_CR20“unstrustured”：“Shi，G.，Chen，J.，Zhang，W.，Zhan，L.，Wu，X.：通过寻找平面极小值克服增量少快照学习中的灾难性遗忘。in：《神经信息处理系统进展》34:神经信息处理系统年会，NeurIPS，pp.6747\u20136761（2021）”}，{“key”：“21_CR21”，“doi-asserted-by”：“crossref”，“非结构化”：“Tan，J.，Lu，X.，Zhang，G.，Yin，C.，Li，Q.：均衡损失v2:一种新的长尾目标检测梯度平衡方法。摘自：IEEE计算机视觉和模式识别会议，CVPR，pp.1685\u20131694（2021）”，“DOI”：“10.1109\/CVPR46437.2021.00173”}，{“key”：“21_CR22”，“DOI-asserted-by”：“crossref”，“非结构”：“Tan，J.等人：长尾物体识别的均衡损失。In：2020 IEEE \/CVF计算机视觉和模式识别会议，CVPR，pp.11659\u201311668（2020）”，“DOI”：“10.1109\/CVPR42600.2020.01168”}，{“key”：“21_CR23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，P.，Han，K.，Wei，X.，Zhang，L.，Wang，L.：基于对比学习的混合网络用于长尾图像分类。摘自：IEEE计算机视觉和模式识别会议，CVPR，pp.943\u2013952（2021）”，“DOI”：“10.1109\/CVPR46437.2021.00100”}，{“key”：“21_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang，Y.，Wei，X.，Zhou，B.，Wu，J.：利用深度卷积神经网络进行长尾视觉识别的技巧包。摘自：第三十五届AAAI人工智能会议，AAAI，pp.3447\u20133455（2021）”，“DOI”：“10.1609\/AAAI.v35i4.16458”}，{“key”：“21_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhong，Z.，Cui，J.，Liu，S.，Jia，J.：改进长尾识别的校准。In:IEEE计算机视觉和模式识别会议，CVPR，pp.16489\u201316498（2021）”，“DOI”：“10.1109\/CVPR46437.2021.01622”}，{“key”：“21_CR26”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhou，B.，Cui，Q.，Wei，X.，Chen，Z.：BBN：具有长尾视觉识别累积学习的双边分支网络。In:2020 IEEE \/CVF计算机视觉和模式识别会议，CVPR，pp.9716\u20139725（2020）”，“DOI”：“10.1109\/CVPR42600.2020.00974”}，{“key”：“21_CR27”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1109 \/JPROC.2021.3054390”，“volume”：“109”，“author”：“SK Zhou”，“year”：“2021”，“unstructured”：“Zhou，S.K.，et al.：医学成像深度学习综述：成像特征、技术趋势、具有进展亮点的案例研究和未来承诺。IEEE 109，820\u2013838（2021）”，“journal-title”：“Proc.IEEE”}]，“container-title“：[“计算机科学课堂讲稿”，“医学图像计算和计算机辅助干预\u2013 MICCAI 2022”]，“原始标题”：[]，“链接”：[{“URL”：“https:\\//link.springer.com/content\/pdf\/10.1007\/978-3-031-16437-8_21”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”用法：{“date-parts”：[[2024,3,12]]，“date-time”：“2024-03-12T14:04:54Z”，“timestamp”：1710252294000}，“score”：1，“resource”：{主“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-16437-8_21”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期-parts“：[2022]]}”，“ISBN”：[“9783031164]361“，”9783031164378“]，“引用计数”：27，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-031-16437-8_21”，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“value”：“0302-7743”：“2022年9月16日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{“name”：“ChapterHistory”，“label”：“ChapterHistory”}}，{“value”：“MICCAI”，“order”：1，“name”:“conference_acrombit”，“table”：“ConferenceAcronym”，”group“：{”name“：”ConferenceInfo“，”label“：”conferenceInformation“}，”value“：”医学图像计算与计算机辅助干预国际会议“，”order“：2，”name“conference_name”，“标签”：“会议名称”，“组”：{“Name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Singapore”，“order”：3，“名称”：“Conference_city”，“标签”：“会展城市”，“group”：{Name:“ConferenceInfo”：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“2022”，“order”：5，“name”：“Conference_year”，“标签”：“会议年份”，“group”：{“name”:“ConferenceInfo”：“会议信息”}}，{“value”：“2022年9月22日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：“”：“miccai2022”，“order”：10，“name”：“conference_id”，“label”：“conference id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“Double-blind”，“订单”：1，“name“：”type“，”label“：”type“，”group“：{”name“：“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由会议组织者提供）”}}}、{“值”：“Microsoft Conference”，“order”：2，“name”：“Conference_management_system”，”label“：”会议管理系统“，”group“：{“name”:“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“1831”，”order“：3，”name“：”number_of_submissions_sent_for_Review“，”lable“：“发送审阅的提交数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”｝｝，｛“value”：“574”，“order”：4，“name”：“Number_of_full_papers_accepted”，“label”：“接受的全文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“已接受的短文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议主办方提供）“}}}、{“value”：“31%-该值由公式“接受的全文数”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”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}