{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,7]]，“日期-时间”：“2024-05-07T13:59:25Z”，“时间戳”：1715090365269}，“发布者位置”：“查姆”，“引用-计数”：29，“出版商”：“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_7“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,9,15]]，“date-time”：“2022-09-15T18:13:04Z”，“timestamp”：1663265584000}，“page”：“67-77”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：4，“title”：[“BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations”]，“前缀”：“10.1007”，“作者”：[{“给定”：“军”，“家庭”：“卫”，“序列”：“第一”，“从属”：[]}：[]}，{“给定”：“S”，“家庭”：“Kevin Zhou”、“sequence”：“additional”，“affiliation”：[]}，{“given”：“Zhen”，“family”：“Li”，“sequences”：“附加”，“从属”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,9,16]}、“reference”：[{“key”：《7_CR1》，“doi-asserted-by”：《crossref》，《unstructured》：“Akbari，M.等：使用完全卷积网络对结肠镜图像进行息肉分割。摘自：2018年第40届IEEE医学与生物学会工程国际年会，第69\u201372（2018）页“，”DOI“：”10.1109\/EMBC.2018.8512197“}，{“key”：“7_CR2”，“DOI-asserted-by”：“publisher”，“first page”：”99“，“DOI”：“10.1016\/j.compedimag.2015.02.007”，“volume”：Bernal，J.，S\u00e1nchez，F.J.，Fern\u00e indez-Esparrach，G.，Gil，D.，Rodr\u00edguez，C.，Vilari\u00f1o，F.：结肠镜检查中准确显示息肉的WM-DOVA图：医生提供的验证与显著性图。计算。医学成像图。43，99\u2013111（2015）“，“新闻标题”：“计算。医学成像图。“}，{”issue“：”9“，”key“：”7_CR3“，”doi-asserted-by“：”publisher“，”first-pages“：”3166“，”doi“：”10.1016\/j.patcog.2012.03.002“，”volume“：“45”，“author”：“j Bernal”，“year”：“2012”，“unstructured”：“Bernal，j.，S\u00e1nchez，j.（2012）“，”journal-title“：”模式识别。“}，{”key“：”7_CR4“，”doi-asserted-by“：”crossref“，”unstructured“：”Brandao，P.，et al.：结肠镜检查中息肉分割的完全卷积神经网络。in:Medical Imaging 2017:Computer-Aided Diagnosis，vol.10134，P.101340F（2017）“，”doi“：”10.1117 \/12.254361“}doi-asserted-by“：”publisher“，”first page“：”720“，“doi”：“10.1007\/978-3-030-87193-2_68”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2021”，“author”：“M Cheng”，“year”：“2021”；“unstructured”：“Cheng，M.，Kong，Z.，Song，G.，Tian，Y.，Liang，Y.”，Chen，J.：用于息肉分割的可学习定向衍生网络。在：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12901卷，第720\u2013730页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_68“}，{“key”：“7_CR6”，“unstructured”：“Dong，B.，Wang，W.，Fan，D.P.，Li，J.，Fu，H.，Shao，L.：Polyp-pvt：使用金字塔视觉变换器分割息肉。arXiv预印本arXiv:2108.06932（2021）”}第一页“：”263“，”DOI“：”10.1007\/978-3-030-59725-2_26“，”volume-title“：”医学图像计算和计算机辅助干预\u2013 MICCAI 2020“，”author“：”D-P Fan“，”year“：”2020“，“unstructured”：“Fan，D.-P.，et al.：PraNet：用于息肉分割的并行反向注意网络。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12266卷，第263\u2013273页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59725-2_26“}，{”key“：”7_CR8“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”首页“：”302“，“doi”：“10.1007\/978-030-32239-7_34”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2019”，“author”：“Y Fang”，“year”：“2019”、“unstructured”：“”Fang，Y.、Chen，C.、Yuan，Y.和Tong，K.：用于息肉分割的带区域边界约束的选择性特征聚合网络。收录人：Shen，D.等人（编辑）MICCAI 2019。LNCS，第11764卷，第302\u2013310页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32239-7_34“}，{”issue“：”2“，”key“：”7_CR9“，”doi-asserted-by“：”publisher“，”first page“：“652”，“doi”：“10.1109\/TPAMI.2019.2938758”，“volume”：“43”，“author”：“S Gao”，“year”：“2021”，“unstructured”：“Gao，S.，Cheng，M.，Zhao，K.，Zhang，X.，Yang，M，Torr，P.H.S.：Res2net：一种新的多尺度主干架构。IEEE传输。模式分析。机器。因特尔。43（2），652\u2013662（2021）”，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”7_CR10“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“451”，“doi”：“10.1007\/978-3-030-37734-2_37”，“volume-title”：“多媒体建模”，“author”：“D Jha”，“year”：“2020”，“unstructured”：“Jha，D.，et al.：Kvasir-SEG：分段息肉数据集。in：Ro，Y.M.，et al..（eds.）MMM 2020年。LNCS，第11962卷，第451\u2013462页。施普林格，查姆（2020）。https://doi.org \/10.1007\/978-3-030-37734-2_37“}，{“key”：“7_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Jha，D.，et al.：Resunet++：医学图像分割的高级架构。收录于：2019 IEEE多媒体国际研讨会（ISM），第225\u20132255页。IEEE（2019）“，”DOI“：”10.1109\/ISM46123.2019.00049“}，{”key“：”7_CR12“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“142”，“DOI”：“10.1007\/978-3-030-87193-2_14”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2021”，“author”：“G-P Ji”，”year“：”2021“，”unstructured“：”Ji，G.-P，et al.：视频息肉分割的渐进归一化自关注网络。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12901卷，第142\u2013152页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_14“}，{“key”：“7_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Long，J.，Shelhamer，E.，Darrell，T.：语义分割的完全卷积网络。摘自：IEEE计算机视觉和模式识别会议记录，第3431\u20133440页（2015）”，“doi”：“10.1109\/CVPR.2015.7298965“}，{“key”：“7_CR14”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“首页”：“387”，“doi”：“10.1007\/978-3-030-87240-3_37”，”volume-title“：”医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，”author“：”Y Ma“，”year“：”2021“”，”unstructured“：”Ma，Y.，Chen，X.，Cheng，K.，Li，Y..，Sun，B.：LDPolypVideo基准：一个针对各种息肉的大规模结肠镜视频数据集。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12905卷，第387\u2013396页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87240-3_37“}，{”key“：”7_CR15“，”doi-asserted-by“：”crossref“，”unstructured“：”Murugesan，B.、Sarveswaran，K.、Shankaranarayana，S.M.、Ram，K.，Joseph，J.、Sivaprakasam，M.：Psi-Net：用于医学图像分割的形状和边界感知联合多任务深度网络。收录于：2019年IEEE医学与生物学会工程第41届国际年会（EMBC），第7223\u20137226页（2019）“，“DOI”：“10.1109\/EMBC.2019.8857339”}，{“key”：“7_CR16”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，“作者”：“T-C Nguyen”，“年份”：“2021”，“非结构化”：“Nguyeen，T.-C.，Nguyen，T.-P.，Diep，G.-H.，Tran-Dinh，A.-H.，Ngyen，T.V.，Tran，M.-T.：CCBANet：级联上下文和平衡息肉分割的注意力。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12901卷，第633\u2013643页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_60“}，{“key”：“7_CR17”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“234”，“doi”：“10.1007\/9783-319-24574-4_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”：“Ronneberger，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“}，{“key”：“7_CR18”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“559”，“doi”：“10.1007\/978-300-87193-2_53”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，”作者：“Y Shen”，“年份”：“2021”，“非结构化”：“”Shen，Y.，Jia，X.，Meng，M.Q.-H.：HRENet：用于息肉分割的硬区域增强网络。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12901卷，第559\u2013568页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_53“}，{”问题“：”2“，”密钥“：”7_CR19“，”doi-asserted-by“：”出版商“，”首页“：”283“，”doi“：”10.1007\/s11548-013-0926-3“，”卷“：”9“，“作者”：“J Silva”，“年份”：“2014”，“非结构化”：“Silva，J.，Histace，A.，Romain，O.，Dray，X.，Granado，B.：关于WCE图像中息肉的嵌入式检测，以早期诊断结直肠癌。国际期刊计算。协助。无线电。外科学9（2），283\u2013293（2014）。https:\/\/doi.org\/10.1007\/s11548-013-0926-3“，”journal-title“：”国际计算杂志。协助。无线电。外科“}，{“问题”：“2”，“关键”：“7_CR20”，“doi-asserted-by”：“出版商”，“首页”：“630”，“doi”：“10.1109\/TMI.2015.2487997”，“卷”：“35”，“作者”：“N Tajbakhsh”，“年份”：“2015”，“非结构化”：“Tajbaghsh，N.，Gurudu，S.R.，Liang，J.：使用形状和上下文信息在结肠镜视频中自动检测息肉。IEEE Trans.Med.Imaging 35（2），630\u2013644（2015）”，“期刊标题”：“IEEE Trans。医学成像“}，{”key“：”7_CR21“，”doi-asserted-by“：”publisher“，”first page“：“1”，”doi“：”10.1155\/2017\/4037190“，”volume“：‘2017’，”author“：”D V\u00e1zquez“，”year“：”2017“，”unstructured“：”V\u001zquez，D.，et al.：结肠镜图像管腔内场景分割的基准。J.Healthc.Eng.2017，1\u20139（2017）“，”journal-title“：“J。健康c。Eng.“｝，｛“issue”：“3”，“key”：“7_CR22”，“doi asserted by”：“publisher”，“first page”：“1”，“doi”：“10.1007\\s41095-022-0274-8”，“volume”：“8”，“author”：“W Wang”，“year”：“2022”，“nonstructured”：“Wang，W.等人：PVTv2：使用金字塔视觉转换器改进基线。计算机。视觉媒体8（3），1\u201310（2022）。https://doi.org/10.1007\\s410910 5-022-0274-8“，”journal-title“：”计算。Visual Media“}，{“key”：“7_CR23”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“首页”：“699”，“doi”：“10.1007\/978-3-030-87193-2_66”，“volume-title”：”医学图像计算与计算机辅助干预\u2013 MICCAI 2021“，”作者：“J Wei”，“年份”：“2021”，“非结构化”：“Wei，J.，Hu，Y.，Zhang，R.，Li，Z.，Zhou，S.K.，Cui，S.：息肉分割的浅层注意网络。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12901卷，第699\u2013708页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_66“}，{“key”：“7_CR24”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“253”，“doi”：“10.1007\/978-300-59725-2_25”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2020“，”作者：“R Zhang”，“年份”：“2020”，“非结构化”：“Zhang，R.，Li，G.，Li.，Z.，Cui，S.，Qian，D.，Yu，Y.：息肉分割的自适应上下文选择。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12266卷，第253\u2013262页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59725-2_25“}，{“key”：“7_CR25”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“14”，“doi”：“10.1007\/9783-030-87193-2_2”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，”作者：“Y Zhang”，“年份”：“2021”，“非结构化”：“Zhang，Y.，Liu，H.，Hu，Q.：TransFuse：融合变压器和CNN用于医学图像分割。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12901卷，第14\u201324页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_2“}，{“问题”：“5”，“密钥”：“7_CR26”，“doi-asserted-by”：“出版商”，“首页”：“749”，“doi”：“10.1109\/LGRS.2018.2802944”，“卷”：“15”，“作者”：“Z Zhang”，“年份”：“2018”，“非结构化”：“Zhang，Z.，Liu，Q.，Wang，Y.：通过深度残余U-Net提取道路。IEEE Geosci.Remote Sens第15（5）条，749\u2013753（2018）“，“期刊标题”：“IEEE Geosci。遥感快报。“}，{”key“：”7_CR27“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“120”，”doi“：”10.1007\/978-3030-87193-2_12“，”volume-title“：“医学图像计算和计算机辅助干预\u2013 MICCAI 2021”，“author”：“X Zhao”，“year”：“2021”“unstructured”：“”Zhao，X.，Zhang，L.，Lu，H.：基于多尺度减法网络的息肉自动分割。In:de Bruijne，M.，et al.（eds.）MICCAI 2021。LNCS，第12901卷，第120\u2013130页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87193-2_12“}，{“问题”：“5”，“密钥”：“7_CR28”，“doi-asserted-by”：“出版商”，“首页”：“820”，“doi”：“10.1109\/JPROC.2021.3054390”，“卷”：“109”，“作者”：“S Zhou”，“年份”：“2020”，“非结构化”：“Zhou，S.等：医学成像深度学习综述：图像特征、技术趋势、具有进展亮点的案例研究以及未来展望。程序。IEEE 109（5），820\u2013838（2020）“，”期刊标题“：”Proc。IEEE“}，{“key”：“7_CR29”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”3“，“doi”：“10.1007\/978-3-030-00889-5_1”，《volume-title》：“医学图像分析的深度学习和临床决策支持的多模态学习”，“author”：“Z Zhou”，“year”：“2018”，“unstructured”：“Zhou，Z.，Rahman Siddiquee，M.M.，Tajbakhsh，N.，Liang，J.：UNet++：用于医学图像分割的嵌套U-Net架构。收录人：Stoyanov，D.等人（编辑）DLMIA-/ML-CDS-2018。LNCS，第11045卷，第3\u201311页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-00889-5_1“}]，“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\/10.10007\/9783-031-16437-8_7”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2024,3,12]]，”date-time“：”2024-03-12T14:02:12Z“，”timestamp“：1710252132000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3-031-16437-8_7”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2022]]}，“ISBN”：[“9783031164361”，“9783031164378“]，”引用计数“：29，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-16437-8_7“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，”type“：”print“}，{“value”：“1611-3399”，”类型“：”electronic“}]，”subject“：[]，”published“：{”date-pa rts“：[[2022]]}，”断言“：[{“value”：“2022年9月16日”，“order”：1，“name”：“first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“MICCAI”，“order”：1，“name”:“conference_acrombit”，“table”：“ConferenceAcronym”，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}}”，{”value“：”医学图像计算与计算机辅助干预国际会议“，”order“：2，”name“：”conference_name“，”label“：”ConferenceName“，”group“：｛”name“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝｝，｛”value“：”Singapore“，”order“：3，”name“：”conference_city“，”label“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”Singapore“，”order“：4，”name“：”conference_country“，”label“：”会议国家/地区“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2022“，”order“：5，”name“:”Conference_year“，”标签“：”会议年“，”group“：name“：”ConferenceInfo“，”label“：”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”：“：”会议信息“｝｝，｛“value”：“miccai2022”，“order”：10，“name”：“Conference_id”，“label”：“Conference id”，“group”：｛“name”：“ConferenceInfo”，“label”：“Conference Information”｝｝，｛“value”：“Double blind”，“order”：1，“name”：“type”，“label”：“type”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）“}}，{”value“：”Microsoft conference“，”order“：2，”name“：”conference_management_system“，“label”：“会议管理系统”，“group”：{“name”：“ConfEventPeerReviewInformation”，”label“：”同行评审信息“（由会议主办方提供）”}}number_of_submissions_sent_for_review“，”label“：“发送供审阅的提交数”，“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”，“标签”：“已接受的全文数”，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）31%-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”：“5”，“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”，“标签”：“同行审阅信息（由会议组织者提供）”}}]}}