{“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”：“2024-06-04T06:37:56Z”，“时间戳”：1717483076241}，“出版商位置”：“查姆”，“参考计数”：33，“出版者”：“施普林格自然瑞士”，“isbn-type”：[{“值”：“9783031164422”，“类型”：”打印}，{“值”：“9783031164439”，“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”｝，｛“start”：｛“date parts”：[[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000｝，“content-version”：“vor”，“延迟天数”：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”31-16443-9_41“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,9,15]]，“date-time”：“2022-09-15T09:30:11Z”，“timestamp”：1663234211000}，“page”：“422-432”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：3，“title”：[“使用变形模板的弱监督体积图像分割”]，“prefix”：“10.1”007“，”作者“：[{“given”：“Udaranga”，“family”：“Wickramasinghe”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“Patrick”，“家庭”：“Jensen”，“序列”：“additional”，“filiation“：[]{”，{”given“：”Mian“，”family“：”Shah“，”sequence“：”additional[]}，{“given”：“Pascal”，“family”：“Fua”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2022,9,16]]}，“reference”：[{“key”：“41_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：“Acuna，D.，Kar，A.，Fidler，S.：恶魔处于边缘：从嘈杂的注释中学习语义边界。in:计算机视觉和模式识别会议（2019）”，“DOI”：“10.1109\/CVPR.2019.01133”}，{“key”：“41_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Akuna，D.，Ling，H.，Kar，A.，Fidler，S.：使用Polygon-RNN++对分割数据集进行高效交互式注释。In：计算机视觉和模式识别会议（2018）”，“DOI”：“10.1109\/CVPR.2018.00096”}，{“key”：“41_CR3”，“series-title”：“计算机科学课堂讲稿”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1007\/978-3-319-46723-8_49”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2016”，“author”：“\u00d6\u00c7i\u00e7ek”，“year”：“2016年”，“unstructured”：“\u00c7i\u00e7ek，\u00d6.，Abdulkadir，A.，Lienkamp，S.S.，Brox，T.，Ronneberger，O.：3D U-Net：从稀疏注释学习密集体积分割。收录：Ourselin，S.，Joskowicz，L.，Sabuncu，M.R.，Unal，G.，Wells，W.（编辑）MICCAI 2016。LNCS，第9901卷，第424\u2013432页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46723-8_49“}，{”key“：”41_CR4“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“356”，”doi“：”10.1007\/978-030-32248-9_40“，”volume-title“：“医学图像计算和计算机辅助干预\u2013 MICCAI 2019”，”author“：”AV Dalca“，”年份“：”2019“，”非结构化“：“”Dalca，A.V.，Yu，E.，Golland，P.，Fischl，B.，Sabuncu，M.R.，Eugenio Iglesias，J.：贝叶斯脑MRI分割的无监督深度学习。收录人：Shen，D.，Liu，T.，Peters，T.M.，Staib，L.H.，Essert，C.，Zhou，S.，Yap，P.-T.，Khan，A.（编辑）MICCAI 2019。LNCS，第11766卷，第356\u2013365页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32248-9_40“}，{“key”：“41_CR5”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“479”，“doi”：“10.1007\/978-300-59710-8_47”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2020“，”作者：“R Dorent”，年：“2020”，“非结构化”：“Dorent，R.等人：通过联合分割实现基于手写体的领域自适应。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12261卷，第479\u2013489页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59710-8_47“}，{“key”：“41_CR6”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“568”，“doi”：“10.1007\/9783-319-66179-7_65”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2017“，”作者：“X Feng”，“年份”：“2017”，“非结构化”：“Feng，X.，Yang，J.，Laine，A.F.，Angelini，E.D.：肺部结节弱监督分割CNN中的鉴别定位。收件人：Descoteaux，M.、Maier-Hein，L.、Franz，A.、Jannin，P.、Collins，D.L.、Duchesne，S.（编辑）MICCAI 2017。LNCS，第10435卷，第568\u2013576页。查姆施普林格（2017）。https:\/\/doi.org\/10.1007\/978-3-319-66179-7_65“}，{“key”：“41_CR7”，“unstructured”：“Freedman，D.，Zhang，T.：基于图形切割的交互式形状先验分割。In:计算机视觉和模式识别会议，pp.755\u201362（2005）”}，}，“key“：”41_CR8“，”doi-asserted-by“：”crossref“，”unstructure“：”Ge，W.，Yanga，S.，Yu，Y.：基于弱监督学习的多标签分类、对象检测和语义分割的多证据过滤和融合。In:Conference on Computer Vision and Pattern Recognition（2018）”，“DOI”：“10.1109\/CVPR.2018.00139”}，{“key”：“41_CR9”，“unstructured”：“Hsu，C.，Hsudoi断言：“crossref”，“非结构化”：“Huang，Z.，Wang，X.，Wang，J.，Liu，W.，Wang，J.：具有深度种子区域增长的弱监督语义分割网络。In:Conference on Computer Vision and Pattern Recognition（2018）”，“DOI”：“10.1109\/CVPR.2018.00733”}，{“key”：“41_CR11”，“DOI-asserted-by”：“publisher”，“first page”：”605“，“DOI:”10.1038\/s41592-018-0049-4“，”volume“：”15“author”：“M Januszewski”，“year”：“2018”，“unstructured”：“Januszewski，M.，Jain，V.：用洪水填充网络高精度自动重建神经元。Nat.Methods 15，605\u2013610（2018）“，“journal-title”：“Nat.Met方法”}，{“issue”：“4”，“key”：“41_CR12”，“doi-asserted-by”：“publisher”，“first-page”：“321”，“doi”：“10.1007\/BF00133570”，“volume”：《1》，“author”：“M Kass”，“year”：“1988”，“unstructured”：“Kass，M.，Witkin，A.，Terzopoulos，D.：蛇：主动轮廓模型。.J.计算可视化1（4），321\u2013331（1988）“，“期刊标题”：“国际计算杂志”。视觉。“}，{”key“：”41_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Kavur，A.，Selver，M.：CHAOS challenge-组合（CT-MR）健康腹部器官分割。arXiv Preprint（2020）“，”doi“：”10.1016\/j.media.2020.101950“}Khoreva，A.，Benenson，R.，Hosang，J.，Hein，M.，Schiele，B.：简单做到了：弱监督实例和语义分割。摘自：计算机视觉和模式识别会议，第1665\u20131674页（2017）“，“DOI”：“10.1109\/CVPR.2017.181”}，{“key”：“41_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ling，H.，Gao，J.，Kar，A.，Chen，W.，Fidler，S.：使用曲线-GCN快速交互式对象注释。摘自：计算机视觉和模式识别会议，pp.5257\u20135266（2019）“，“DOI”：“10.1109\/CVPR.2019.00540”}，{“key”：“41_CR16”，“series-title”：“计算机科学课堂讲稿”，“DOI-asserted-by”：“publisher”，“first page”：”307“，”DOI“：”10.1007\/978-3-030-87196-3_29“，”volume-title“：”医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，“作者”：“X Liu”，“年份”：“2021”，“非结构化”：“Liu，X.，Thermos，S.，O\u2019Neil，A.，Tsaftaris，S.A.：半监督元学习和去纠缠，用于领域通用医学图像分割。在：de Bruijne，M.，Cattin，P.C.，Cotin，S.，Padoy，N.，Speidel，S.，Zheng，Y.，Essert，C.（编辑）MICCAI 2021。LNCS，第12902卷，第307\u2013317页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87196-3_29“}，{“key”：“41_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Maninis，K.，Caelles，S.，Pont-Tuset，J.，Gool，L.：深度极限切割：从极点到对象分割。In:计算机视觉和模式识别会议（2018）”，“doi”：“10.1109\/CVPR.2018.00071”}，“{”key“：”41_CR18“，”series-title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“737”，“doi”：“10.1007\/978-3-030-00937-3_84”，“volume-title”：“Medical Image Computing and Computer Assisted Intervention \u2013 MICCAI 2018”，“author”：“Z Mirikharaji”，G.：用于皮肤损伤分割的完全卷积网络中的星形优先。收录人：Frangi，A.F.、Schnabel，J.A.、Davatzikos，C.、Alberola-L\u00f3pez，C.、Fichtinger，G.（编辑）MICCAI 2018。LNCS，第11073卷，第737\u2013745页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-00937-3_84“}，{“key”：“41_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Mortensen，E.，Barrett，W.：用于图像合成的智能剪刀。In:ACM SIGGRAPH，pp.191\u2013198，1995年8月”，“doi”：“10.1145\/218380.218442”}，}，“key“：”“41_CR20”，“series-title”：“计算机科学课堂笔记”，“doi-asserted-by“：”publisher“，”first page“：”549“，”doi“：”10.1007\/978-3-319-46478-7_34“，”volume-title“：”Computer Vision\u2013 ECCV 2016“，”author“：”A Bearman“，”year“：”2016“，“unstructured”：“Bearman，A.，Russakovsky，O.，Ferrari，V.，Fei-Fei，L.：要点是什么：带点监督的语义分段。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9911卷，第549\u2013565页。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-46478-7_34“}，{“key”：“41_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Peng，S.，Jiang，W.，Pi，H.，Li，X.，Bao，H.和Zhou，X.：实时实例分割的Deep snake。In:计算机视觉和模式识别会议（2020）”，“doi”：“10.1109\/CVPR42600.2020.00856”}，“{”key“：”41_CR22“，”series-title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“42”，“doi”：“10.1007\/978-3-030-33642-4_5”，“volume-title”：“生物医学数据的大尺度注释、医学成像和计算机辅助干预的专家标签合成和硬件感知学习”，“author”：“H Roth”，“year”：“2019”，“非结构化“：”Roth，H.等人：从极值点进行弱监督分割。参见：Zhou，L.等人（编辑）LABELS \/HAL-MICCAI\/CuRIOUS 2019。LNCS，第11851卷，第42\u201350页。查姆施普林格（2019）。https:\/\/doi.org\/10007\/978-3-030-33642-4_5“}，{“key”：“41_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Shvets，A.，Iglovikov，V.：使用深度学习的机器人辅助手术中的自动仪器分割。arXiv Preprint（2018）”，“doi”：“10.1101\/275867”}，}“keys”：“41 _CR24”，“非结构化”：“Simpson，A.，Menze，B.：用于开发和评估分割算法的大型带注释医学图像数据集。arXiv Preprint（2019）“}，{”key“：”41_CR25“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“663”，”doi“：”10.1007\/978-3-030-00931-1_76“，”volume-title“：“医学图像计算和计算机辅助干预\u2013 MICCAI 2018”，“author”：“H Spitzer”，“year”：“2018”，”unstructured“：”Spitzer，H.、Kiwitz，K.、Amunts，K.，Harmeling，S.、Dickscheid，T.：利用自我监督的暹罗网络改进人脑区域的细胞结构分割。收录人：Frangi，A.F.、Schnabel，J.A.、Davatzikos，C.、Alberola-L\u00f3pez，C.、Fichtinger，G.（编辑）MICCAI 2018。LNCS，第11072卷，第663\u2013671页。查姆施普林格（2018）。https:\/\/doi.org/10.1007\/978-3-030-00931-1_76“}，{“key”：“41_CR26”，“doi断言者”：“crossref”，“非结构化”：“Wang，Z.，Acuna，D.，Ling，H.，Kar，A.，Fidler，S.：具有深度极端水平集进化的对象实例注释。In：欧洲计算机视觉会议（2020）”，“doi”：“10.1109\/CVPR.2019.00768”}，{“key”：“41_CR27”，“series title”：“《计算机科学讲义》，“doi-asserted-by”：“publisher”，“first page”：“218”，“doi”：“10.1007\/978-3-030-32239-7_25”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2019”，“author”：“U Wickramasinghe”，《year》：“2019”；“unstructured”：“Wickramassinghe，U.，Knott，G.，Fua，P.：概率地图集，用于实施拓扑约束。收录人：Shen，D.，Liu，T.，Peters，T.M.，Staib，L.H.，Essert，C.，Zhou，S.，Yap，P.-T.，Khan，A.（编辑）MICCAI 2019。LNCS，第11764卷，第218\u2013226页。查姆施普林格（2019）。https:\/\/doi.org/10.1007\/978-3-030-32239-7_25“｝，｛“key”：“41_CR28”，“doi断言者”：“crossref”，“非结构化”：“Wickramasinghe，U.，Knott，G.，Fua，P.：深度活动表面模型。在：计算机视觉和模式识别会议（2021）”中，“doi”：“10.1109\/CVPR4437.201.01148”｝，｛“key”：“41_CR29”，“series title”：“《计算机科学讲义》，“doi-asserted-by”：“publisher”，“first page”：“299”，“doi”：“10.1007\/978-3-030-59719-1_30”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2020”，“author”：“U Wickramasinghe”，《year》：“2020”，《unstructured》：“Wickramassinghe，U.，Remelli，E.，Knott，G.，Fua，P.:Voxel2Mesh：从体积数据生成三维网格模型。收录人：Martel，A.L.，Abolmaesumi，P.，Stoyanov，D.，Mateus，D.，Zuluaga，M.A.，Zhou，S.K.，Racceanu，D.，Joskowicz，L.（编辑）MICCAI020。LNCS，第12264卷，第299\u2013308页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59719-1_30“}，{“key”：“41_CR30”，“doi-asserted-by”：“crossref”，“unstructured”：“Wolf，I.，et al.：医学成像交互工具包（MITK）：一个通过扩展VTK和ITK促进交互式软件创建的工具包。In:medical imaging 2004:可视化、图像引导程序和显示（2004）“，”DOI“：”10.1117\/12.535112“}，{”key“：”41_CR31“，”unstructured“：”Xia，X.，Kulis，B.：W-Net:用于完全无监督图像分割的深度模型。arXiv Preprint（2017）“}”，{“key”：“41_CR32”，“DOI-asserted-by”：“crossref”，“unstructure”：“”Yang，L.，Wang，Y.，X.，Yang，J.，Katsaggelos，A.：通过网络调制进行高效视频对象分割。In:Conference on Computer Vision and Pattern Recognition（2018）“，”DOI“：”10.1109\/CVPR.2018.00680“}，{”key“：”41_CR33“，”DOI-asserted-by“：”publisher“，”first page“：“2736”，“DOI”：“10.1109\/TMI.2020.3046292”，“volume”：“40”，“author”：“T Zhao”，“year”：“2020”，“unstructured”：“Zhao，T.，Yin，Z.：通过点注释进行弱监督细胞分割。IEEE传输。医学成像40，2736\u20132747（2020）“，“期刊标题”：“IEEE Trans。Med.Imageging“｝]，“容器标题”：[“计算机科学讲义”，“医学图像计算与计算机辅助干预\u2013 MICCAI 2022”]，“原标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com\/content/pdf\/10.1007\/978-3-031-16443-9_41”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用”：“相似性检查“}”，“存放”：{“日期部分”：[[2024,3,7]]，“日期时间”：“2024-03-07T16:47:30Z”，“时间戳”：1709830050000}，“分数”：1，“资源”：}“主要”：{“URL”：“https:\\/link.springer.com\/10.1007\/978-3-031-16443-9_41”}，ISBN“：[”9783031164422“，”97830.31164439“]，”references-count“：33，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-16443-9_41“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“、”type“:”print“}、{”value“：”1611-33049“、”类型“：”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“:”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”：“Singapore”，“order”：3，“name”:“conference_city”，“table”：“conferency city”，“group”：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”，“标签”：“会议信息”}}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）”}}]}}