｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2023,1,2]]，“date-time”：“2023-01-02T05:41:29Z”，“timestamp”：1672638089339｝，“publisher location”：“Cham”，“reference count”：21，“publisher”：“Springer Nature Switzerland”，“isbn type”：[｛“value”：“9783031204999”，“type”：“print”｝，｛“value”：“9783031205002”，“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.springernature.com\/gp\/searners\/text-and-data-mining”}1-01T00:00:00Z“，”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\/978-3-031-20500-2_51“，”键入“：”book-chapter“，”created“：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T05:12:32Z”，“timestamp”：1672549952000}，“page”：“626-637”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“Crossref”，“is-referenced-by-count”：0，“title”：[“使用\u00a0rs-fMRI对\u00a 0Brain Disease Classification进行\u00a-0Dynamic Functional Connectivity Networks的基于自我注意的高阶序列特征”]，“前缀”：“10.1007”，“作者”：[{“给定”：“志翔”，“家庭”：“张”，“序列”：“第一”，“从属”：[]}，{“已知”：“表”，“家族”：“杰”，“顺序”：“附加”，“附属”：[]}，“给定”：“郑东”，“家庭”：“王”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“杰”，“家族”：“周”，“顺序”：“额外”，“隶属关系”：[]}、{“给出”：“阳”，“家人”：“杨”，“排序”：“添加”，“附属关系”：【】}，“成员”：“297”，“在线发布”：{“日期部分”：【2023，1，1】}、“引用”：【{“发布”：”1“，”key“：”51_CR1“，”doi-asserted-by“：“publisher”，“first page”：“71”，“DOI”：“10.1007\/s12021-019-09419-w”，“volume”：”18“，“author”：“NT Duc”，“year”：“2020”，“unstructured”：“Duc，N.T.，Ryu，S.，Qureshi，M.N.I.，Choi，M.，Lee，K.H.，Lee，B.：基于三维深度学习的阿尔茨海默病自动诊断，使用静止状态FMRI联合MMSE预测。神经信息学18（1），71\u201386（2020）“，”journal-title“：“神经信息学”}，{“key”：“51_CR2”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.media.2020.101662”，“volume”：”63“，”author“：”F Huang“，”year“：”2020“，”unstructured“：”Huang，F.等人：通过多模板多中心表征进行ASD诊断的自加权自适应结构学习。Med。图像分析。63，101662（2020）“，“新闻标题”：“医学图像分析。“}，{”issue“：“1”，”key“：“51_CR3”，”doi-asserted-by“：”publisher“，”first page“：”233“，”doi“：”10.1109\/TCYB.2019.2940526“，”volume“：：”51“，”author“：”P Yang“，”year“：”2019“，”unstructured“：”Yang，P.等：融合稀疏网络学习用于轻度认知障碍的纵向分析。IEEE Trans.Cybern.51（1），233\u2013246（2019）“，”journal title“：”IEEE传输。赛博。“}，{”key“：”51_CR4“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.media.2020.101709“，”volume“：“63”，”author“：”B Jie“，”year“：”2020“，”unstructured“：”Jie，B.，Liu，M.，Lian，C.，Shi，F.，Shen，D.：在卷积神经网络中设计加权相关核，用于基于功能连通性的脑疾病诊断。Med。图像分析。63，101709（2020）“，“新闻标题”：“医学图像分析。“}，{”issue“：“10”，”key“：“51_CR5”，”doi-asserted-by“：”publisher“，”first page“：”5019“，”doi“：”10.1002\/hbm.23711“，”volume“：：”38“，”author“：”X-Chen“，”year“：”2017“，”unstructured“：”Chen，X.，Zhang，H.，Zhan，L.，Shen，C.，Lee，S.W.，Shen and D.：从大脑灰质和白质中提取动态功能连接性，用于mci分类。哼。大脑映射。38（10），5019\u20135034（2017）”，“期刊标题”：“Hum.Brain Mapp。“}，{”key“：”51_CR6“，”doi-asserted-by“：”publisher“，”首页“：”258“，”doi“：”10.3389\/fnins.2020.00258“，”卷“：”14“，”作者“：”F Zhao“，”年份“：”2020“，”非结构化“：”Zhao，F.，Chen，Z.，Rekik，I.，Lee，S.W.，Shen，D.：利用低阶和高阶动态静止状态功能连接网络的中心矩特征诊断自闭症谱系障碍。前面。神经科学。14558（2020）”，“期刊标题”：“前沿。神经科学。“}，{”issue“：”23“，”key“：”51_CR7“，”doi-asserted-by“：”publisher“，”first-page“：”12592“，”doi“：”10.1073\/pnas.1919012117“，”volume“：“117”，”author“：”AJ Larrazabal“，”year“：”2020“，”unstructured“：”Larrazabal，A.J.、Nieto，N.、Peterson，V.、Milone，D.H.、Ferrante，E.：医学成像数据集中的性别不平衡会产生偏向分类器，用于计算机辅助诊断。程序。国家。阿卡德。科学。117（23），12592\u201312594（2020）“，“新闻标题”：“Proc。国家。阿卡德。科学。“}，{”issue“：”1“，”key“：”51_CR8“，”doi-asserted-by“：”publisher“，”first-page“：”235“，“doi”：“10.1007\/s40747-020-00199-4”，“volume”：“7”，“author”：“ME Karr”，“year”：“2021”，“unstructured”：“”Karar，M.E.，Hemdan，E.E.D.，Shouman，M.A.：级联深度学习分类器，用于x射线扫描中的Covid-19和肺炎的计算机辅助诊断。复杂智能。系统。7（1），235\u2013247（2021）“，“新闻标题”：“复杂情报。系统。“}，{”key“：”51_CR9“，”doi-asserted-by“：”crossref“，”unstructured“：”Koo，C.S.，Dolgunov，D.，Koh，C.J.：在结肠镜检查中使用计算机辅助诊断的关键提示-从两个不同平台进行的观察。内窥镜检查（2021）“，”doi“：”10.1055\/a-1701-6201“}”，{“issue”：“2”，“key”：“51_CR10”，“doi-assert-by”：“publisher”，“first page”：”512“，“doi”：”10.1053，“j.gastro.2020.04.062”，“volume”：“159”，“author”：“A Repici”，“year”：“2020”，“unstructured”：“Repici，A.，et al.：随机试验中实时计算机辅助检测结直肠癌的疗效。《肠胃病学》159（2），512\u2013520（2020）“，“journal-title”：“肠胃病”}，{“issue”：“6”，“key”：“51_CR11”，“doi-asserted-by”：“publisher”，“first-page”：“1242”，“doi”：“10.1016\/j.gie.2019.12.048”，“volume”：”91“author”：“AJ de Groof”，“year”：“2020”，“unstructured”：“de Groof，A.J.等人：在实时内窥镜手术期间，深度学习算法以高精度检测Barrett\u2019s肿瘤：一项初步研究（含视频）。胃肠测试。恩多斯克。91（6），1242\u20131250（2020）“，“新闻标题”：“胃肠测试。恩多斯克。“}，{”issue“：”11“，”key“：”51_CR12“，”doi-asserted-by“：”publisher“，”first-page“：”838“，”doi“：”10.1016\/j.crad.2021.07.012“，“volume”：“76”，“author”：“CM Jarnalo”，“year”：“2021”，“unstructured”：“”Jarnalo，C.M.、Linsen，P.、Blaz\u00eds，S.、van der Valk，P.和Dickerscheid，D.：基于深度学习的计算机辅助检测系统在大型教学医院检测肺部结节的临床评估。临床。无线电。76（11），838\u2013845（2021）“，“期刊标题”：“临床。无线电。“}，{”key“：”51_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Misawa，M.，et al.：结肠镜计算机辅助检测系统和可公开访问的大型结肠镜视频数据库（带视频）的开发。Gastrointest。Endosc.93（4），960\u2013967（2021）“，”doi“：”10.1016\/j.gie.2020.07.060“}”，{“issue”：“8”，“key”：“51_CR14”，“”doi-asserted-by“：”publisher“，”first page“：”2241“，”doi“：”10.1109\/TBME.2019.2957921“，”volume“：“67”，”author“：”M Wang“，”year“：”2019“，”unstructured“：”Wang，M.、Lian，C.、Yao，D.、Zhang，D.、Liu，M.和Shen，D.：通过卷积递归网络进行功能MRI分析的时空依赖建模和网络集线器检测。IEEE Trans。生物识别。Eng.67（8），2241\u20132252（2019）“，“期刊标题”：“IEEE Trans。生物识别。Eng.“}，{”key“：”51_CR15“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“664”，”doi“：”10.1007\/978-3-030-87589-3_68“，”volume-title“：“医学成像中的机器学习”，”author“：”K Lin“，“year”：“2021”，”unstructured“：”Lin，K.，Jie，B.，Dong，P.，Ding，X.，Bian，W.，Liu，M.：利用rs-fMRI数据从动态连接网络中提取序列特征，用于AD分类。作者：Lian，C.、Cao，X.、Rekik，I.、Xu，X.、Yan，P.（编辑）MLMI 2021。LNCS，第12966卷，第664\u2013673页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87589-3_68“}，{”key“：”51_CR16“，”doi-asserted-by“：”publisher“，”首页“：”81“，”doi“：”10.1016\/j.media.2018.03.013“，”卷“：”47“，”作者“：”B Jie“，”年份“：”2018“，”非结构化“：”Jie，B.，Liu，M.，Shen，D.：集成动态连接网络的时间和空间特性，用于脑疾病的自动诊断。医学图像分析。47，81\u201394（2018）“，“杂志标题”：“医学图像分析。“}，{”key“：”51_CR17“，”unstructured“：”Bronstein，M.M.，Bruna，J.，Cohen，T.，Veli\u010dkovi\u0107，P.：几何深度学习：网格、群、图、测地线和量规。arXiv预印本arXiv:2104.13478（2021）“}”，{“key”：“51_CR18”，“unstructure”：“Park，N.，Kim，S.：视觉变换器是如何工作的？arXiv预先印本arX iv:22022.06709（2022）”}，}“key:”51_CR19”，“非结构化”：“Lin，Z.，et al.：一种结构化的自我关注句子嵌入。arXiv预印本arXiv:1703.03130（2017）“}，{“key”：“51_CR20”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，F.，Liu，H.：理解对比度损失的行为。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第2495\u20132504（2021）页”，“doi”：“10.1109\/CVPR46437.2021.0022”}，}“issue”：“1”，“key“：”51_CR21“，”doi-asserted-by“：”publisher“，”first page“：”276“，”doi“：”10.1007\/s11682-019-00255-9“，“volume”：“15”，“author”：“B Lei”，“year”：“2021”，“unstructured”：“Lei，B.，et al.：基于动态高阶网络的早期阿尔茨海默病诊断。大脑成像行为。15（1），276\u2013287（2021）“，“新闻标题”：“大脑成像行为。“}]，”container-title“：[”人工智能“，”计算机科学课堂讲稿“]，”原始标题“：[]，”链接“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-20500-2_51“，”内容类型“：”未指定“，”content-version“：”vor“，”intended-application“：”相似性检查“}]”，”存放“：{”日期-部件“：[2023,1]]，”日期-时间“：”2023-01-01T05:45:44Z“，”timestamp“：1672551944000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com//10.1007\/978-3-031-20500-2_51”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2022]}，《ISBN》：[“9783031204999”，“978305002”]，“references-count”：21，“URL”：\/\/dx.doi.org\/10.1007\/978-3-031-20500-2_51“，”关系“：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN类型”：[｛“value”：“0302-9743”，“type”：“print”｝，｛“value”：“1611-3349”，“type”：“electronic”｝]，“subject”：[]，“published”：｛“date parts”：[[2022]}，“assertion”：[｛“value”：“1 January 2023”，“order”：1，“name”：“first_online”，“label”：“first online”，“group”：｛“name”：“章节历史”，“标签”：“章节历史”｝｝，｛“值”：“CICAI”，“order”：1，“name”：“conference_acrombior”，“label”：“conference-Acrombion”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“CAAI International conference on Artificial Intelligence”，”order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：{”name“ConfernceInfo”“，”标签“：”“会议信息“}}”，{”value“：“北京”，“order”：3，“name”：“conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“China”，“订单”：4，“name“：”conference_country“，”label“：”ConferenceCountry“，e_year“，”标签“：“会议年份”、“组”：｛“名称”：“ConferenceInfo”、“标签”：“会议信息”｝｝、｛“值”：“2022年8月27日”、“顺序”：7、“名称”：“Conference_start_date”、“标签”：“会议开始日期”、“组”：｛“名称”：“ConferenceInfo”、“标签”：“会议信息”｝｝、｛“值”：“2022年8月28日”、“顺序”：8、“名称”：“Conference_end_date”、“标签”：“会议结束日期”，“group”：{“name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“2”，“order”：9，“name”:“Conference_number”，“标签”：“会议编号”，“groups”：{“name”∶“ConferenceInfo”“，”标签“：“会议信息”}}，{“value”：“https:\/\/cicai.caai.cn\/#\/”，“order”：11，“name”：“Conference_url”，“label”：“会议url”，“group”：{“name”:“ConferenceInfo”，“标签”：“Conferency Information”}，“value“：”Double-blind“，”order“：1，”name“：”type“，”label“：”type“，”group“：{”name“:”ConfEventPeerReviewInformation“，”标签“：“同行评审信息（由会议组织者提供）”}}，{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“conference management system”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审议信息（由大会组织者提供）：“number_of_submissions_sent_for_review”，“label”：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“164”，”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）”}}：“35%-该值由等式“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”：“3.1”，“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）”}}]}}