{“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”：[[2022,12,17]]，“日期时间”：“2022-12-17T05:49:14Z”，“时间戳”：1671256154734}，“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”：“9783031205026”，“类型”：”打印“}，{“值”：“9783031205033”，“type”：“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\/researters\/text-and-data-mining”}，{“开始”：{“date-ports”：[2022,1,1]，“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”31-20503-3_15“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,12,16]]，“date-time”：“2022-12-16T12:09:06Z”，“timestamp”：1671192546000}，“page”：“180-191”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“使用深度学习的3D网格扫描中的牙齿缺陷分割”]，“prefix”：“10.1007”“，”作者“：[{“given”：“Hao”，“family”：“Chen”，“sequence”：“first”，“affiliation”：[]}“：”《左传》“家族”：“刘”“序列”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2022,12,17]]}，“reference”：[{“issue”：“11”，“key”：“15_CR1”，“doi-asserted-by”：“publisher”，”first page“：”727“，”doi“：”10.1038\/sj.bdj.4812453“，”volument“：”198“，”author“：”H Beckett“，”year“：”2005“，”非结构化”：“Beckett，H.：牙齿结构的保存和修复。Br.Dent.J.198（11），727\u2013727，“非结构化”：“Chen，H.，Li，H.、Hu，B.、Ma，K.、Sun，Y.：一种用于三维牙科网格上牙齿边缘检测的卷积神经网络。arXiv预印本arXiv:2107.03030（2021）”}，{“key”：“15_CR4”，“doi-asserted-by”：“crossref”，“非结构性”：“Cui，Z.，et al.：Tsegnet：一种高效准确的三维牙科模型牙齿分割网络。Med.Image Anal.69，101949（2021）”，“DOI”：“10.1016\/j.media.2020.101949”}，{“key”：“15_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Deng，H.，et al.：一种为整体式上颌正颌手术建立临床所需最终牙齿咬合的自动方法。国际期刊《计算辅助放射外科》15（11），1763\u20131773（2020）”，“DOI”：“10.1007\/s11548-020-02125-y”}，{“key”：“15_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Graham，B.，Engelcke，M.，Van Der Maaten，L.：子流形稀疏卷积网络的三维语义分割。摘自：IEEE计算机视觉和模式识别会议论文集，第9224\u20139232（2018）页”，“DOI”：“10.1109\/CVPR.2018.00961”}，{“issue”：“2”，“key”：“15_CR7”，“DOI-asserted-by”：“publisher”，“first page”：”187“DOI“：“10.1007\\s41095-021-0229-5”，“卷”：“7”，“作者”：“MH Guo”，“年份”：“2021”，“非结构化”：“Guo，M.H.，Cai，J.X.，Liu，Z.N.，Mu，T.J.，Martin，R.R.，Hu，S.M.:PTC:点云转换器.Comput.Vis.Media 7（2），187\u2013199（2021）”，“期刊标题”：“Comput.Vis.Media”}，{“issue”：“3”，“key”：“15_CR8”，doi由“：”publisher断言“，”第一页“：”304“，“DOI”：“10.1177\/00220345211040459”，“volume”：“101”，“author”：“J Hao”，“year”：“2022”，“unstructured”：“Hao，J.，et al.：通过深度学习实现临床适用的三维牙齿分割。J.Dent.Res.101（3），304\u2013311（2022）”，“journal-title”：“J.Dent Res.”}，{“key”：《15_CR9》，“unsructured“：“Huang，J.，You，S.：使用3D卷积神经网络标记点云。摘自：2016年第23届国际模式识别会议（ICPR），第2670\u20132675页。IEEE（2016）“}，{”issue“：”2“，”key“：”15_CR10“，”doi-asserted-by“：”publisher“，”first page“：“211”，“doi”：“10.3722\/cadaps.2011.211-224”，“volume”：“8”，“author”：“Y Kumar”，“year”：“2011”，“unstructured”：“Kumar，Y.，Janardan，R.，Larson，B.，Moon，J.：改进牙科模型中的牙齿分割。Computer.-Aid.Des.Appl.8（2），211\ u2013224（2011）“，”journal-title“：”计算-援助。设计。申请。“}，{”key“：”15_CR11“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“478”，“doi”：“10.1007\/978-3-030-87202-1_46”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2021”，“author”：“Lang”，“year”：“2021”、“unstructured”：“”Lang等人：DLLNet：一种基于注意力的深度学习方法，用于在高分辨率3D数字牙科模型上定位牙科地标。收录人：de Bruinne，M.等人（编辑）MICCAI 2021。LNCS，第12904卷，第478\u2013487页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87202-1_46“}，{“key”：“15_CR12”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“95”，“doi”：“10.1007\/9783-319-64689-3_8”，“volume-title”：”图像和模式的计算机分析“，”author“：”FJ Lawin“，”年份“2017”，“非结构化”：“Lawin，F.J.，Danelljan，M.，Tosteberg，P.，Bhat，G.，Khan，F.S.，Felsberg，M.：深度投影3D语义分割。收录人：Felsberg，M.，Heyden，A.，Kr\u00fcger，N.（编辑）CAIP 2017。LNCS，第10424卷，第95\u2013107页。施普林格，查姆（2017）。https://doi.org\/10.1007\/978-3-319-64689-3_8“}，{“key”：“15_CR13”，“unstructured”：“Li，Y.，Bu，R.，Sun，M.，Wu，W.，Di，X.，Chen，B.：Pointcnn：X变换点上的卷积。高级神经信息处理系统31（2018）”}，}，“key“：”15_CR14“，”doi-asserted-by“：”crossref“，”unstructure“：”Lian，C.等人：从3D口腔内扫描仪自动标记原始牙齿表面的深层多尺度网格特征学习。IEEE传输。医学成像39（7），2440\u20132450（2020）“，“DOI”：“10.1109\/TMI.2020.2971730”}，{“key”：“15_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.Y.，Goyal，P.，Girshick，R.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点丢失（2017）.1048550\/ARXIV.1708.02002，https:\/\/ARXIV.org\/abs\/1708.02002”，“DOI”：“10.1109\/ICCV.2017.324”}，{“key“：”15_CR16“，”unstructured“：”Qi，C.R.，Su，H.，Mo，K.，Guibas，L.J.：Pointnet：点集深度学习，用于3D分类和分割。摘自：《IEEE计算机视觉和模式识别会议论文集》，第652\u2013660页（2017）“}，{“key”：“15_CR17”，“unstructured”：“Qi，C.R.，Yi，L.，Su，H.，Guibas，L.J.：Pointnet++：度量空间中点集的深度分层特征学习。Adv.Neural Inf.Process.Syst.30（2017）”}，}，“key“：”15_CR18“doi-asserted-by”：“crossref“，”unstructured“：”Raith，S.等人：人工神经网络是一种强大的数值工具，可以根据3D扫描数据对牙齿的特定特征进行分类。计算。《生物医学》80，65\u201376（2017）“，”DOI“：”10.1016\/j.compbiomed.2016.11.013“}，{”key“：”15_CR19“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“703”，“DOI”：“10.1007\/978-3030-59719-1_68”，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2020”，“author”：“D Sun”，“”年份”：“2020年”，“非结构化”：“Sun，D.等人：自动牙齿分割和三维牙科模型的密集对应。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12264卷，第703\u2013712页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59719-1_68“}，{“key”：“15_CR20”，“doi-asserted-by”：“crossref”，“unstructured”：“Tchapmi，L.，Choy，C.，Armeni，I.，Gwak，J.，Savarese，S.：Segcloud:3D点云的语义分割。摘自：2017年国际3D视觉会议（3DV），第537\u2013547页。IEEE（2017）“，”DOI“：”10.1109\/3DV.2017.0067“}，{“key”：“15_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，Y.，Sun，Y.、Liu，Z.，Sarma，S.E.，Bronstein，M.M.，Solomon，J.M.：点云学习的动态图形cnn。ACM Trans.graph.（TOG）（2019）”，“DOI”：“10.1145\/3326362”}，“key“：”15_CR22“series-title”：“”《计算机科学讲义》，“doi-asserted-by”：“publisher”，“first page”：“481”，“doi”：“10.1007\/978-3-030-58555-6_29”，“volume-title”：“Computer Vision\u2013 ECCV 2020”，“author”：“G Wei”，“year”：“2020”，《unstructured》：“Wei，G.，et al.：TANet:走向全自动排牙。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12360卷，第481\u2013497页。查姆施普林格（2020）。https:\/\/doi.org\/10007\/978-3-030-58555-6_29“}，{“key”：“15_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Wu，B.，Wan，A.，Yue，X.，Keutzer，K.：Squeezeseg：卷积神经网络，带有递归CRF，用于从三维激光雷达点云实时分割道路对象。In:2018 IEEE机器人与自动化国际会议（ICRA）第1887\u20131893页。IEEE（2018）“，”DOI“：”10.1109\/ICRA.2018.8462926“}，{”key“：”15_CR24“，”DOI-asserted-by“：”publisher“，”first page“：“199”，“DOI”：“10.1016\/j.cag.2013.10.028”，“volume”：“38”，“author”：“K Wu”，“year”：“2014”，“unstructured”：“Wu，K.，Chen，L.，Li，j.，Zhou，Y.：使用形态骨架在牙齿网格上进行牙齿分割。计算图38，199 \u2013211（2014）“，”journal-title“：”计算。图表。“}，{”key“：”15_CR25“，”doi-asserted-by“：”crossref“，”unstructured“：”Wu，T.H.等：“用于自动牙齿分割和3D口腔内扫描里程碑定位的两阶段网格深度学习。IEEE Trans.Med.Imaging（2022）”，“doi”：“10.1109\/TMI.2022.3180343”}，”{“key”：“15_CR26”，“doi-assert-by”：“Crosref”，“unstructure”：“”Wu，W.，Qi，Z.，Fuxin，L.：Pointconv：三维点云上的深卷积网络。收录于：IEEE计算机视觉和模式识别会议论文集，第9621\u20139630（2019）页“，”DOI“：”10.1109\/CVPR.2019.00985“}，{“key”：“15_CR27”，“DOI-asserted-by”：“crossref”，“unstructured”：“Xu，M.，Ding，R.，Zhao，H.，Qi，X.：Paconv：点云上动态核组装的位置自适应卷积。收录于：IEEE计算机视觉和模式识别会议记录，第3173\u20133182（2021）页，“DOI”：“10.1109”，{“key”：“15_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，H.，Jiang，L.，Jia，J.，Torr，P.H.，Koltun，V.：点变压器。收录于：IEEE计算机视觉国际会议论文集，第16259\u201316268（2021）页，“DOI”：“10.1109”，{“key”：“15_CR29”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zou，B.J.，Liu，S.J.，廖，S.H.，Ding，X.，Liang，Y.：基于牙齿-目标谐波场的牙齿网格的交互式牙齿分割。计算。《生物医学》56，132\u2013144（2015）“，”DOI“：”10.1016\/j.compbiomed.2014.10.013“}]，”container-title“：[”人工智能“，”计算机科学讲义“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10007\/978-3-031-20503-3_15“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-3_15应用程序“：”相似性检查“}]，“存放”：{“日期部分”：[[2022,12,16]]，“日期时间”：“2022-12-16T12:32:32Z”，“时间戳”：1671193952000}，“分数”：1，“资源”：{-“主要”：{:“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-20503-3_15”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022]}，“ISBN”：[“9783031205026”，“97830.31205033”]，“references-count“：29，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-20503-3_15“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“、”type“:”print“}、{”value“：”1611-33039“、”类型“：”electronic“}]、“subject”：[]、“published”：{“date-parts”：[2022]}，“assertion”：[{“value”：“2022年12月17日”，“order”：1，“name”：“first_online”，“标签“：”First Online“，”group“：{“name”：”ChapterHistory“，”label“：”Chapt History”}}，{“value”：”CICAI“，”order“：1，”name“：”conference_acrombit“，”标签“：“conference-Acromnim”，“group”:{“name”：“ConfenceInfo”，“label”：“会议信息”}}}、{“value”：“CAAI International conference on Artificial Intelligence”，”order:2，“name”:“conference_name”，“标签”：“”会议名称“，”组“：{“Name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“Beijing”，“order”：3，“Name”:“Conference_city”，“标签”：“会议城市”，“group”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”2022“，”order“：5，”name“：”Conference_year“，”标签“：”会议年份“，”group“：会议信息“}}，{“value”：“2022年8月28日”，“order”：8，“name”：“Conference_end_date”，“label”：“Conference end date”，“group”：{“name”:“ConferenceInfo”，”label“：“Confection Information”}，”value“：”2“，”order“：9，”name“：”Conference_number“，”lable“：”ConferenceNumber“，”group“：“”cicai2022“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：“双盲”，“顺序”：1，“名称”：“type“，”label“：”type“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供同行评审信息（由会议组织者提供）“}}，{“value”：“472”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”35%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3.1“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评审信息（由会议组织者提供）external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}]}}