{“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”：[[2023,9,24]]，“日期时间”：“2023-09-24T04:32:01Z”，“时间戳”：1695529921476}，“发布者位置”：“查姆”，“引用计数”：22，“出版商”：“斯普林格自然瑞士”，“isbn-type”：[{“值”：“978303140830”，“类型”：”打印“}，{“值”：“978303140847”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/searners\/text-and-data-mining”}，{“tart”：1-01T00:00:00Z“，”时间戳“：1672531200000}，“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”：[[2023]]}，”DOI“：”10.1007\/978-3-031-44084-7_22“，“type”：“book-chapter”，“created”：{“date-parts”：[[2023,9,23]]，“date-time”：“2023-09-23T09:02:09Z”，“timestamp”：1695459729000}，“page”：“225-236”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“使用Firefly算法优化的深度和手工特征的高效胸部X光检查”]，“prefix”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0000-0002-1939-4842”，“authenticated-ORCID”：false，“给定”：“赛菲丁”，“家族”：“卡德利”，“序列”：“第一”，“从属关系”：[]}，{“给定的”：“穆罕默德·阿兹米”，“家庭”：“阿尔贝塔”，“sequence”：“附加”，“affiliation”：[]}，}“给定”:“萨哈”，“家人”：“亚辛”，“顺序”：“附加”，“从属关系”：[]}，{“给定”：“Ramya”，“family”：“Mohan”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Rama”，“家族”：“Arunmozhi”，“serquence”:“additionable”，“filiation“：[]{”ORCID“：”http://\/ORCID.org\/00000-0003-3897-4460“，”authenticated-ORCID“：false，”givenkatesan“，”family“：”Rajinikanth“，”sequence“：”additional“，”affiliance“：[]}]，“成员”：“297”，“在线发布”：{“date-parts”：[[2023,9,24]]}，“reference”：[{“key”：“22_CR1”，“doi-asserted-by”：“publisher”，《首页》：“103182”，‘doi’：“10.1016\/j.bspc.2021.103182“，‘volume’：“71”，‘author’：“A Bhattacharyya’，‘year’：“2022”，“unstructured”：“Bhattacharyya，A.，et al.：一种基于深度学习的方法，用于使用胸部X射线图像自动检测新型冠状病毒肺炎病例。Biomed.Sig.Process.Control 71，103182（2022）”，“日志标题”：“Biomed.Sig.Procress.Control”}，{“key”：“22_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Mahbub，Md.K.，et al.：通过胸部X光检查发现由感染性疾病引起的肺部异常的深层特征X:Covid-19、肺炎和结核病。《信息科学》592，389\u2013401（2022）”，“DOI”：“10.1016\/j.ins.2022.01.062”}，{“key”：“22_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Krishnamoorthy，S.，et al.：使用VGG-UNet.Comput.Intell.Neurosci.2022（2022）”，“DOI”：“10.1155\/2022\/4928096”}，{“key”：“22_CR4”，“DOI-asserted-by”：“publisher”，“first page”：”271“，“DOI:”10.1016\/j.patrec.2019.11.013“，”volume“：”129“，”author“：”A Bhandary“，”年份”：“2020年”，“非结构化”：“Bhandary，A.，et al.：检测肺部异常的深度学习框架\u2013a胸部X光和肺部CT扫描图像研究。Pattern Recogn.Lett.129271\u2013278（2020）”，“journal-title”：“Pattern Reign.Lett.”}，{“key”：“22_CR5”，“doi-asserted-by”：“publisher”，“first page”：”191586“doi”：“10.1109”，ACCESS.2020.3031384”，“volume”：“8”，“author”：“T Rahman”，“year”：“2020”，“unstructured”：“Rahman，T.，et al.：使用胸部X射线进行可靠的结核病检测，并进行深入学习、分割和可视化。IEEE Access 8，191586\u2013191601（2020）”，“journal-title”：“IEEE Access”}，{“key”：“22_CR6”，“doi-asserted-by”：“publisher”，“first page”：”108245“doi”：“10.1016\/j.patcog.2021.108245”，“volume”：“122”，“author”：“S Akcay”，“year”：“2022”，“unstructured”：“Akcay，S.，Breckon，T.：走向自动威胁检测：X射线安全成像深度学习进展调查。Pattern Recogn.122，108245（2022）”，“journal-title”：“Pattern Regn.”}，{“issue”：“8”，“key”：”22_CR7“，”doi-asserted-by“：“publisher”，“first page”：“1390”，“DOI”：“10.1093”，“cid”：“74”，“author”：“GTavaziva”，“year”：“2022”，“unstructured”：，1390\u20131400（2022）“，”新闻标题“：”临床。感染。数字化信息系统。“}，{”key“：”22_CR8“，”doi-asserted-by“：”crossref“，”unstructured“：”Subramanian，N.，Elharrouss，O.，Al-Maaded，S.，Chowdhury，M.：基于深度学习的新型冠状病毒肺炎检测方法综述。计算。《生物医学》105233（2022）“，“DOI”：“10.1016\/j.compbiomed.2022.105233”}，{“key”：“22_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gite，S.，Mishra，A.，Kotecha，K.：使用深度学习增强肺部图像分割。神经计算应用.1\u201315（2022“DOI-asserted-by”：“publisher”，“第一页“：”67“，”DOI“：”10.1016\/j.patrec.2020.10.10“，”volume“：”143“，”author“：”N Dey“，”year“：”2021“，”unstructured“：”Dey，N.等：定制的VGG19架构，用于胸部X光检查肺炎。模式识别。莱特。143，67\u201374（2021）“，“新闻标题”：“模式识别。莱特。“}，{”key“：”22_CR11“，”unstructured“：”https:\/\/www.kaggle.com/datasets\/tawsifurrahman\/tublebiosis-tb-chest-xray-dataset“}”，{“key”：“22_CR12”，“unstructure”：“https:\//ieee-dataport.org\/open-access\/covid-19-and-normal-chest-x-ray”}，“key）：”22-CR13“，”非结构化“：”https:\/\/iee-dataport.org/documents\/covid-19-posteroporenior-chest-x-ray-fused-cpcxr-dataset“｝，｛“key”：“22_CR14”，“nonstructured”：“https:\/\/www.kaggle.com\/datasets\/paulttimothymoney\/胸部x光肺炎”｝，｛“key”：“22_CR15”，“nonstructured”：“https:\/\/www.kaggle.com\/datasets\/nih胸部x光”｝，｛“key”：“22_CR16”，doi断言为“：”publisher“，”first-page“：”35“，”DOI“：”10.1016\/j.patrec.2019.03.027“，”volume“：”125“，”author“：”A Gudigar“，”year“：”2019“，”unstructured“：”Gudiga，A.，et al.：基于LBP的全局加权熵特征用于肺动脉高压评估。模式识别。莱特。125，35\u201341（2019）“，“新闻标题”：“模式识别。莱特。“}，{”issue“：”11“，”key“：”22_CR17“，”doi-asserted-by“：”publisher“，”first-page“：”e112980“，”doi“：”10.1371“\/journal.pone.0112980”，“volume”：“9”，“author”：“A Chauhan”，“year”：“2014”，“unstructured”：“Chauhan，A.，Chauhan.，D.，Route，C.：gist和PHOG特征在没有分割的肺结核计算机辅助诊断中的作用。PLoS ONE 9（11），e112980（2014）“，”journal-title“：”PLoS ONE“}，{”issue“：”9“，”key“：”22_CR18“，”doi-asserted-by“：”publisher“，”first page“：“e0256630”，”doi“：”10.1371“\/journal.pone.0256630“，”volume“:”16“，”author“：”R Kundu“，”year“：”2021“，”unstructured“：”Kundu，R.等人：使用深度学习模型集合在胸部X光图像中检测肺炎。oS ONE 16（9），e0256630（2021）“，”journal-title“：”PLoS ONE“}，{”issue“：”5“，”key“：”22_CR19“，”doi-asserted-by“：”publisher“，”first-page“：”7321“，”doi“：”10.1007\/s11227-021-04181-w“，”volume“：“78”，”author“：”S Kadry“，”year“：”2022“，”unstructured“：”Kadry，S.、Rajinikanth，V.、Gonz\u00e1lez-Crespo，R.、Verd\u00fa，E.：使用预先培训的深度学习方案自动检测年龄相关性黄斑变性。J.超级计算机。78（5），7321\u20137340（2022）“，“期刊标题”：《超级计算机杂志》。“｝，｛”key“：”22_CR20“，”doi asserted by“：”crossref“，”非结构化“：”Yang，X.-S:萤火虫算法，随机测试函数和设计优化。arXiv预印本arXiv:1003.1409（2010）“，”doi“：”10.1504\/IJBIC.2010.0032124“｝，｛”issue“：”5“，”key“：”22_CR21“，”doi asserted by“：”publisher“，”首页“：”1197“，”doi“：”10.1109\/TMI.2018.281415“，”volume“：”38“，“author”：“H Salehinejad”，“year”：“2018”，“unstructured”：“Salehine jad，H，et al.：合成胸部X光病理学，用于训练深卷积神经网络。IEEE传输。医学成像38（5），1197\u20131206（2018）“，“期刊标题”：“IEEE Trans。Med.Imaging“}，{”issue“：”11“，”key“：”22_CR22“，”doi-asserted-by“：”publisher“，”first page“：“3”，”doi“：”10.1109\/TMI.2020.3000949“，”volume“：IEEE传输。Med.Imageging“｝]，“容器标题”：[“挖掘智能与知识探索”，“计算机科学讲义”]，“原标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com\/content/pdf\/10.1007\/978-3-031-44084-7_22”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用”：“相似性检查”}]，“存放”：{date-parts“：[[2023,9,23]]，“date-time”：“2023-09-23T09:04:57Z”，“timestamp”：1695459897000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-44084-7_22”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2023]]}”，“ISBN”：[“978303140830”，“978303140847”]，“references-count”：22，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-031-44084-7_22“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”03029743“，”type“:”print“}，{”value“：”1611-33049“，”类型“：”electronic“}]，”subject“：【】，”published“：{”date-parts“：【2023】】}，“assertion”：【{”值“：”2023年9月24日“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Ch章历史“}}，{“value”：“MIKE”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，”lable“：”ConferenceInformation“}，”value“：”国际采矿智能与知识探索会议“，”order“：2，”name“:”conference_name“，”标签“：”会议名称“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”Kristiansand“，”order“：3，”name“:”Conference_city“，”table“：”conferency city“，”group“，标签“：”会议信息“}}，{”value“：”2023“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2023年6月28日”，“order”：7，“name”:“Conference_start_date”，：“2023年6月30日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：名称“：”conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”http://www.mike.org.in\/2023\/“，”order“：11，”name“:”conference_0rl“，：“type”，“label”：“type”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”EasyChair“，”order“：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：{同行评审信息（由会议组织者提供）“}}，{“value”：“87”，“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“：”同侪审查信息（由会议组织者提供）“}}，{”value“：”16“，”order“：5”，“name”：“number_ of_short_papers_Accepteded”，“label”：“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“：”25%-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“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“3-4”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评议资料（由会议主办方提供）”}}}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）“}}]}}