{“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”：[[2024,2,3]]，“日期-时间”：“2024-02-03T00:32:52Z”，“时间戳”：1706920372272}，“发布者位置”：“查姆”，“引用-计数”：17，“出版商”：“施普林格自然瑞士”，“isbn-type”：[{“值”：“9783031474248”，“类型”：”打印“}，{“值”：“9783031474255”，“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\/978-3-031-47425-5_6“，“type”：“book-chapter”，“created”：{“date-parts”：[[2024,2,2]，“date-time”：“2024-02-02T22:02:10Z”，“timestamp”：1706911330000}，“page”：“59-68”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“纵向研究之间的解剖位置匹配的层次描述符框架“”]，“前缀”：“10.1007”，“作者”：[{“给定”：“哈利德·齐亚”，“家族”：“耶瑞巴坎”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“吉凶”，”家族“：”神奈川“，”序列“：”附加“，”从属关系“：[]{，{“给定”的：“马赫什”，“家庭”：“兰加纳思”，“顺序”：“附加”，“附属关系”：[]}n-Raffl“，”sequence“：”附加“，“附属关系”：[]｝，｛“给定”：“Gerardo Hermosillo”，“家族”：“Valadez”，“序列”：“附加”，“附属关系”：[]｝]，“成员”：“297”，“在线发布”：｛“日期部分”：[[2024,2,3]]｝，“参考”：[｛“问题”：“8”，“密钥”：“6_CR1”，“doi断言者”：“出版商”，“首页”：“1788”，“doi”：“10.1109\/TMI.20192897538”，“卷”：“38“，”作者“：”G Balakrishnan“，”年份“：”2019“，“非结构化”：“Balakrishnan，G.，Zhao，A.，Sabuncu，M.R.，Guttag，J.，Dalca，A.V.：VoxelMorph:可变形医学图像注册的学习框架。IEEE Trans.Med.Imaging 38（8），1788\u20131800（2019）”，“journal-title”：“IEEE Trans.Med.Imagion”}，{“issue”：“3”，“key”：“6_CR2”，“doi-asserted-by”：“publisher”，“first-page”：“346”，“doi”：“10.1016\/j.cviu.2007.09.014”，“volume”：“110”，“author”：“H Bay”，“year”：“2008”，“unstructured”：“Bay，H.，Ess，A.，Tuytelaars，T.，Van Gool计算机科学笔记”，“doi-asserted-by”：“publisher”，“first page”：“649”，“doi”：“10.1007\/978-3-030-32226-7_72”，“volume-title”：“Medical Image Computing and Computer Assisted Intervention\u2013 MICCAI 2019”，《作者》：“M Blendowski”，“年份”：“2019”、“非结构化”：“Blendowski，M.，Nickisch，H.，Heinrich，M.P.：如何从未标记的体积数据中学习：自我监督的3D上下文特征\u00a0学习。摘自：Shen，D.等人（编辑）MICCAI 2019。LNCS，第11769卷，第649\u2013657页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32226-7_72“}，{“key”：“6_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Cai，J.，et al.：深部病变跟踪器：监测4D纵向成像研究中的病变。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第15159\u201315169（2021）页”，“doi”：“10.1109\/CVPR4437.20101.491“｝，｛“key”：“6_CR5”，“nonstructured”：“Chaitanya，K.，Erdil，E.，Karani，N.，Konukoglu，E.：有限注释医学图像分割的全局和局部特征的对比学习。In：《神经信息处理系统进展》，Pre-processions（NeurIPS 2020），第33卷，pp.12546\u201312558（2020）”｝，{“key”：“6_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Grauman，K.，Darrell，T.：金字塔匹配内核：具有图像特征集的鉴别分类。收录于：第十届IEEE国际计算机视觉会议（ICCV 2005），第1卷，第2卷，第1458\u20131465页。IEEE（2005）“，“DOI”：“10.1109\/ICCV.2005.239”}，{“key”：“6_CR7”，“unstructured”：“Guo，C.K.：无监督深度学习的多模图像注册。麻省理工学院博士论文（2019）”}Hasenstab，K.A.，Tabalon，J.，Yuan，N.，Retson，T.，Xiao，A.：基于CNN的变形配准有助于在吸气CT上快速准确地测量空气潴留。放射学：Artif公司。智力。e210211（2021）“，”DOI“：”10.1148\/ryai.2021210211“}，{”issue“：”7“，”key“：”6_CR9“，”DOI-asserted-by“：”publisher“，”first page“：“1423”，“DOI”：“10.1016\/j.media.2012.05.008”，“volume”：“16”，“author”：“MP Heinrich”，“year”：“2012”，“unstructured”：“Heinrich，M.P.等人：Mind：用于多模态可变形注册的模态无关邻域描述符。医学图像分析。16（7），1423\u20131435（2012）“，“杂志标题”：“医学图像分析。“}，{”key“：”6_CR10“，”doi-asserted-by“：”crossref“，”unstructured“：”Huang，W.，et al.：一个用于双一致性约束的无监督多对比MR图像配准的粗-细变形转换框架。IEEE Trans.Med.Imaging（2021）“，”doi“：”10.1109\/TMI.2021.3059282“}”，{“key”：“6_CR11”，“unstructure”：“”Karami，E.、Prasad，S.、Shehata，M.：使用SIFT、SURF、BRIEF和ORB进行图像匹配：扭曲图像的性能比较。arXiv预印本arXiv:1710.02726（2017）“}，{“key”：“6_CR12”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”87“，“doi”：“10.1007\/978-3-030-87202-1_9”，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2021“，“author”：“F Liu”，“year”：“2021”，“unstructured”：“Liu，F.等：相同：基于自监督解剖嵌入的变形图像配准。收录：de Bruijne，M.等人（编辑）MICCAI 2021。LNCS，第12904卷，第87页\u201397。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-87202-1_9“}，{“key”：“6_CR13”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“首页”：“211”，”doi“：”10.1007\/978-300-59716-0_21“，”volume-title“：”医学图像计算和计算机辅助干预\u2013 MICCAI 2020“，”作者：“TCW Mok”，“年份”：“2020”，“非结构化”：“”Mok，T.C.W.，Chung，A.C.S.：用拉普拉斯金字塔网络进行大变形差分图像配准。摘自：Martel，A.L.等人（编辑）MICCAI 2020。LNCS，第12263卷，第211\u2013221页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-59716-0_21“}，{“key”：“6_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Tang，Y.，et al.：用于3D医学图像分析的swin变换器的自我监督预培训。摘自：IEEE\/CVF计算机视觉和模式识别会议记录，第20730\u201320740（2022）页”，“doi”：“10.1109\/CVPR52688.2022.02007“}，{”issue“：”1“，”key“：”6_CR15“，”doi-asserted-by“：”publisher“，”first page“：“1”，”doi“：”10.1038\/s41746-022-00592-y“，”volume“：Varoqueux，G.，Cheplygina，V.：医学成像的机器学习：方法学失败和未来建议。NPJ数字。Med.5（1），1\u20138（2022）“，“期刊标题”：“NPJ数字。医学“}，{“key”：“6_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Weikert，T.等：通过深入学习识别相关的先兆、序列和发现位置，缩短连续CT和MR成像发现的放射科医生解释时间。放射学会（2023）”，“doi”：“10.1016\/j.acra.2023.041”}，}{“key”：publisher“，”first page“：”2658“，”DOI“：”10.1109\/TMI.2022.3169003“，”volume“：“41”，”author“：”K Yan“，”year“：”2022“，”unstructured“：”Yan，K.，et al.：SAM：放射学图像中像素级解剖嵌入的自我监督学习。IEEE传输。医学成像41，2658\u20132669（2022）。https:\/\/doi.org\/10.109\/TMI.2022.3169003“，”journal-title“：”IEEE Trans。Med.Imaging“}]，“container-title”：[“医学图像计算和计算机辅助干预\u2013 MICCAI 2023研讨会”，“计算机科学课堂讲稿”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com\/content\/pdf\/10.1007\/978-3-031-47425-5_6”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“”相似性检查“}]，“存放”：{“日期部分”：[[2024,2,2]]，“日期时间”：“2024-02-02T22:02:31Z”，“时间戳”：1706911351000}，“分数”：1，“资源”：{-“主要”：{:“URL”：“https:\\/link.springer.com\/10.1007\/978-3-031-47425-5_6”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2023]]}，“ISBN”：[“9783031474248”，“97830.31474255”]，“references-count“：17，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-031-47425-5_6“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“”，“type”：“print”}，{“value”：”1611-349“，”type“”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2023]]}，“assertion”：[{“value”：“2024年2月3日”，“order”：1，“name”：“first_online”，“label”：“First Online”，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“MICCAI”，“order”：1，“name”:“conference_acrombit”，“标签”：“conference acronym”，”group“：{”name“：”ConferenceInfo“，”label“：”conference Information“}，”{“值”：“医学图像计算和计算机辅助干预国际会议”，“订单”：2，“nameconference_name“，”label“：”会议名称“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”温哥华，不列颠哥伦比亚省“，”order“：3，”name“:”conference_city“，”标签“：”conferency city“，”group“：”{“name”：“ConferenceInformo”，“label”：“conferenceInformation”}，“value”：“Canada”，“order”：4，“name”:“conference_country”，“标签”：“”会议国家/地区”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“2023”，“order”：5，“名称”：“Conference_year”，“标签”：“会议年”，“group”：{name”：”ConferenceInformo“，”label“：”会议信息“}}”，{value“：”2023年10月8日“，”order“：7，”name“：”Conference_start_date“，”标签“：”“会议开始日期“，”group“：{”name“：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“2023年10月12日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“miccai2023”，“order”：10，“name”：“Conference_id”，“label”：“会议id”，“group”：｛“name”：“ConferenceInfo”，“label”：“会议信息“}}，{“value”：“https:\/\/conferences.miccai.org\/2023\/en\/”，“order”：11，“name”：“Conference_url”，“label”：“会议url”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}“：”同行评议信息（由会议组织者提供）“}}，{”value“：”CMT“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：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”：“730”，“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）32%-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）”}}]}}