{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2023,11,9]]，“日期-时间”：“2023-11-09T12:41:18Z”，“时间戳”：1699533678775}，“参考-计数”：48，“出版商”：“Springer Science and Business Media LLC”我“：“2022-11-19T00:00:00Z”，“timestamp”：1668816000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,11,19]]，“date-time”：“2022-11-19T00:00:00Z”，“timetamp”：16.6816000000}：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“资助者”：[{“DOI”：“10.13039\/501100012166”，“名称”：“中国国家重点研发计划”，“DOI-asserted-by”：“crossref”，“奖项”：[“2020YFC0833102”]}]，”content-domain“域”：[”link.springer.com“]，”crossmark-restriction“：false}，”short-container-title“：[”“可视化计算”]，“已发表的印刷品”：｛“日期部分”：[[2023,12]]｝，“DOI”：“10.1007\/s00371-022-02721-w”，“类型”：“期刊文章”，“已创建”：｛“日期部分”：[[2022,11,19]，“日期时间”：“2022-11-19T19:02:50Z”，“时间戳”：1668884570000｝，“页面”：“6205-6220”，“更新策略”：“http:\/\/dx.DOI.org/10.1007\/springer_crosmark_policy”，“来源”：“Crossref”，“被计数引用”：0，“title”：[“STAN:基于视频的面部表情识别时空注意网络”]，“prefix”：“10.1007”，“volume”：“39”，“author”：[{“given”：”Yufan“，”family“：”Yi“，”sequence“：”first“，”affiliation“：[]}，{“ORCID”：：“http://\/ORCID.org\/00000-0002-7764-0941”，“authenticated-ORCID”：false，“give”：“Yiping”，“family”：“Xu”，“sequence”：“additional”，“隶属关系”：[]}，{“给定”：“子一”，“家庭”：“叶”，“序列”：“附加”，“隶属”：[]}，}“给定的”：“临回”，“家族”：“李”，“顺序”：“额外”，“从属关系”：[]}、{“已知”：“新立”，“家人”：“胡”，“排序”：“添加”，“归属”：[]}[]}]，“成员”：“297”，“在线发布”：{“date-parts”：[[2022,11,19]]}，“reference”：[{“key”：“2721_CR1”，“doi-asserted-by”：“crossref”、“unstructured”：“Cao，Z.，Chu，Z.、Liu，D.，et \u00a0al.：增强头部姿势估计的基于向量的表示法。摘自：IEEE\/CVF计算机视觉应用冬季会议论文集，第1188\u20131197（2021）页”，“doi”：“10.1109 \/WACV48630.2021.00123”}，{“key”：“2721_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Cao，Z.，Liu，D.，Wang，Q.，et \u00a0al.：使用各向异性球面高斯进行面部姿势估计的无偏标签分布学习。arXiv预印本arXiv:2208.09122（2022）”，“doi”：“10.1007\/978-3-031-19775-8_43”}，“doi-asserted-by”：“publisher”，“first page”：“49”，“doi”：“10.1016\/j.ins.2017.0.044”，“volume”：”428“，“author”：“L Chen”，“year”：“2018”，“unstructured”：“Chen，L.，Zhou，M.，Su，W.，et al.：基于Softmax回归的深度稀疏自动编码网络，用于人机交互中的面部情感识别。Inf.Sci.428，49\u201361（2018）”，“journal-title”：“Inf.Sci.”}，{“issue”：“37”，“key”：“2721_CR4”，“doi-asserted-by”：“publisher”，“first page”：《28169》，“doi”：“10.1007”，卷：“79”，作者：“DY Choi”，年份：“2020”，“unstructured”：“Choi，D.Y.，Song，B.C.：连续域中基于面部表情的情绪识别的半监督学习。Multimed.Tools Appl.79（37），28169-28187（2020）“，“新闻标题”：“多媒体。工具应用程序。“}，{”key“：”2721_CR5“，”doi-asserted-by“：”crossref“，”unstructured“：”Cui，Y.，Yan，L.，Cao，Z.，et \u00a0al.：Tf-blender：视频对象检测的时间特征混合器。摘自：IEEE \/CVF计算机视觉国际会议论文集，第8138\u20138147（2021）页“，”doi“：”10.1109 \/ICCV48922.2021.00803“}”，{“issue”：“03”，“key”：“2721_CR16”，“”doi-asserted-by“：”publisher“，”first-page“：”34“，”doi“：”10.1109\/MMUL.2012.26“，”volume“：”19“，”author“：”A Dhall“，”year“：”2012“，”unstructured“：”Dhall，A.，Goecke，R.，Lucey，S.等人：从电影中收集大量注释丰富的面部表情数据库。IEEE多模式。19（03），34\u201341（2012）“，“新闻标题”：“IEEE Multimed。“}，{”key“：”2721_CR7“，”doi-asserted-by“：”crossref“，”unstructured“：”Ding，H.，Zhou，S.K.，Chellappa，R.：Facenet2expnet：正则化深层人脸识别网络用于表情识别。In:2017年IEEE第十二届自动人脸和手势识别国际会议（FG 2017），IEEE，pp.118\u2013126（2017）“，”doi“10.1109\/FG.2017.23”}，}“key“：”2721_CR8“，”非结构化“：”Dosovitskiy，A.，Beyer，L.，Kolesnikov，A.，et\u00a0al.：一幅图像相当于16x16个单词：用于大规模图像识别的变形金刚。arXiv预印本arXiv:2010.11929（2020）“｝，｛”键“：”2721_CR9“，”doi断言“：”crossref“，”非结构化“：”Fu，J.，Zheng，H.，Mei，T.：细粒度图像识别的递归注意卷积神经网络。摘自：IEEE计算机视觉和模式识别会议论文集，第4438\u20134446页（2017）“，”DOI“：”10.1109\/CVPR.2017.476“}，{“key”：“2721_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gao，J.，Zhao，Y.：Tfe：一种用于遮挡感知面部表情识别的变换器架构。神经机器人学前沿15（2021）”，“DOI“：”10.3389\/fnbot.2021.763100“}，{“issue”：“1”，“key”：“2721_CR11”，”DOI-asserted-by“：”publisher“，”first page“：”97“，”DOI“:”10.1007\/s00371-018-1585-8“，”volume“：“36”，”author“：”I Gogi\u0107“，”year“：”2020“，”unstructured“：”Gogi\u0107，I.，Manhart，M.，Pand\u017ei\u0107I.S.，等：使用局部二进制特征和浅层神经网络的快速面部表情识别。视觉。计算。36（1），97\u2013112（2020）。https:\/\/doi.org\/10.1007\/s00371-018-1585-8“，”journal-title“：”Vis。计算。“}，{”key“：”2721_CR12“，”doi-asserted-by“：”crossref“，”unstructured“：”Hara，K.，Kataoka，H.，Satoh，Y.：用三维残差网络学习时空特征以进行动作识别。摘自：IEEE计算机视觉研讨会国际会议论文集，第3154\u20133160页（2017）“，”doi“：”10.1109\/ICCVW.2017.373“}”，{“key”：“2721_CR13”，“doi-asserted-by“：”crossref“，”unstructured“：”He，K.，Zhang，X.，Ren，S.，et\u00a0al.：用于图像识别的深度残差学习。摘自：IEEE计算机视觉和模式识别会议论文集，第770\u2013778页（2016）“，”DOI“：”10.1109\/CVPR.2016.90“}，{“问题”：“3”，“密钥”：“2721_CR14”，“DOI-asserted-by”：“publisher”，“首页”：“1089”，“DOI”：“10.1109\/TCSVT.2021.3074259”，”卷“：”32“作者”：“胡军”，“年份”：“2021”，“非结构化”：“Hu，J.，Liao，X.，Wang，W.，et al.：使用帧时间两流卷积网络检测社交网络中的压缩深度假视频。IEEE Trans。循环。系统。视频技术。32（3），1089\u20131102（2021）“，“日志标题”：“IEEE Trans。循环。系统。视频技术。“}，{”key“：”2721_CR15“，”doi-asserted-by“：”publisher“，”first page“：“176”，”doi“：”10.1016\/j.jvcir.2018.12.039“，”volume“：：”59“，”author“：”M Hu“，“year”：“2019”，”unstructured“：”Hu，M.，Wang，H.，Wag，X.，et al.：基于局部增强运动历史图像和cnn-ctslstm网络的视频人脸情感识别。j。视觉。Commun公司。图像表示。59，176\u2013185（2019）“，“新闻标题”：“J.Vis。Commun公司。图像表示。“}，{”issue“：”8“，”key“：”2721_CR16“，”doi-asserted-by“：”publisher“，”first page“：“2617”，”doi“：”10.1007\/s00371-021-02136-z“，”volume“：》38“，”author“：”M Hu“，“year”：“2022”，“unstructured”：“Hu，M.，Ge，P.，Wang，X.，et al.：基于局部和全局特征的视频表情识别时空集成模型。Vis.Compute.38（8），2617\u20132634（2022）。https:\/\/doi.org\/10.1007\/s00371-021-02136-z“，”journal-title“：”Vis。计算。“}，{”key“：”2721_CR17“，”doi-asserted-by“：”publisher“，”first-page“：”35“，”doi“：”10.1016\/j.ins.2021.08.043“，”volume“：“580”，”author“：”Q-Huang“，”year“：”2021“，”unstructured“：”Huang，Q.，Huang C.，Wang，X.，et al.：面部表情识别与网格关注和视觉变换器。Inf.Sci.580，35\u201354（2021）“，”journal-title“：”Inf.Sci.“}”，{“issue”：“1”，“key”：“2721_CR18”，“doi-asserted-by”：“publisher”，“first page”：《221》，“doi”：“10.1109\/TPAMI.2012.59”，“volume”：”35“，“author”：“S Ji”，《year》：“2012”，“unstructured”：“Ji，S.，Xu，W.，Yang，M.，et al.：人类行为识别的三维卷积神经网络。IEEE Trans.Pattern Anal.Mach.Intell.35（1），221\u2013231（2012）”，“journal-title”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“key”：“2721_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Jiang，X.，Zong，Y.，Zheng，W.，et \u00a0al。：Dfew：一个用于识别野外动态面部表情的大型数据库。在：第28届ACM国际多媒体会议论文集，第2881\u20132889页（2020）”，“DOI”：“10.1145\/33941711.3413620”}，｛“key”：“2721_CR20”，“DOI断言由”：“crossref”，“非结构化”：“Jung，H.，Lee，S.，Yim，J.，et \u00a0al.：面部表情识别深度神经网络的联合微调。摘自：IEEE计算机视觉国际会议论文集，第2983\u20132991页（2015）”，“DOI”：“10.1109\/ICCV.2015.341”}，{“key”：“2721_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kim，D.H.，Lee，M.K.，Choi，D.Y.，et \u00a0al.：使用半监督学习和多神经网络进行多模情感识别。摘自：第19届ACM多模交互国际会议论文集，第529\u2013535页（2017）”，“DOI”：“10.1145\/3136755.3143005”}，{“key”：“2721_CR22”，“DOI-asserted-by”：“crossref”，“非结构化”：“Kumar，V.，Rao，S.，Yu，L.：使用肢体语言数据集进行喧闹的学生训练可以提高面部表情识别。摘自：欧洲计算机视觉会议，Springer，pp.756\u2013773（2020）”，“DOI”：“10.1007\/978-3-030-66415-2_53”}，{“issue”：“2”，“key”：“2721_CR23”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1007\/s00371-019-01627-4”，“volume”：“36”，“author”：“K Li”，“year”：“2020”，“unstructured”：“Li，K.，Jin，Y.，Akram，M.W.，et al.：通过新的面部裁剪和旋转策略利用卷积神经网络进行面部表情识别。Vis.Compute.36（2），391\u2013404：“Vis.Compute.”}，{“issue”：“5”，“key”：“2721_CR24”，“doi-asserted-by”：“publisher”，“first page”：：“2439”，“doi”：“10.1109\/TIP.2018.2886767”，“volume”：《28》，“author”：“Y-Li”，“year”：“2018”，“unstructured”：“Li，Y.，Zeng，J.，Shan，S.，et al.：使用带注意机制的cnn进行遮挡感知面部表情识别。IEEE Trans.Image Process.28（5），2439\u20132450（2018）“，”期刊标题“：”IEEE Trans。图像处理。“}，{”issue“：”3“，”key“：”2721_CR25“，”doi-asserted-by“：”publisher“，”first page“：“499”，”doi“：”10.1007\/s00371-019-01636-3“，“volume”：“36”，“author”：“D Liang”，“year”：“2020”，“unstructured”：“Liang，D.，Lianghttps:\/\/doi.org\/10.1007\/s00371-019-01636-3“，”journal-title“：”Vis。计算。“}，{”key“：”2721_CR26“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/s00371-022-02413-5“，”author“：”X-Liang“，”year“：”2022“，”unstructured“：”Liang，X.，Xu，L.，Zhang，W.，et al.：一种用于头像和遮挡面部表情识别的卷积变换双分支网络。Vis.Compute.（2022）.https:\\/doi.org\/10.10007\/s200371-022-0135“，”期刊标题“：”可见。计算。“}，{”issue“：“5”，”key“：“2721_CR27”，”doi-asserted-by“：”publisher“，”first page“：”955“，”doi“：”10.1109\/JSTSP.2020.3002391“，”volume“：‘14’，”author“：”X Liao“，“year”：“2020”，“unstructured”：“Liao，K.，Zhu，X.，et al.：用两流卷积神经网络鲁棒检测图像算子链。IEEE J.Sel.Top.信号处理。14（5），955\u2013968（2020）“，”期刊标题“：”IEEE J.Sel。顶部。信号处理。“}，{”key“：”2721_CR28“，”doi-asserted-by“：”crossref“，”unstructured“：”Liu，D.，Cui，Y.，Tan，W.，et \u00a0al.：（2021a）Sg-net：单阶段视频实例分割的空间粒度网络。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第9816\u20139825页“，”doi“：”10.1109\/CVPR46437.2021.00969“}”，{“key”：“”2721_CR29“，”doi-asserted-by“：”crossref“，”unstructured“：”Liu，D.，Cui，Y.，Yan，L.，et\u00a0al.：密集：使用多尺度特征聚合的弱监督视觉定位。摘自：《AAAI人工智能会议论文集》，第6101\u20136109页（2021b）“，“DOI”：“10.1609\/AAAI.v35i7.16760”}，{“key”：“2721_CR30”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mavani，V.、Raman，S.、Miyapuram，K.P.：使用视觉显著性和深度学习进行面部表情识别。摘自：IEEE国际计算机视觉研讨会会议记录，第2783\u20132788页（2017）“，“DOI”：“10.1109\/ICCVW.2017.327”}，{“key”：“2721_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Meng，D.，Peng，X.，Wang，K.等人：为视频中的面部表情识别构建注意力网络。2019年IEEE图像处理国际会议（ICIP），IEEE，第3866\u20133870页（2019）“，“DOI”：“10.1109\/ICIP.2019.8803603”}，{“key”：“2721_CR32”，“unstructured”：“M\u00fcller，R.，Kornblith，S.，Hinton，G.E.：标签平滑有什么帮助？Adv.Neural Inform.process.syst.32（2019非结构化”：“Ouyang，X.，Kawaai，S.，Goh，E.G.H.，et\u00a0al.：使用深度转移学习和多时间模型进行视听情感识别。摘自：《第19届ACM多模态交互国际会议论文集》，第577\u2013582页（2017）“，“DOI”：“10.1145\/3136755.3143012”}，{“issue”：“3”，“key”：“2721_CR34”，“DOI-asserted-by”：“publisher”，“first page”：：“1487”，“DOI:“10.1109\/TIP.2017.2774041”，“volume”:“27”，“author”：“Y Peng”，“year”：“2017”，“unstructured”：“Peng，Y.，He，X.，Zhao，J.：用于细粒度图像分类的对象-部分注意模型。IEEE传输。图像处理。27（3），1487\u20131500（2017）“，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”2721_CR35“，”首页“：”322“，”volume-title“：”人工神经网络国际工作会议“，”author“：”P Salgado“，”year“：”2021“，”unstructured“：”Salgado，P.，Banos，O.，Villalonga，C.：使用深度学习解读asd中的面部表情。摘自：《人工神经网络国际工作会议》，第322\u2013333页。Springer（2021）“}，{”issue“：”11“，”key“：”2721_CR36“，”doi-asserted-by“：”publisher“，”first page“：“2673”，“doi”：“10.1109\/78.65093”，“volume”：“45”，“author”：“M Schuster”，“year”：“1997”，“unstructured”：“Schuster，M.，Paliwal，K.K.：双向递归神经网络。IEEE Trans.Signal Process.45（11），2673\u20132681（1997）”，“journal-title”：“”IEEE传输。信号处理。“}，{”key“：”2721_CR37“，”doi-asserted-by“：”publisher“，”first page“：“49”，“doi”：“10.1016\/j.patrec.2017.0.022”，“volume”：“119”，“author”：“N Sun”，“year”：“2019”，“unstructured”：“Sun，N.，Li，Q.，Huan，R.，et al.：静态图像中面部表情识别的深度时空特征融合。模式识别。Lett.119，49\u201361（2019）”，“journal-title“：”模式识别。莱特。“}，{”issue“：”2“，”key“：”2721_CR38“，”doi-asserted-by“：”publisher“，”first-page“：”888“，”doi“：”10.1109\/TNSE.2021.3139671“，”volume“：“9”，“author”：“J Tan”，“year”：“2021”，“unstructured”：“Tan，J.，Liao，J.等：生成对抗网络的频道注意图像隐写术。IEEE Trans.Network Sci.Eng.9（2），888\u2013903（2021年）“，”journal-title“：”IEEE Trans。网络科学。Eng.“}，{”key“：”2721_CR39“，”doi-asserted-by“：”crossref“，”unstructured“：”Vielzeuf，V.，Pateux，S.，Jurie，F.：视频情感分类的时间多模态融合。摘自：《第19届ACM多模态交互国际会议论文集》，pp.569\u2013576（2017）“，”doi“：”10.1145\/3136755.3143011“}”，{“key”：“2721_CR.40”，“doi-asserted-by“：”publisher“，”first page“：”109“，“doi”：“10.1007\/978-3319-97909-0_12”，“volume-title”：“中国生物特征识别会议”，“author”：“H Wang”，“year”：“2018”，“unstructured”：“Wang，H.，Zhou，G.，Hu，M.等：使用局部增强运动历史图像和cnn-rnn网络进行视频情感识别。摘自：中国生物识别会议，第109\u2013119页。Springer（2018）“}，{”key“：”2721_CR41“，”doi-asserted-by“：”publisher“，”first page“：“4057”，”doi“：”10.1109\/TIP.2019.2956143“，“volume”：“29”，“author”：“K Wang”，“year”：“2020”，“unstructured”：“Wang，K.，Peng，X.，Yang，J.等人：用于姿势和遮挡鲁棒面部表情识别的区域注意力网络。IEEE传输。图像处理。29，4057\u20134069（2020）“，“日志标题”：“IEEE Trans。图像处理。“}，{”key“：”2721_CR42“，”unstructured“：”Wen，Z.，Lin，W.，Wang，T.，et \u00a0al.“：分散你的注意力：面部表情识别的多头部交叉注意力网络。arXiv预印本arXiv:2109.07270（2021）“}”，{“key”：“2721-CR43”，“doi-asserted-by”：“crossref”，“unstructure”：“”Woo，S.、Park，J.、Lee，J.Y.等人：Cbam：卷积块注意模块。摘自：《欧洲计算机视觉会议论文集》，第3\u201319页（2018）“，”DOI“：”10.1007\/978-3-030-01234-2_1“}，{“问题”：“10”，“关键”：“2721_CR44”，“DOI-asserted-by”：“publisher”，“首页”：“6642”，“DOI”：“10.1109\/TCSVT.2022.3177320”，“卷”：“32”，“作者”：“L Yan”，“年份”：“2022”，“非结构化”：“Yan，L.，Ma，S.，Wang，Q.等人：使用全局-局部表示的视频字幕。IEEE传输。循环。系统。视频技术。32（10），6642\u20136656（2022）。https:\/\/doi.org\/10.109\/TCSVT.2022.3177320“，”journal-title“：”IEEE Trans。循环。系统。视频技术。“｝，｛”key“：”2721_CR45“，”doi asserted by“：”crossref“，”unstructured“：”Yan，L.，Wang，Q.，Cui，Y.，et \u00a0al.：Gl-rg:视频字幕的全局本地表示粒度。arXiv预印本arXiv:2205.10706（2022b）“，”doi“：”10.24963\/ijcai.2022\/384“｝，｛”key“：”2721_CR46“，”doi asserted by“：”publisher“，”first page“：”5984“，”doi“：”10.1109 \/TIP.2021.3089942“，”volume“：”30“，”author“：”CB Zhang“，”year“：”2021“，”unstructured“：”Zhang，C.B.，Jiang，P.T.，Hou，Q.，et al.：深入研究标签平滑。IEEE传输。图像处理。30，5984\u20135996（2021）“，”期刊标题“：”IEEE Trans。图像处理。“}，{”issue“：”9“，”key“：”2721_CR47“，”doi-asserted-by“：”publisher“，”first page“：“4193”，”doi“：”10.1109\/TIP.2017.2689999“，”volume“：：”26“，”author“：”K Zhang“，”year“：”2017“，”unstructured“：”Zhang，K.，Huang，Y.，Du，Y..等人：基于深度进化时空网络的面部表情识别。IEEE Trans.Image Process.26（9），4193\u20134203（2017）“，“期刊标题”：“IEEE Trans。图像处理。“｝，｛”key“：”2721_CR48“，”doi asserted by“：”crossref“，”nonstructured“：”Zhou，B.，Khosla，A.，Lapedriza，A.，et \u00a0al。：学习用于判别定位的深层特征。在：IEEE计算机视觉和模式识别会议论文集，pp.2921\u20132929（2016）“，”doi“：”10.1109\/CVPR.2016.319“｝]，”容器标题“：[”Visual Computer“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s00371-022-02721-w.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“https:\//link.springer\com/article\/10007\/s00371-022-0721-w\/fulltext.html“，”content-type“：”text\/html“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/s00371-022-02721-w.pdf”，“content-type:”application\/pdf“，”content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,11,9]]，“date-time”：“”2023-11-09T12:05:42Z“，”timestamp“：1699531542000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/s00371-022-02721-w”}}，“subtitle”：[]，“shorttitle”：[]，“issued”:{“date-parts”：[2022,11,19]]}，‘references-count’：48，‘journal-sissue’：{‘issue'：“12”，“published-print”：{“date-parts”：[[2023,12]]}}，“alternative-id”：[“2721”]，“URL”：“http:\/\/dx.doi.org\/10.1007\/s00371-022-02721-w“，”关系“：{}，”ISSN“：[”0178-2789“，”1432-2315“]，”ISSN-type“：[{”value“：”01782789“，”type“:”print“}，{”value“：”1432-2316“，”类型“：”electronic“}]，”主题“：[]，”published“：{”date-parts“：[2022,11,19]]}，“assertion”：“2022年10月28日“，”订单“：1，”名称“：”已接受“，”标签“：”接受“，“组”：{“名称”：“ArticleHistory“，”label“：”Article History”}}，{“value”：“2022年11月19日”，“order”：2，“name”：“first_online”，“label”：“first online”，”group“：{”name“：”articleHi历史“，”标签“：”文章历史“}}}、{“order“：1，”名称“：”道德“，”group:{“name”:“EthicsHeading”，“table”：“Declarations”}利益冲突作者声明他们没有利益冲突。无法提供数据。“，”order“：2，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”利益冲突“}}]}}