｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,7,4]]，“日期时间”：“2024-07-04T11:19:38Z”，“时间戳”：1720091978600｝，“引用计数”：39，“出版商”：“施普林格科学与商业媒体有限责任公司”，“发行”：“4”，“许可证”：[｛“开始”：｛“日期部分”：[[2019,5,14]]，“日期时间”：“2019-05-14TT00:00Z”，“timestamp”：155779200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2019,5,14]]，“date-time”：“2019-05-14T00:00:00Z”，“timetamp”：1567792000000}，”content-version:“vor”，“delay-in-days”：“0，“URL”：“https:\/\\/creativecommons.org\/licenses\/by\/4.0“}]，”content-domain“用法：{“domain”：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[”J Digit Imaging“]，“published-print”：{”date-parts“：[[2019,8]]}，”DOI“：”10.1007\/s10278-019-00232-0“，”type“：”journal-article“，”created“：”{“date-part”：[2019,5,14]]，“date-time”：“2019-05-14T23:47:49Z”，“timestamp”：1557877Z 669000}，“页面”：“571-581”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：75，“title”：[“RIL-Contour:a Medical Imaging Dataset Annotation Tool for and with Deep Learning”]，“prefix”：“10.1007”，《volume》：“32”，“author”：[{“givent”：“Kenneth a.”，“family”：“Philbrick”，“sequence”：“first”，“affiliation”：[]}，{“Givent”:“Alexander D.”，“family”：“Weston”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Zeynettin”：“托马斯”，“家人”：“萨基尼”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Petro”，“family”：“Kostandy”“：”Takahashi“，”sequence“：”additional“，“affiliation”：[]}，{“given”：“Bradley J.”，“family”：“Erickson”，“sequence”：“additional”，“affaliation”:[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2019,5,14]]}、“reference”：[{“key”：“，”author“：”Y LeCun“，”year“：”2015“，”unstructured“：“LeCun Y，Bengio Y，Hinton G：深度学习。Nature 521:436\u20134442015”，“journal-title”：“Nature”}，{“issue”：“3”，“key”：“232_CR2”，“doi-asserted-by”：“publisher”，“first page”：”211“，“doi”：“10.1007\/s11263-015-0816-Y”，“volume”：：“115”，“author”：“O Russakovsky”，”year“2015”，“unstructured”：“Russakovsky O，Deng J，Su H，Krause J，Satheesh S，Ma S，Huang Z，Karpathy A，Khosla A，Bernstein M，Berg AC，Fei-Fei L:ImageNet大规模视觉识别挑战。国际计算机视觉115（3）：211\u20132522015”，“新闻标题”：“国际计算机视觉”}，{“关键”：“232_CR3”，“非结构化”：“Weston AD，et al:使用深度学习对CT扫描的腹部自动分割进行身体成分分析。放射学1814322018”}，{“问题”：“6”，“关键”：“232_CR4”，“doi-asserted-by”：“publisher”，“首页”：“1184”，”doi“：“10.2214\/AJR.18.20331”，“卷”：“211”，”作者“KA Philbrick”，“年份”：“2018”，“非结构化”：“Philbrick KA，Yoshida K，Inoue D，Akkus Z，Kline TL，Weston AD，Korfiatis P，Takahashi N，Erickson BJ:深度学习看到了什么？通过训练分类器从CT图像预测对比度增强阶段的见解。Am J Roentgenol 211（6）：1184\u201311932018”，“journal-title”：“Am J Loentgenol”}，{“key”：“232_CR5”，“doi-asserted-by”：“publisher”，“首页”：“622”，“DOI”：“10.1007”，“volume”：“30”，“author”：“P Korfaitis”，“year”：“2017”，“unstructured”：“Korfaiti P，Kline TL，Lachance DH，Parney IF，Buckner JC，Erickson BJ:残余深卷积神经网络预测MGMT甲基化状态。J Digit Imaging 30:622\u2013628，2017”，《杂志标题》：“J Digite Imaging”}，{“key”：“232_CR6”，“doi-asserted-by”：“publisher”，“first page”：：“469”，“doi”：“10.1007\/s10278-017-9984-3”，“volume”：”30“，“author”：“Z Akkus”，“year”：“2017”，“unstructured”：“Akus Z，Ali I，Sedl\u00e1\u0159 J：使用机器智能预测MR图像中低度恶性胶质瘤染色体臂1p\/19q的缺失。数字成像杂志30:469\u2013476，2017”，“journal-title”：“J Digit Imaging”}，{“key”：“232_CR7”，“unstructured”：“Rajpurkar P，et al:Chexnet：通过深度学习对胸部x光片进行放射水平肺炎检测。arXiv预印本arXiv:1711.05225，2017”}，“作者”：“CT Rueden”，“年份”：“2017年”，“非结构化”：“Rueden CT et al.：ImageJ2:ImageJ用于下一代科学图像数据。BMC生物信息学18（1）：5292017”，“期刊标题”：“BMC生物信息学”}，{“key”：“232_CR9”，“doi-asserted-by”：“publisher”，“first page”：《277》，“doi”：“10.1007”\/978-14614-7657-3_19”，《volume-title》：“术中成像和图像引导治疗”，“作者”：“R Kikinis”，“年份”：“2014年”，“非结构化”：“Kikinis R，Pieper SD，Vosburgh KG:3D Slicer:一个用于特定主题图像分析、可视化和临床支持的平台。摘自：Jolesz FA Ed.术中成像和图像引导治疗。纽约：Springer New York，2014，pp.277\u2013289”}，{“issue”：“3”，“key”：“232_CR10”，“doi-asserted-by”：“publisher”，“first page”：《605》，“doi”：“10.2214\/AJR.15.15875”，“volume”：“207”，“author”：“TL Kline”，“year”：“2016”，“unstructured”：“Kline TL，Edwards ME，Korfaitis P，Akkus Z，Torres VE，Erickson BJ:T2加权MR图像中多囊肾的半自动分割。Am J Roentgenol 207（3）：605\u2013613，2016”，《杂志标题》：“Am J Roentgenol”}，{“问题”：“1”，“关键”：“232_CR11”，“doi-asserted-by”：“publisher”，“first page”：“23”，“doi”：“10.1593\/tlo.13796”，“volume”：”7“，“author”：“DL Rubin”，”year“：”2014“，“unstructured”：“Rubin DL，Willlett D，O\u2019Connor MJ，Hage C，Kurtz C，Moreira DA：自动跟踪临床试验中肿瘤负担的定量评估。Transl Oncol 7（1）：23\u201335，2014”，“journal-title”：“Transl Oncol”}，{“issue”：“3”，“key”：“232_CR12”，“doi-asserted-by”：“publisher”，“first page”：”1116“，“doi”：“10.1016\/j.neuroimage.2006.015”，“volume”：：“31”，“author”：“PA Yushkevich”，“year”：“2006”，“unstructured”：“Yushkevich PA，Piven J，Hazlett HC，Smith RG，Ho S，Gee JC，Gerig G：解剖结构的用户引导三维活动轮廓分割：显著提高了效率和可靠性。NeuroImage 31（3）：1116\u201311282006”，“journal-title”：“NeuroImage”}，{“issue”：“2”，“key”：“232_CR13”，“doi-asserted-by”：“publisher”，《首页》：“774”，“doi”：“10.1016\/j.neuroimage.2012.01.021”，“volume”：“62”，“author”：“B Fischl”，“year”：“2012”，“unstructured”：“Fischl B:FreeSurfer.neuroimage 62（2）：774\u20137812012”，“journal-title”：“neuroimage”}，{“key”：”232_CR14“，“first-pages”：“209”，“volume”:“2006”，“author”:“X Papapedemotris”，“年份”：“2006”：“Papademetris X等人：BioImage Suite:集成医学图像分析套件：更新。Insight J 2006:209\u2013209，2006”，“journal-title”：“Insight J”}，{“issue”：“2”，“key”：“232_CR15”，“doi-asserted-by”：“publisher”，“first-page”：“106”，“doi”：“10.1016\/J.cmpb.2005.08.004”，“volumes”：“81”，“author”：“H Jiang”：“Jiang H，van Zijl PCM，Kim J，Pearlson GD，Mori S:DtiStudio：扩散张量计算和纤维束跟踪的资源程序。Comput Methods Prog Biomed 81（2）：106\u20131162006”，“期刊标题”：“Comput Methods Prog Biomed”}，｛“key”：“232_CR16”，“nonstructured”：“McAuliffe MJ，et al:临床研究中的医学图像处理、分析和可视化。摘自：第14届IEEE计算机医学系统研讨会论文集。CBMS，2001年”}，{“问题”：“2”，“关键”：“232_CR17”，“doi-asserted-by”：“publisher”，“首页”：“782”，”doi“10.1016\/j.neuroimage.2011.09.015”，“卷”：“62”，“作者”：“M Jenkinson”，“年份”：“2012”，“非结构化”：“Jenkinson M，Beckmann CF，Behrens TEJ，Woolrich MW，Smith SM:FSL.NeuroImage 62（2）：782\u2013790，2012”，《新闻标题》：“NeuroImage”}，{“问题”：“9”，“关键字”：“232_CR18”，“doi-asserted-by”：“publisher”，“首页”：“2369”，“doi”：“10.1007\/s00261-017-1123-6”，“卷”：“42”，“作者”：“N Takahashi”，年“：”2017“，”非结构化“：“Takahashi N，Sugimoto M，Psutka SP，Chen B，Moynagh MR，Carter RE：用于CT身体成分分析的新半自动化软件程序的验证研究。Abdom Radiol 42（9）：2369\u20132375，2017”，“日志标题”：“Abdom放射”}，{“key”：“232_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Carvalho LE，Sobieranski AC，von Wangenheim A:计算机断层成像的3D分割算法：系统文献综述。数字成像杂志1\u2013522018”，“DOI”：“10.1007”，“10178-018-0101-z”}，{“key”：“232_CR20”，“DOI-asserted-by”：“publisher”，”DOI“：“10.1038”，“srep24454”，“volume”：”6“author”：“J-z Cheng”，“year”：“2016”，“非结构化”：“Cheng J-Z，Ni D，Chou YH，Qin J，Tiu CM，Chang YC，Huang CS，Shen D，Chen CM:利用深度学习架构进行计算机辅助诊断：在美国图像中的乳腺病变和CT扫描中的肺结节中的应用。Sci Rep 6:24454，2016”，“期刊标题”：“Sci Rep.”}，{“key”：“232_CR21”，“doi-asserted-by”：“publisher”，“first page”：”434，“DOI”：“10.1016\/j.neuroimage.2017.02.035”，“volume”：“170”，“author”：“C Wachinger”，“year”：“2018”，“unstructured”：“Wachinger-C，Reuter M，Klein T:DeepNAT:用于分割神经解剖学的深卷积神经网络。neuroimage 170:434\u20134452018”，“journal-title”：“neuroimage”}，{“issue”：“3”，“key”：”232_CR22“，”DOI-asserted-by“publisher”，“首页”：“353”，“DOI”：“10.1007\/s10278-018-0069-8”，“卷”：“31”，“作者”：“KC Wang”，“年份”：“2018”，“非结构化”：“Wang KC：成像中互操作性和语义计算的标准词典、编码系统和本体。J Digit imaging 31（3）：353\u2013360，2018”，《杂志标题》：“J Digital imaging”}，{“问题”：“6”，“关键”：“232_CR23”，“doi-asserted-by”：“publisher”，“first page”：“1166”，“doi”：“10.1093\/jamia\/ocw028”，“volume”：”23“，“author”：“V Agarwal”，“year”：“2016”，“unstructured”：“Agarwal-V，Podchiyska T，Banda JM，Goel V，Leung TI，Minty EP，Sweeney TE，Gyang E，Shah NH:使用噪声标记训练数据学习表型统计模型。美国医学杂志Inform Assoc 23（6）：1166\u201311732016”，“期刊标题”：“J Am Med Inform Assoc”}，｛“issue”：“5”，“key”：“232_CR24”，“doi断言”：“publisher”，“first page”：“1461”，“doi”：“10.1148\/rg.2015140031”，“volume”：“35”，“author”：“PD Korfiatis”，“year”：“2015”，“nonstructured”：“Korfaitis PD、Kline TL、Blezek DJ、Langer SG、Ryan WJ、Erickson BJ:MIRMAID：医学图像分析研究的内容管理系统。RadioGraphics 35（5）：1461\u201314682015“，“journal-title”：“RadioGraphcs”}，{“issue”：“1”，“key”：“232_CR25”，“doi-asserted-by”：“publisher”，“first-page”：“11”，“doi”：“10.1385\/NI:5:1:11”，”volume“：”5“，”author“：”DS Marcus“，”year“：“2007”，“unstructured”：“Marcus DS、Olsen TR、Ramaratnam M、Buckner RL：可扩展神经影像存档工具包。神经信息学5（1）：11\u201333，2007”，“期刊标题”：“神经信息学”}，{“期刊”：“5”，“关键词”：“232_CR26”，“doi-asserted-by”：“出版商”，“首页”：“1206”，“doi”：“10.1016\/j.kint.2017.03.026”，”卷“：“92”，“作者”：“TL Kline”，“年份”：“2017”，“非结构化”：“Kline TL、Korfaitis P、Edwards ME、Bae KT、Yu A、Chapman AB、Mrug M、Grantham JJ、Landsittel D、Bennett WM、King BF、Harris PC、Torres VE、Erickson BJ、CRISP研究人员：图像纹理特征预测常染色体显性多囊肾病患者的肾功能下降。Kidney Int 92（5）:1206\u201312162017”，“期刊标题”：“Kidney Int”｝，｛“key”：“232_CR27”，“非结构化”：“Selvaraju RR，et al.：Grad CAM:你为什么这么说？arXiv[stat.ML]，2016”｝，｛“key”：“232_CR28”，“非结构化”：“Selvaraju RR，et al.：Grad CAM:通过基于梯度的定位从深度网络进行的可视化解释。v3（8）72016。请参阅https:\/\/arxiv.org\/abs\/1610.02391“}，{”key“：”232_CR29“，”unstructured“：”Simonyan K，Vedaldi A，Zisserman A:Deep Inside Convolutional Networks:Visualising Image Classification Models and Saliency Maps.arxiv[cs.CV]，2013“}”，{“key”：“232_CR30”，“doi-asserted-by”：“crossref”，“unstructure”：“”周波，等：学习区分性本地化的深层特征。arXiv[cs.CV]，2015年“，”DOI“：”10.1109\/CVPR.2016.319“}，{“key”：“232_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mehrtash A，et al:DeepInfer：图像引导治疗的开放源代码深度学习部署工具包。In:SPIE Proceedings of SPIE--the International Society for Optical Engineering，10135。101351K，2017“，“DOI”：“10.1117\/12.2256011”}，{“key”：“232_CR32”，“unstructured”：“Yu F，et al:Lsun:使用循环中的人类深度学习构建大规模图像数据集。arXiv预印本arXiv:1506.03365，2015”}周泽，等：颈动脉内膜中层厚度视频解读中主动学习和迁移学习的整合。2018年，“DOI”：“10.1007\/s10278-018-0143-2”}，{“key”：“232_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Russakovsky O，Li L，Fei-Fei L:两全其美：人机合作，用于对象注释。In:2015 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）.2015”，“DOI:”10.1109\/CVPR.2015.7298824“}，}”key“：”232_CR35“，”非结构化“：”Sakinis T等人：通过完全卷积神经网络对医学图像进行交互式分割。arXiv预印本arXiv:1903.082052019。“}，{“key”：“232_CR36”，“doi-asserted-by”：“crossref”，“unstructured”：“Wu J，et al:图像分类和自动标注的深度多实例学习。In:2015 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）.2015”，“doi”：“10.1109\/CVPR.2015.7298968”}，}“key:”232_CR37“，”doi-assert-by“：”crossref“，”unstructured“：”Xu Y，et al:医学图像分析的多实例学习特征表示的深度学习。2014年IEEE声学、语音和信号处理国际会议（ICASSP）。2014年“，”DOI“：”10.1109\/ICASSP.2014.6853873“}，{“key”：“232_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mettes P，Snoek CG，Chang S-F:从视频标签和伪注释定位操作。arXiv预印本arXiv:1707.091432017”，“DOI”：“10.5244\/C.31.22”}，“key“：”232_CR39“，”DOI-assert-by“：”publisher“，“first page”：”47“，”DOI“：”10.1016\/j.jneumeth.2016.03.001“，”volume“：”264“，”author“：”X Li“，”year“：”2016“，”unstructured“：”Li X，Morgan PS，Ashburner j，Smith j，Rorden C：神经影像数据分析的第一步：DICOM到NIfTI的转换。神经科学方法杂志264:47\u201356，2016年，“journal-title”：“神经科学方法”}]，“container-title“：[“数字成像杂志”]，“original-title:[]，“language”：“en”，“link”：[{“URL”：“http://link.springer.com/content\/pdf\/10.1007\/s10278-019-00232-0.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“text-mining“}，{“URL”：“http://\/link.springer.com/article\/10.1007\/s10278-019-00232-0\/fulltext.html”，“内容类型”：“text\/html”，“content-version”：“vor”，“intended-application”：“text-mining”}，}“URL“：”http://\/llink.springer\com/content\/pdf\/10.10007\/s10278-019-00232-0.pdf“，”内容类型“：”application\/pdf“content-vers”离子“：”vor“，”intended-application“：”相似性检查“}]，”存放“：{”日期部分“：[[2020,5,12]]，”日期时间“：”2020-05-12T23:26:22Z“，”时间戳“：1589325982000}，”分数“：1，”资源“：{primary”：{“URL”：“http://\link.sprimary.com\/10.10007\/s10278-019-00232-0”}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期部分”：[2019,5,14]]}，“参考人数”：39，“日志问题“：{”问题“：“4”，“发布-打印”：{“日期-部分”：[[2019,8]]}}，“替代id”：[“232”]，“URL”：“http://\/dx.doi.org\/10.1007\/s10278-019-00232-0”，“关系”：{}，”ISSN“：[“0897-1889”，“1618-727X”]，”ISSN-type“：[{”value“：”0897-1889'，“type”：“打印”}，{“值”：“1618-727X”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2019,5,14]]}，“断言“：[{”value“：”2019年5月14日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“Article History”，“label”：“Article History”}}，{“order”：1，“name”:“EthicsHeading”，“table”：“Ethics Standards合规性”}}}伦理“，”团体“：{“name”：“EthicsHeading”，“label”：“利益冲突”}}]}}