{“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”：[[2024,9,23]]，“日期-时间”：“2024-09-23T04:28:18Z”，“时间戳”：1727065698506}，“参考-计数”：51，“出版商”：“Springer Science and Business Media LLC”，“问题”：“10”，“许可证”：[{“开始”：}“日期-零件”：[2022,3,2]]，“时间“：”2022-03-02T00:00:00Z“，“timestamp”：1646179200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2022,3,2]，“date-time”：“2022-03-02T00:00Z”，“timetamp”：6461792000000}：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“J Ambient Intell Human Compute”]，”published-print“：{”date-parts“：[2023,10]]}，”DOI“：”10.1007\/s12652-0322-03773-5“，”类型“：”journal-article“，”created“：{”date-ports零件”：[[2022,3,2]，“日期-时间”：“2022-03-02T18:02:31Z”，“时间戳”：1646244151000}，“页面”：“13163-13177”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，”源“：”Crossref“，”is-referenced-by-count“：17，”title“：[”使用新型LSIS算子和深度学习在多模态MRI图像中分割脑肿瘤“]，”前缀“：”10.1007“，“卷”：“14”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0000-0003-1558-198X”，“authenticated-ORCID”：false，“给定”：“T.”，“家族”：“Ruba”，“序列”：“第一”，“从属关系”：[]}，{“给定的”：“R”，“家庭”：“Tamilselvi”，“sequence”：“additional”，“afliation”：[]}“，”隶属关系“：[]}]，”成员“：”297“，“在线发布”：{“日期部分”：[[2022,3,2]]}，“参考文献”：[{“问题”：“2011”，“密钥”：“3773_CR1”，“首页”：“206”，“卷”：“15”，“作者”：“S Ahmed”，“年份”：“2011”，“非结构化”：“Ahmed S，Iftekharuddin KM，Vossough A（2011）生物医学MRI信息技术中纹理、形状和强度特征融合用于后凸肿瘤分割的效果。IEEE Trans Med Imaging 15（2011）：206\u2013213“，“journal-title”：“IEEE Trans-Med Imaging”}，{“key”：“3773_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Al-Shaikhli SDS，Yang MY，Rosenhahn B（2014）使用稀疏编码和字典学习进行脑肿瘤分类。In:2014 IEEE国际图像处理会议（ICIP），IEEE，pp.2774\u20132778“，“DOI”：“10.1109\/ICIP.2014.7025561”}，{“key”：“3773_CR3”，“DOI-asserted-by”：“publisher”，“unstructured”：“Angulakshmi M，Lakshmi Priya GG（2018）使用基于超像素的光谱聚类从MRI分割脑肿瘤。沙特国王大学学报\u2013计算机与信息科学，2018，DOI:https:\/\/DOI.org/10.1016\/j.jsuci.2018.01.009.“，DOI”：“10.1016\/j.jsuci.2018.01.009”}，{“key”：“3773_CR4”，“DOI断言”：“crossref”，“非结构化”：“Bianchi A，James VM，Ek Tsoon T，Albert M（2013）基于对称纹理和对称强度的决策森林的脑肿瘤分割。2013年IEEE第十届国际生物医学成像研讨会（ISBI），IEEE，pp 748\u2013751.“，”DOI“：”10.1109\/ISBI.2013.6556583“}，{“key”：“3773_CR5”，“first-page”：“354”，“volume-title”：“Medical Image Computing and Computer-Assisted Intervention”，“author”：“S Bauer”，“year”：“2011”，“unstructured”：“Bauer S，Nolte L-P，Mauricio R（2011）”使用支持向量机分类结合分层条件随机场正则化对脑肿瘤图像进行全自动分割。医学图像计算和计算机辅助干预\u2013MICCAI 2011。Springer，Berlin Heidelberg，pp 354\u2013361“}，{“问题”：“13”，“关键”：“3773_CR6”，“doi-asserted-by”：“出版商”，“首页”：“97”，“doi”：“10.1088\/0031-9155\/58\/13\/R97”，《卷》：“58”，“作者”：“S Bauer”，“年份”：“2013”，“非结构化”：“Bauer S，Wiest R，Nolte LP，Reyes M（2013）基于MRI的脑肿瘤医学图像分析研究综述。Phys Med Biol 58（13）：97\u2013129“，“journal-title”：“Phys Med-Biol”}，{“key”：“3773_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Cui S，Lei M，Jingfeng J，Chang L，Shuyu X（2018）使用深度级联神经网络从MRI图像中自动语义分割脑胶质瘤。《医疗工程杂志》2018:14“，“doi”：“10.1155\/2018\/4940593”}、{“key”：”3773_CR8“，“非结构化”：“Davy A，Havaei M，Warder-Farley M（2014）用深度神经网络进行脑肿瘤分割。摘自：Proceedings MICCAI-BRATS，Boston，MA，USA“}，{”issue“：”4“，”key“：”3773_CR9“，”doi-asserted-by“：”publisher“，”first page“：“1451”，”doi“：”10.1109\/JBHI.2014.2360515“，”volume“:”19“，”author“：”A Demirhan“，”year“：”2015“，”unstructured“：”Demirhan-A，Toru M，Guler I（2015）使用小波和神经网络分割肿瘤和水肿以及大脑的健康组织。IEEE J Biomed Health Inform 19（4）：1451\u20131458“，“journal-title”：“IEEE J生物医学健康信息”}，{“key”：“3773_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Dong H，Yang G，Liu F，Mo Y，Guo Y（2017）使用基于U-Net的完全卷积网络自动检测和分割脑肿瘤。医学图像理解与分析。2017年MIUA。《计算机与信息科学通信》，第723卷。查姆施普林格。“，”DOI“：”10.1007\/978-3-319-60964-5_44“}，{”key“：”3773_CR11“，”first page“：“13”，”volume-title“：”Proceedings MICCAI-BRATS“，”author“：”P Dvorak“，”year“：”2015“，”unstructured“：”Drvorak P，Menze B（2015）多模式脑肿瘤分割的卷积神经网络结构预测。MICCAI-BRATS会议记录。德国慕尼黑，pp 13\u201324“}，{“key”：“3773_CR12”，“first page”：”532“，“volume-title”：“Medical Image Computing and Computer-Assisted Intervention\u2013MICCAI11”，“author”：“A Gooya”，“year”：“2011”，“unstructured”：“古亚A，Pohl K，Billello M，Biros G，Davatzikos C（2011）肿瘤生长模型指导下的脑部扫描的联合分割和变形配准。医学图像计算和计算机辅助干预\u2013MICCAI 2011。Springer，Berlin Heidelberg，pp 532\u2013540“}，{“key”：“3773_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Haeck T，Maes F，Suetens P（2016）磁共振脑肿瘤分割的一种未经训练和无监督的方法。摘自：2016年IEEE第13届国际生物医学成像研讨会，IEEE，pp265\u2013268”，“doi”：“10.1109\/ISBI.2016.7493260”}，}“key“：”3773_CR14“，”doi-asserted-by“：”crossref“，”unstructured“：”Haritha D（2016）《脑肿瘤检测技术的比较研究》。摘自：2016年信号处理、通信、电源和嵌入式系统（SCOPES）国际会议论文集10.1016\/j.media.2015.05.004”，“卷”：“35”，“作者”：“M Havaei”，“年份”：“2017”，“非结构化”：“Havaei M，Davy A，Warde Farley D（2017）深度神经网络脑肿瘤分割。Med Img Anal 35:18\u201331“，“journal-title”：“Med Img-Anal”}，{“key”：“3773_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Havaei M，Jodoin P-M，Larochelle H（2014）高效交互式脑肿瘤分割与脑内kNN分类。In:IEEE Conference on Pattern Recognition，pp 556\u2013561”，“doi”：“10.1109\/ICPR.2014.106“}，{“问题”：“2”，“关键”：“3773_CR18”，“doi-asserted-by”：“出版商”，“首页”：“66”，“doi”：“10.1109\/MIS.2015.93”，“卷”：“31”，“作者”：“SL Jui”，“年份”：“2016”，“非结构化”：“Jui SL，Zhang S，Xiong W，Yu F，Fu M，Wang D（2016）具有三维颅内结构变形特征的脑图像肿瘤分割。IEEE Intell Syst 31（2）：66\u201376“，”journal-title“：”IEEE Intel-Syst“}，{”key“：”3773_CR19“，”doi-asserted-by“：”publisher“，”first page“：“61”，”doi“：”10.1016\/j.media.2016.10.004“，”volume“：，j.P.Simpson，A.D.Kane，D.K。Menon，（2017）高效多尺度3D CNN，具有完全连接的CRF，用于准确的脑损伤分割。Med Image Ana 36:61\u201378“，”journal-title“：”Med Image-Ana“}，{”key“：”3773_CR20“，”doi-asserted-by“：”publisher“，”first page“：“61”，”doi“：”10.1016\/j.media.2016.10.004“，”volume“：36”，”author“：”K Kamnitsas“，”year“：”2017“，”unstructured“：”Kamnitassas K，Ledig C，Newcombe VFJ（2017）高效的多尺度3D CNN和完全连接的CRF用于准确的脑损伤分割。Med Img Anal 36:61\u201378”，“期刊标题”：“Med Img Anal”}，{“issue”：“2010”，“key”：“3773_CR21”，“doi asserted by”：“publisher”，“first page”：“809”，“doi”：“10.3174\/ajnr.A2061”，“volume”：“31”，“author”：“A Kassner”，“year”：“2010”，“nonstructured”：“Kassner A，Thornhill RE（2010）纹理分析：神经MR成像应用综述。Am J Neuroradil 31（2010）：809\u2013816“，”journal-title“：”Am J Neuroradiol“}，{”key“：”3773_CR22“，”doi-asserted-by“：”publisher“，”first page“：“8590”，”doi“：”10.1007\/s11227-020-03159-4“，”volume“:”76“，”author“：”A Khamparia“，”year“：”2020“，”unstructured“：”Khamparia，Gupta D，de Albuquerquerque VHC（2020）健康事物互联网驱动的深度学习系统，用于使用转移学习检测和分类宫颈细胞。超级计算机杂志76:8590\u20138608。https:\/\/doi.org\/10.1007\/s11227-020-03159-4“，”journal-title“：”J Super Compute“}，{”issue“：”10“，”key“：”3773_CR23“，”doi-asserted-by“：”publisher“，”first page“：“1457”，“doi”：“10.1016\/J.fss.2008.11.016”，“volume”：“160”，“author”：“H Khotanlou”，“year”：“2009”，“unstructured”：“Khotan-lou H，Colliot O，Atif J，Bloch I（2009年）使用模糊分类、对称性分析和空间约束变形模型在MRI中对脑肿瘤进行三维分割。Fuzzy Sets Syst 160（10）：1457\u20131473”，“journal-title”：“Fuzzy Set Syst”}，{“key”：“3773_CR24”，“doi-asserted-by”：“publisher”，“unstructured”：“Kumar S，Singh SK，Abidi AI（2018）《口吻图像上牛识别的群稀疏表示方法》。国际平行程序，.46，pp.\u00a0812\u2013837（2018）https:\/\/doi.org\/10.1007\/s10766-017-0550-x“，”doi“：”10.1007\/s10766-017-0550-x“}，{“key”：“3773_CR25”，“doi-asserted-by”：“publisher”，“unstructured”：“Kumar A，Singh SK，Sonal Saxena，K.Lakshmanan，Arun Kumar Sangaiah，Himanshu Chauhan，Sameer Shrivastava，Raj Kumar Singh（2020）犬乳腺肿瘤和人乳腺癌组织病理学图像分类的深度特征学习。信息科学。508，第405\u2013421页，ISSN 0020\u20130255，https:\/\/doi.org\/10.1016\/j.ins.2019.08.072.“，”doi“：”10.1016\/j-ins.2019.072“}，{“key”：“3773_CR26”，“first page”：”2789“，”volume“：”19“，”author“：”K Kumar“，”year“：”2018“，”unstructured“：”Kumar K，Meera Devi T，Maheswaran S（2018）一种基于纹理特征和SVM分类器的MR图像脑肿瘤检测方法。《亚太地区癌症预防杂志》19:2789\u20132794“，”journal-title“：”Asian Pac J Cancer Prev“}，{“issue”：“5”，“key”：“3773_CR27”，“doi-asserted-by”：“publisher”，“first-page”：“664”，“doi”：“10.1016\/J.patrec.2007.12.001”，“volume”：”29“author”：“M Li”，”year“2008”，“unstructured”：“Li M，Staunton RC（2008）纹理分割的最佳Gabor滤波器设计和局部二值模式。图案识别信。29（5）：664\u2013672“，“新闻标题”：“PatterN认可信。“}，{”key“：”3773_CR28“，”doi-asserted-by“：”publisher“，”doi“：”10.1155\/2020\/8620403“，”author“：”L Liu“，”year“：”2020“，”unstructured“：”Liu L，Kuang L，Ji Y（2020a）使用稀疏子空间聚类算法的多模态MRI脑肿瘤图像分割。计算数学方法医学。https:\/\/doi.org\/10115\/2020\/8620402“，”journal-title“：”计算数学方法医学“}，{”key“：”3773_CR29“，”doi-asserted-by“：”publisher“，”first-pages“：”6256“，”doi“：”10.1038\/s41598-020-63242-x“，”volume“：“10”，”author“：”J Liu“，”year“：”2020“，”unstructured“：”Liu J，Liu H，Tang Z（2020b）（2020）IOUC-3DSFCNN：通过IOU约束三维对称全卷积网络和多模态自动控制分割脑肿瘤。科学代表10:6256。https:\/\/doi.org\/10.1038\/s41598-020-63242-x“，”journal-title“：”Sci Rep“}，{”issue“：”2“，”key“：”3773_CR30“，”doi-asserted-by“：”publisher“，”first-page“：”97“，”doi“：”10.1007\/s00401-007-0243-4“，“volume”：“114”，“author”：“DN Louis”，“year”：“2007”，“unstructured”：“”Louis DN、Ohgaki H、Wiestler OD、Cavenee WK、Burger PC、Jouvet A、Scheithauer BW、Kleihues P（2007）《2007年世界卫生组织中枢神经系统肿瘤分类》。《神经病理学报》114（2）：97\u2013109“，”杂志标题“：”神经病理学报“}，{“key”：“3773_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Lyksborg M，Puonti M，Agn M，Larsen R（2015）用于肿瘤分割的二维卷积神经网络集成。在：斯堪的纳维亚图像分析会议。SCIA 2015，计算机科学讲义，Springer，Cham，vol 9127“，“DOI”：“10.1007\/978-3-319-19665-7_17”}，{“key”：“3773_CR32”，“DOI-asserted-by”：“publisher”，“first page”：第146页，“DOI:”10.1117\/1.1631315“，”volume：“13”，“author”：“Mehmet Sezgin and B\u00fclent Sankur”，“year”：“2004”，“unstructured”：“Mehmet Sezzgin and B \u00fclent Sankur（2004）图像阈值技术及定量性能评价综述。J Electron Imaging 13:146\u2013168“，“journal-title”：“J Electronic Imaging”}，{“issue”：“10”，“key”：“3773_CR33”，“doi-asserted-by”：“publisher”，“first-page”：“1993”，“doi”：“10.1109\/TMI.2014.2377694”，“volume”：”34“author”：“NBH Menze”，“year”：“2015”，“unstructured”：“Menze NBH，Jakab A，Bauer S（2015）”多模式脑肿瘤图像分割基准（BRATS）。IEEE Trans-Med Imag 34（10）：1993\u20132024”，“期刊标题”：“IEEE Trans-Med Imag”}，｛“密钥”：“3773_CR34”，“doi断言”：“出版商”，“第一页”：“18”，“doi”：“10.1016\/j.media.2015.05.004”，“卷”：“35”，“作者”：“H Mohammad”，“年份”：“2017”，“非结构化”：“Mohammad H，Davy A，Warde Farley D，Biard A，Courville A，Bengio Y（2017）基于深度神经网络的脑肿瘤分割。Med Image Ana 35:18\u201331“，“journal-title”：“Med Image-Ana”}，{“key”：“3773_CR35”，“doi-asserted-by”：“crossref”，“unstructured”：“Mohan J，Krishnaveni V，Yanhui H（2015）基于中子学集合方法的MR图像脑肿瘤自动分割。In:2015第二届IEEE电子与通信系统国际会议（ICECS），pp 1078\u20131083“，“DOI”：“10.1109\/ECS.2015.7124747”}，{“key”：“3773_CR36”，“unstructured”：“Pandian B，Boyle J，Orringer DA（2016）3D体积卷积神经网络多模态肿瘤分割。In:多模态脑肿瘤图像分割MICCAI挑战会议录（BRATS）\u00a02016”}doi-asserted-by“：”publisher“，”first-page“：”1240“，”doi“：”10.1109\/TMI.2016.2538465“，”volume“：”35“，”author“：”S Pereira“，”year“：”2016“，”unstructured“：”Pereira S，Pinto A，Alves V，Silva CA（2016）MRI图像中使用卷积神经网络进行脑肿瘤分割。IEEE Trans Med Imag 35（5）：1240\u20131251“，“journal-title”：“IEEE Trans-Med Imag”}，{“key”：“3773_CR38”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Pereira，A.Oliveira，V.Alves，and C.A.Silva（2017）利用完全卷积神经网络进行MRI脑肿瘤分层分割的初步研究。2017年IEEE第五届葡萄牙生物工程会议（ENBENG），葡萄牙科英布拉。。“，”DOI“：”10.1109\/ENBENG.2017.7889452“｝，｛”key“：”3773_CR39“，”首页“：”108“，”卷“：”2016“，”作者“：”D Peter“，”年份“：”2016“，”非结构化“：”Peter D，Chang MD（2016）具有超局部特征的全卷积神经网络在脑肿瘤分割中的应用。国际脑病研讨会：胶质瘤、多发性硬化、中风和外伤性脑损伤，BrainLes 2016:108\u2013118Pinto A、Pereira S、Dinis H、Silva CA、Rasteiro DM（2015）多模态MRI图像上脑肿瘤自动分割的随机决策森林。在：2015年IEEE第四届葡萄牙生物工程会议（ENBENG），第1\u20135页，“DOI”：“10.1109\/ENBENG.2015.7088842”}，{“key”：“3773_CR41”，“DOI断言”：“crossref”，“非结构化”：“Randhawa R，Modi A，Jain P，Warier P（2016）改善脑肿瘤分割和纵向疾病进展的节段边界分类在：MICCAI的BrainLes，2016”，“DOI”：“10.1007\/978-3-319-55524-9_7”}，{“key”：“3773_CR42”，“DOI-asserted-by”：“publisher”，“first page”：”1911“，“DOI:”10.1109\/JBHI.2018.2874033“，“volume”：：“23”，“author”：“I Razzak”，”year“2018”，“unstructured”：“Razzek I，Imran M，Xu G（2018）（2018）基于多尺度双路径组传统神经网络的脑肿瘤高效分割。IEEE J生物医学健康信息23:1911\u20131919。https:\/\/doi.org\/10.109\/JBHI.2018.2874033“，”journal-title“：”IEEE J Biomed Health Inform“}，{”issue“：”5“，”key“：”3773_CR43“，”first page“：“1240”，“volume”：“5”，“author”：“P Sergio”，“year”：“2016”，“unstructured”：“Sergio P，Pinto A，Alves V，Silva CA（2016）在MRI图像中使用卷积神经网络进行脑肿瘤分割。IEEE Trans Med Imaging 5（5）：1240\u20131251“，”journal-title“：”IEEE Trans-Med Imaging“}，{“issue”：“4”，“key”：“3773_CR44”，“doi-asserted-by”：“publisher”，“first page”：”640“，“doi”：“10.1109”\/TPAMI.2016.2572683“，”volume“39”，“author”：“E Shelhamer”，“year”：“2017”，“unstructured”：“Shelhamer E，Long J，Darrell T（2017）”语义分割的完全卷积网络。IEEE Trans-Pattern Ana Mach Intel 39（4）：640\u2013651“，“journal-title”：“IEEE Trans-Pattern ANA Mach Intel”}，{“key”：“3773_CR45”，“doi-asserted-by”：“crossref”，“unstructured”：“Sompong C，Sartra W（2016）基于细胞自动机的模糊c-均值脑肿瘤分割。2016年第十三届国际计算机科学与软件工程联合会议（JCSSE），IEEE，pp 1\u20136“，”DOI“：”10.1109\/JCSSE.2016.7748902“}，{“key”：“3773_CR46”，”DOI-asserted-by“：”publisher“，”first page“：”221“，”DOI“：“10.1007\/s10916-019-1358-6”，”volume“：“43”，”author“：”J Sun“，”year“：”2019“，”unstructured“：”孙杰，陈伟，彭斯，刘斌，DRRNet，（2019）脑肿瘤自动分割的稠密残差细化网络。医学系统杂志43:221。https:\/\/doi.org\/10.1007\/s10916-019-1358-6“，”journal-title“：”J Med Syst“}，{“key”：“3773_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Tajbakhsh N，Jae YS，Suryakanth RG（2016）医学图像分析的卷积神经网络：全面训练还是微调？IEEE Trans Med Imag 353773_CR48“，“非结构化”：“Urban G，Bendszus M，Hamprecht F，Kleesiek J（2014）使用深度卷积神经网络的多模态脑肿瘤分割。参加：MICCAI BraTS（脑肿瘤分割）挑战赛。Proceedings，Winning Contribution，pp 31\u2013 35“}，{“key”：“3773_CR49”，“unstructured”：“Yi D，Zhou M，Chen Z，Gevaert O（2016）3D卷积神经网络用于胶质母细胞瘤分割。http://\/arxiv.org \/abs\/1611.04534.”}，}“密钥”：“37.73_CR50”，“doi-asserted-by”：“crossref”，“非结构化”：“Zhou M，Lawrence OH，Dmitry BG（2014）探索脑肿瘤异质性以预测生存时间。2014年IEEE第22届模式识别国际会议（ICPR），IEEE，第580\u2013585页。“，”DOI“：”10.1109\/ICPR.2014.110“}，{“key”：“3773_CR51”，“first page”：”36“，“volume-title”：“Proceedings MICCAI-BRATS”，“author”：“D Zikic”，“year”：“2014”，“unstructured”：“Zikic D，Ioannou Y，Brown M，Criminisi A（2014）脑肿瘤组织的卷积神经网络分割。MICCAI-BRATS会议记录。马萨诸塞州，美国波士顿，pp 36\u201339“}]，“container-title”：[“Journal of Ambient Intelligence and Humanized Computing”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com\/content\/pdf\/10007\/s12652-022-03773-5.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s12652-022-03773-5\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//link.springer\com/content\/pdf\/10007\/s126512-022-037073-5.pdf”，“content-type”：“”相似性检查“}”，“存放”：{“日期-部分”：[[2023,8,22]]，“日期-时间”：“2023-08-2T18:30:15Z”，“时间戳”：1692729015000}，“分数”：1，“资源”：{“主要”:{“URL”：“https:\/\/link.springer.com\/10.10007\/s12652-022-03773-5”}，”副标题：[]，“短标题”：[]、“发布”：{-“日期-部件”：[2022,3,2]]}，“references-count”：51，“journal-issue”：{“issue”：“10”，“published-print“：{“date-parts”：[[2023,10]]}}，“alternative-id”：[“3773”]，“URL”：“http://\/dx.doi.org\/10.1007\/s12652-022-03773-5”，“relationship”：{}，”ISSN“：[“1868-5137”，“1868-5125”]，”ISSN-type“：[{“value”：“1868-5317”，“type”：“}]，”主题“：[]，”发布“：{”日期部分“：[2022,3,2]]}，”断言“：[{”值“：”2020年11月27日“，”订单“：1，”名称“：”已接收“，”标签“：”接收“，“组”：{“名称”：“文章历史”，“标签”：“物品历史”}}，{“值”：“2022年2月9日”，“订单”：2，“名称”:“已接受”，“label”：“已接受“，”组“：“首次联机”，“组”：{name“：”ArticleHistory“，”label“：”文章历史“}}]}}