{“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”：[[2024,5,16]]，“日期-时间”：“2024-05-16T10:06:53Z”，“时间戳”：1715854013875}，“参考-计数”：67，“出版商”：“Springer Science and Business Media LLC”，“问题”：“1”，“许可证”：[{“开始”：}“日期-零件”：[2022,5,20]]，”日期-时间“：“2022-05-20T00:00:00Z”，“timestamp”：1653004800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2022,5,20]]，“date-time”：“2022-05-20T00:00:00Z”，“timetamp”：1.65300480000}，”content-versiion“：”vor“，“dellay-in-days”：0 s.org\/licenses\/by\/4.0“}]，“出资人”：[{“DOI”：“10.13039\/501100001784”，“name”：“维多利亚大学”，“doi-asserted-by”：“crossref”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Health Inf Sci Syst”]，”abstract“：”摘要<\/jats:title>本文提供了一个从动态对比增强（DCE）MRI自动准确分割乳腺病变的框架。该框架是利用相位保持去噪图像上连续域的最大流和最小割问题建立的。完成拟议方法需要三个阶段。首先，减去对比后图像和对比前图像，然后进行图像配准，这有助于增强病变区域。其次，使用相位保持去噪和像素自适应维纳滤波技术，然后是连续域中的最大流和最小割问题。去噪机制通过保留有用的细节特征（如边缘）来清除图像中的噪声。然后，使用连续最大流量进行病变检测。最后，将形态学操作用作后处理步骤，以进一步描述获得的结果。对21例具有两种不同MR图像分辨率的患者进行了一系列定性和定量试验，采用九个性能指标来验证该方法的有效性。性能结果证明了从该方法中获得的分割质量<\/jats:p>“，”DOI“：”10.1007\/s13755-022-00176-w“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,5,20]]，”date-time“：”2022-05-2T22:05:52Z“，”timestamp“：1653084352000}，”update-policy“：“http://\/dx.DOI.org\/10007\/springer_crossmark_policy”，“source”：“Crossref”，”is-referenced-by-count“：24，”title“：[“相位保持DCE-MRIs“]，”前缀“：”10.1007“，”卷“：”10“，”作者“：[{”给定“：”迪内什“，”家族“：”潘迪“，”序列“：”第一“，”从属“：[]}，{”给出“：”华“，”家庭“：”王“，”顺序“：”附加“，”隶属“：[]}，：“凯特”，“家族：“王”，“序列”：“附加”，“从属”：[]}，{“给定”：“燕春”，“家族”：“张”，“顺序”：“额外”，“隶属”：[]}，}“给定的”：“京”，“家庭”：“沈”，“排序”：“添加”，“附属”：[]}]，“成员”：“297”，“在线发布”：{“日期部分”：[2022,5,20]]}、“引用”：[{“问题”：“3”，“密钥”：“176_CR1”，“doi-asserted-by”：“publisher”第一页“：“354”，“DOI”：“10.24869\/psyd.2021.354”、“volume”：“33”，“author”：“M Sharma”，“year”：“2021”，“unstructured”：“Sharma M.人类神经精神障碍和机器学习的研究和谷歌趋势：简要报告。精神病学Danubina。2021;33（3）:354\u20137.”，“期刊标题”：“Psychiatr Danubina”}，｛“issue”：“D1”，“key”：“176_CR2”，“doi断言”：“publisher”，“first page”：“D1255”，“doi”：“10.1093\/nar\/gkab1063”，“volume”：“50”，“author”：“LM Schriml”，“year”：“2022”，“nonstructured”：“Schriml LM，Munro JB，Schor M，Olley D，McCracken C，Felix V等人。人类疾病本体2022更新。核酸研究2022；50（D1）:D1255\u201361.“，”journal-title“：核酸研究”}，{“问题”：“1”，“关键”：“176_CR3”，“doi-asserted-by”：“出版商”，“首页”：“一”，“doi”：“10.1038\/s41467-021-23235-4”，“卷”：“12”，“作者”：“赵超”，“年份”：“2021”，”非结构化：“赵H，单H，霍马约尼F，辛格R，科拉RD，郭H，等●●●●。深度学习预测肺癌筛查低剂量计算机断层扫描带来的心血管疾病风险。国家公社。2021;12（1）：1\u201310.“，”journal-title“：”Nat Commun“}，{”issue“：”6“，”key“：”176_CR4“，”doi-asserted-by“：”publisher“，”first-page“：”394“，“doi”：“10.3322\/caac.21492”，“volume”：“68”，“author”：“F Bray”，“year”：“2018”，“unstructured”：“Bray F，Ferlay J，Soerjomataram I，Siegel RL，Torre LA，Jemal A。2018年全球癌症统计：GLOBOCAN估计全球185个国家36种癌症的发病率和死亡率。CA癌症临床杂志。2018;68（6）：394\u2013424.“，”journal-title“：”CA Cancer J Clin“}，{“issue”：“1”，“key”：“176_CR5”，“doi-asserted-by”：“publisher”，“first-page”：“33”，“doi”：“10.1186\/s40659-017-0140-9”，”volume“：“50”，“author”：“M Akram”，“year”：“2017”，“unstructured”：“Akram M，Iqbal M，Daniyal M，Khan AU.乳腺癌意识和当前知识生物研究2017；50（1）：33.“，”journal-title“：”Biol Res“}，{”key“：”176_CR6“，”first page“：“124”，“volume-title”：“Health Inf Sci”，“author”：“D Pandey”，“year”：“2021”，“unstructured”：“Pandey D，Wang H，Yin X，Wang K，Zhang Y，Shen J.在相位保持的DCE-MRI中使用连续最大流算法自动分割乳腺病变。联系人：Siuly S、Wang H、Chen L、Guo Y、Xing C，编辑。健康信息科学。施普林格：纽约；2021.p.124\u201337.“}，{“问题”：“15”，“关键”：“176_CR7”，“doi-asserted-by”：“出版商”，“首页”：“1438”，“doi”：“10.1056\/NEJMoa1600249”，“卷”：“375”，“作者”：“HG Welch”，“年份”：“2016”，“非结构化”：“Welch HG，Prorok PC，O\u2019Malley AJ，Kramer BS。乳腺癌肿瘤大小、过度诊断和乳腺钼靶筛查的有效性。《新英格兰医学杂志》2016；375（15）：1438\u201347.“，”journal-title“：”N Engl J Med“}，{”key“：”176_CR8“，”doi-asserted-by“：”publisher“，”first page“：“84”，”doi“：”10.1016\/J.engappai.2016.12.019“，”volume“:”59“，”author“：”M Abdel-Nasser“，”year“：”2017“，”unstructured“：”Abdel-Nesser M，Melendez J，Moreno A，Omer OA，Puig D。使用纹理分析和超分辨率方法对超声图像中的乳腺肿瘤进行分类。工程应用工艺智能。2017;59:84\u201392.“，”journal-title“：”Eng-Appl-Artif Intell“}，{”key“：”176_CR9“，”doi-asserted-by“：”publisher“，”first page“：“24454”，”doi“：”10.1038\/srep24454“，”volume“：6”，”author“：”JZ Cheng“，”year“：”2016“，”unstructured“：”Cheng JZ，Ni D，Chou YH，Qin J，Tiu CM，Chang YC，et al。具有深度学习结构的计算机辅助诊断：应用于US图像中的乳腺病变和CT扫描中的肺结节。2016年科学报告；6:24454.“，”journal-title“：”Sci Rep“}，{”issue“：”2“，”key“：”176_CR10“，”doi-asserted-by“：”publisher“，”first-pages“：”435“，”doi“：”10.1109\/TMI.2018.2865671“，”volume“：“38”，”author“：”J Zhang“，”year“：”2019“，”unstructured“：”Zhang J，Saha A，Zhu Z，Mazurowski MA。分层卷积神经网络用于磁共振成像中乳腺肿瘤的分割及其在放射基因组学中的应用。IEEE Trans Med成像。2019;38（2）：435\u201347.“，”journal-title“：”IEEE Trans-Med Imaging“}，{”key“：”176_CR11“，”doi-asserted-by“：”publisher“，”first page“：“34”，”doi“：”10.1016\/j.neucom.2016.05.084“，”volume“：。使用级联集成和多级图像特征组合对乳腺癌组织病理学进行自动分级。神经计算。2017;229:34\u201344.“，”journal-title“：”Neurocomputing“}，{”issue“：”12“，”key“：”176_CR12“，”doi-asserted-by“：”publisher“，”first-pages“：”e01042“，”doi“：”10.1016\/j.helion.2018.e01042”，“volume”：“4”，“author”：“D Pandey”，“year”：“2018”，“unstructured”：“Pandey D，Yin X，Wang H，Su MY，Chen JH，Wu j，et al。MRI中乳腺感兴趣区域（ROI）和密度的自动快速分割。螺旋体。2018;4（12）：e01042.“，”journal-title“：”Heliyon“}，{“key”：“176_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Bhattacharjee R，Douglas L，Drukker K，Hu Q，Fuhrman J，Sheth D，et \u00a0al.DCE-MRI上二维和三维U-Net乳腺病变分割的比较.2021，p.10.”，“doi”：“10.1117\/12.581846”}，“key“：”176_CR14“，”unstructure“：“”Khalil F，Wang H，Li J.将马尔可夫模型与聚类相结合，用于预测网页访问量。2007年，第63\u201374页。“}，{”key“：”176_CR15“，”doi-asserted-by“：”crossref“，”unstructured“：”Hu H，Li J，Wang H，Daggard GE。微阵列数据分析的组合基因选择方法。2006年，第4251卷，第976\u201383页。“，”doi“：”10.1007\/11892960_117“}”，{“issue”：“6”，”key：“176_CR16”，“doi-assert-by”：“publisher”，“first page”：“1507”，“doi“：”10.1007\/s11280-017-0449-x“，”volume“：”20“，”author“：”H Li“，”year“：”2017“，”unstructured“：”Li H，Wang Y，Wang H，Zhou B.基于多窗口集成学习的非平衡流数据分类。万维网。2017;20（6）：1507\u201325.“，”journal-title“：“万维网”}，{“key”：“176_CR17”，“doi-asserted-by”：“publisher”，“first page”：”48“，”doi“：”10.1504\/IJKWI.2009.027925“，”volume“：”1“，”author“：”F Khalil“，”year“：”2009“，”unstructured“：”Khalil F，Li J，Wang H.下一页访问预测的集成模型。Int J Knowl Web Intell.2009；1:48\uu 201380年。https:\/\/doi.org\/10.10504\/IJKWI.2009.027925.“，”journal-title“：”Int J Knowl Web Intell“}，{“key”：“176_CR18”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s41019-021-00167-z”，“author”：“R Sarki”，“year”：“2021”，“unstructured”：“Sarki R，Ahmed K，Wang H，Zhang Y，Ma J，Wang K。糖尿病眼病分类识别中的图像预处理。数据科学工程2021。https:\/\/doi.org\/10.1007\/s41019-021-00167-z.“，”journal-title“：”Data Sci Eng“}，{“key”：“176_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Bzdok D，Krzywinski M，Altman N.重要点：机器学习：监督方法.2018.”，”doi“：”10.1038\/nmeth.4551“非结构化”：“Bargshady G，Zhou X，Deo RC，Soar J，Whittaker F，Wang H。增强深度学习算法开发，以从面部表情图像中检测疼痛强度。专家系统应用。2020;149:1113305.”，“DOI”：“10.1016\/j.eswa.200.113305”}，｛“key”：“176_CR21”，“DOI断言者”：“publisher”，“首页”：“107”，“DOI”：“10.1016\/j.sprsjprs.2015.003.011”，“卷”：“105”，“作者”：“S Du”，“年份”：“2015”，“非结构化”：“Du S，Zhang F，Zhang X”。结合VHR图像和GIS数据的城市建筑物语义分类：改进的随机森林方法。ISPRS J Photogram Remote Sens.2015；105:107\u201319.“，”journal-title“：”ISPRS J Photogram Remote Sens“}，{“issue”：“12”，“key”：“176_CR22”，“doi-asserted-by”：“publisher”，“first page”：”4487“，”doi“：”10.3390\/s18124487“，”volume“：”18“，”author“：”H Fabelo“，”year“2018”，“unstructured”：“Fabelo H，Ortega S，Casselden E，Loh J，Bulstrode H，Zoln ourian A等人。使用红外光谱样本进行脑肿瘤识别的SVM优化。传感器。2018;18（12）：4487.“，”journal-title“：”Sensors“}，{”key“：”176_CR23“，”unstructured“：”Kendall A，Gal Y.“我们在计算机视觉贝叶斯深度学习中需要哪些不确定性？in:Proceedings of the Advances in Neural Information Processing Systems；2017。p.5574\u20135584.“}，{”issue“：“17”，”key“：“176_CR24”，”doi-asserted-by“：”publisher“，”first page“：”6109“，”doi“：”10.3390\/app10176109“，“volume”：“10”，“author”：“L Conte”，“year”：“2020”，“unstructured”：“Conte L，Tafuri B，Portaluri M，Galiano A，Maggiulli E，De Nunzio G。利用深度学习特征在DCE-MRI中进行乳腺癌肿块检测，然后通过机器学习方法区分浸润癌和原位癌。应用科学。2020;10（17）：6109.“，”journal-title“：”Appl Sci“}，{“key”：“176_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Sarki R，Ahmed K，Wang H，Zhang Y.使用深度学习自动检测轻度和多类糖尿病眼病。健康信息科学系统.2020:8.”，“doi”：“10.1007\/s13755-020-00125-5”}，“key“：”176_CR26“，”doi-assert-by“：”publisher“，”doi“：”10.1007 \/s13755-019-0084-2“，“作者”：“J Du”，“年份”：“2019”，“非结构化”：“Du J，Michalska S，Subramani S，Wang H，Zhang Y.神经注意与字符嵌入用于从推特检测花粉热。健康信息科学系统。2019.https:\/\/doi.org/10.1007\/s13705-019-0084-2。”，“期刊标题”：“健康信息科学系统”}，｛“密钥”：“176_CR27”，“doi断言者”：“出版商”，“doi”：“10.1007\/s1280-019-00776-9”，“作者”：“J He”，“年份”：“2020”，“非结构化”：“何J，荣J，孙L，王H，张Y，马J。基于物联网心电图的心律失常检测框架。万维网。2020年。https:\/\/doi.org\/10.1007\/s11280-019-00776-9.“，”journal-title“：”万维网“}，{”key“：”176_CR28“，”doi-asserted-by“：”publisher“，”first page“：“073346481988884”，“doi”：“10.1177\/0733464819888848”，“volume”：“40”，“author”：“K Wang”，“year”：“2019”，“unstructured”：“Wang K，Bell J，Gilmartin-Thomas J，Tan E，Cooper T、Robson L等。在老年护理服务中，跌倒风险高和低的居民使用跌倒药物的风险增加。《应用老年医学杂志》。2019;40:073346481988884. https:\/\/doi.org\/10.1177\/0733464819888848.“，”journal-title“：”J Appl Gerontol“}，{“key”：“176_CR29”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/J.jacl.2020.05.008”，“author”：“K Wang”，“year”：“2020”，“unstructured”：“Wang K，Bell J，Tan E，Gilmartin-Thomas J，Dooley M，Ilomaki J。长期护理机构居民中他汀类药物的使用和跌倒相关住院：一项2013年病例对照研究。临床脂质杂志。2020年，https:\/\/doi.org\/10.1016\/j.jacl.2020.05.008.“，”journal-title“：”j Clin Lipidol“}，{“key”：“176_CR30”，“first page”：”35“，”volume“：”73“，”author“：”H Hu“，”year“：”2006“，”unstructured“：”Hu H，Li j，Wang H，Daggard GE，Shi M.微阵列数据分类的最大多样性多决策树算法。Intell Syst Bioninform.2006；73:35\u20138.“，”journal-title“：”Intell-Syst Bioninform“}，{”issue“：”1“，”key“：”176_CR31“，”doi-asserted-by“：”publisher“，”first page“：“13012”，”doi“：”10.1038\/s41598-018-31333-5“，”volume“：‘8’，”author“：”I Aganj“，”year“：”2018“，”unstructured“：”Aganj I，Harisinghani MG，Weissleder R，Fischl B。基于局部质心的无监督医学图像分割。科学报告。2018；8（1）：13012.“，”journal-title“：”Sci Rep“}，{”key“：”176_CR32“，”doi-asserted-by“：”publisher“，”first page“：“183”，”doi“：”10.1007\/s13246-020-00966-0“，”volume“:”44“，”author“：”M Ayaz“，”year“：”2021“，”unstructured“：”Ayaz M，Shaukat F，Raja G。基于集成学习的混合特征描述子在胸部X射线图像中自动检测结核病。物理工程科学与医学，2021年；44:183\u201394.“，”journal-title“：”Phys-Eng-Si-Med“}，{”key“：”176_CR33“，”doi-asserted-by“：”publisher“，”first page“：“247”，”doi“：”10.1016\/j.mri.2019.05.043“，”volume“：；61:247\u201359.“，”journal-title“：”Magn-Reson Imaging“}，{”key“：”176_CR34“，”first page“：“1”，“volume”：“1“，”author“：”S Siuly“，“year”：“2020”，“unstructured”：“Siuly S，Khare S，Bajaj V，Wang H，Zhang Y.使用脑电图信号自动检测精神分裂症的计算机方法。IEEE Trans Neural Syst Rehabil Eng.2020；1:1.”，“journal-title”：“IEEE Trans Neural Syst Rehabil Eng“}，{“key”：“176_CR35”，“doi-asserted-by”：“crossref”，“unstructured”：“Kapoor A，Singhal A.K-Means、K-Means++和Fuzzy C-Means聚类算法的比较研究。摘自：2017年第三届计算智能与通信技术国际会议（CICT）论文集。IEEE；2017年。p.1\u20136.“，”DOI“：”10.1109\/CIACT.2017.7977272“}，{“key”：“176_CR36”，“DOI-asserted-by”：“publisher”，“DOI”：“10.20944\/prints201909.0139.v1”，“author”：“F Shaukat”，“year”：“2019”，“unstructured”：“Shaukat F，Raja G，Ashraf R，Khalid S，Ahmad M，Ali A。基于人工神经网络的CT图像中肺结节的强度、形状和纹理特征分类。J环境智能人类计算。2019.https:\/\/doi.org\/10.20944\/prints201909.0139.v1.“，”journal-title“：”J Ambient Intell Human Compute。“}，{”key“：”176_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Yang Z，Wang P，Wang Y，Xu W，Nevatia R。每个像素数：无监督几何学习与整体三维运动理解。In:Proceedings of the European Conference on Computer Vision（ECCV）；2018。“，”doi“：”10.1007\/978-3030-11021-5_43“}”，{“issue”：“18”，“key”：“176_CR38”，“第一页“：”4“，”卷“：”117“，”作者“：”D Chudasama“，“年份”：“2015”，“非结构化”：“Chudasaa D，Patel T，Joshi S，Prajapati GI。使用形态学操作进行图像分割。国际J计算应用。2015;117（18）:4.”，“期刊标题”：“Int J Comput Appl”}，｛“issue”：“2\/3”，“key”：“176_CR39”，“doi asserted by”：“publisher”，“first page”：“210”，“doi”：“10.1504\/IJEH.2017.083165”，“volume”：“9”，“author”：“R Kashyap”，“year”：“2017”，“nonstructured”：“Kashyap R，Tiwari V.基于能量的主动轮廓图像分割方法。IJEH.2017；9（2\/3）：210\u201325.“，”journal-title“：”IJEH“}，{”key“：”176_CR40“，”first page“：“3”，“volume”：“4”，“author”：“F Besbes”，“year”：“2020”，“unstructured”：“Besbes F，Gargouri N，Damak A，Feki W，Sellami D，Fourati H，et al.一种新型3-D-CAD用于乳腺和轴向乳腺DCE-MRI病变分割。《试验评价杂志》.2020；4:3.”，“journal-title”：“J Test Eval”}，键“：”176_CR41“，“首页”：“455”，“卷”：“17”，“作者”：“唐英年”，“年份”：“2017”，“非结构化”：“唐英年，杨英年”。基于非对称核密度估计的彩色图像分割算法研究。计算机方法科学与工程杂志2017；17（3）：455\u201362.“，”journal-title“：”J Comput Methods Sci Eng“}，{“key”：“176_CR42”，“doi-asserted-by”：“publisher”，“first page”：”104“，”doi“：”10.1016\/J.patcog.2016.07.022“，”volume“：”61“，”author“：”S Niu“，”year“：”2017“，”unstructured“：”牛S、陈Q、德姐妹L、吉Z、周Z、鲁宾DL。基于局部相似因子的鲁棒噪声区域主动轮廓模型用于图像分割。图案重新设计。2017;61:104\u201319.“，”journal-title“：”Pattern Recogn“}，{”issue“：”4“，”key“：”176_CR43“，”doi-asserted-by“：”publisher“，“first page”：“1882”，”doi“：”10.1118\/1.4944498“，”volume“：“43”，“author”：“KH Cha”，“year”：“2016”，“unstructured”：“Cha KH，Hadjiiski L，Samala RK，Chan HP，Caoili EM，Cohan RH。利用深度学习卷积神经网络和水平集对CT尿路造影中的膀胱进行分割。医学物理学。2016;43（4）：1882\u201396.“，“journal-title”：“Med Phys”}，{“key”：“176_CR44”，“doi-asserted-by”：“crossref”，“unstructured”：“Gao L，Song J，Nie F，Zou F，Sebe N，Shen HT.Graph-without cut：图像分割的理想图形学习。In:第三十届AAAI人工智能会议论文集；2016。”，“doi”：“10.1609 \/aaaai.v30i1.10177”}、{“key“：”176_CR45“，”unstructured“：”Sarki R，Ahmed K，Wang H，Zhang Y，Wang K。糖尿病眼病多类分类的卷积神经网络。EAI认可的可扩展信息系统交易：在线优先。2021.“}，{”key“：”176_CR46“，”doi-asserted-by“：”publisher“，”doi“：”10.4108\/eai.26-10-2020.166767“，”author“：”R Singh“，”year“：”2020“，”unstructured“：”Singh R，Zhang Y，Wang H，Miao Y，Ahmed K。使用基于位置的数据对社会行为模式的调查\u2014a Melbourne案例研究。eai认可Trans-Scalable Inf Syst.2020。https:\/\/doi.org\/10.4108\/eai.26-10-2020.166767.“，”journal-title“：”eai认可的Trans-Scalable Inf Syst“}，{“key”：“176_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Luo Y，Liu L，Huang Q，Li X.一种结合超声图像区域和边缘信息的新分割方法。BioMed Res Int.2017.”，“doi”：“10.1155\/2017\/9157341“}，{“key”：“176_CR48”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang H，Sun L.合作开放社交网络中的信任相关访问控制。摘自：2010年第四届网络与系统安全国际会议论文集；2010年。p.239\u2013246.“，“DOI”：“10.1109\/NSS.2010.13”}，{“key”：“176_CR49”，“unstructured”：“Ekstr\u00f6m S，Malmberg F，Ahlstr\u00f 6m H，Kullberg J，Strand R.基于快速图形切割的优化，用于体图像的实际密集变形配准。arXiv预印本arXiv:1810.08427。2018.“}，{“key”：“176_CR50”，“unstructured”：“Liu F，Zhou X，Cao J，Wang Z，Tianben W，Wang H，et\u00a0al.基于自动数据分割和注意力LSTM-CNN的准周期时间序列异常检测.IEEE Trans Knowle data Eng.2020:1.”}，}“key:”176_CR51“，”doi-asserted-by“：”crossref“，”unstructure“：”袁杰、裴娥、太子嘉。连续最大流和最小割方法的研究。2010年ieee计算机学会计算机视觉和模式识别会议。电气与电子工程师协会。2010，p.2217\u201324.“，”DOI“：”10.1109\/CVPR.2010.5539903“}，{”key“：”176_CR52“，”DOI-asserted-by“：”publisher“，“首页”：“708”，“DOI”：“10.1109\/TEVC.2019.2944180”，“卷”：“24”，“作者”：“ZG Chen”，“年份”：“2020”，“非结构化”：“Chen ZG，Hui Zhan Z，Wang H，Zhang J。多峰值分布式个体：用于多峰优化问题的新型差分进化。IEEE Trans-Evol计算。2020;24:708\u201319.“，”journal-title“：”IEEE Trans-Evol Compute“}，{“issue”：“3”，“key”：“176_CR53”，“doi-asserted-by”：“publisher”，“first-page”：“905”，“doi”：“10.1137\/100799186”，”volume“：“4”，“author”：“C Couprie”，“year”：“2011”，“unstructured”：“Couprie C，Grady L，Talbot H，Najman L.Combinatial continuous maximum flow.SIAM J Imag Sci。2011；4（3）：905\u201330.“，”journal-title“：”SIAM J Imag Sci“}，{“key”：“176_CR54”，“doi-asserted-by”：“crossref”，“unstructured”：“Illan IA，Ramirez J，Gorriz JM，Marino MA，Avendano D，Helbich T，et \u00a0al.使用动态对比增强磁共振成像对非增强乳腺肿瘤进行自动检测和分割.对比剂Mol imaging.2018.”，“doi”：“10.1155\/2018\/5308517“}，{“问题”：“2”，“关键”：“176_CR55”，“doi-asserted-by”：“出版商”，“首页”：“102”，“doi”：“10.1016\/j.zemedi.2018.11.002”，“卷”：“29”，“作者”：“AS Lundervold”，“年份”：“2019”，“非结构化”：“Lundervold-AS，LundervoldA.聚焦MRI的医学成像深度学习概述。Z Med Phys.2019；29（2）：102 \u201327.“，”journal-title“：”Z Med Phys“}，{“key”：“176_CR56”，“doi-asserted-by”：“crossref”，“unstructured”：“Supriya S，Siuly S，Wang H，Zhang Y.脑电图信号的癫痫自动检测技术：一项综述性研究。《健康信息科学系统》2020；8.“，”doi“：”10.1007\/s13755-020-00129-1第一页“：”1396“，”DOI“：”10.1007“，”volume“：”26“，”author“：”K Villringer“，”year“：”2016“，”unstructured“：”VillringerK，Serrano-Sandoval R，Grittner U，Galinovic I，Schneider A，Ostwaldt AC，et al.消减动态MR灌注源图像（sMRP-SI）提供MCA闭塞的侧支血流量评估并预测组织命运。欧洲无线电。2016;26（5）：1396\u2013403.“，”journal-title“：“Eur-Radiol”}，{“key”：“176_CR58”，“doi-asserted-by”：“crossref”，“unstructured”：“Brock KK，Mutic S，McNutt TR，Li H，Kessler ML.图像配准与融合算法和技术在放射治疗中的应用：AAPM放射治疗委员会第132号工作组的报告。医学物理学。2017;44（7）：e43\u2013e76.“，”DOI“：”10.1002\/mp.12256“}，{“key”：“176_CR59”，“DOI-asserted-by”：“crossref”，“unstructured”：“Vaishali S，Rao KK，Rao GS.脑MRI图像降噪方法综述。摘自：2015年信号处理和通信工程系统国际会议。IEEE；2015年。p.363\u2013365.“，”DOI“：”10.1109\/SPACES.2015.7058284“}，{“key”：”176_CR60“，”DOI-asserted-by“：”publisher“，”first page“：”162“，“DOI”：“10.1016\/j.cviu.2016.12.005”，“volume”：“155”，”author“：”D Pandey“，”year“2017”，“unstructured”：“Pandey D，Yin X，Wang H，Zhang Y。结合线检测和相位保护去噪，使用最大熵进行精确的血管分割。计算可视图像理解。2017;155:162\u201372.”，“期刊标题”：“Comput-Vis Image Underst”}，｛“key”：“176_CR61”，“doi asserted by”：“publisher”，“首页”：“507”，“doi”：“10.1109\/TDSC.2015.2483503”，“卷”：“14”，“作者”：“J Zhang”，“年份”：“2017”，“非结构化”：“Zhang J，Li H，Liu X，Luo Y，Chen F，Wang H，et al。针对海量流分类信息的隐私保护，实现高效可靠的匿名化。IEEE传输相关安全计算。2017;14:507\u201320.“，”journal-title“：“IEEE Trans-Depend Secure Compute”}，{“key”：“176_CR62”，“unstructured”：“Khalil F，Li J，Wang H.预测网页访问的马尔可夫模型与关联规则相结合的框架。In:Proceedings of the AusDM，2006。”}、{“key”：“76_CR63”，“doi-asserted-by”：“publisher”，“first page”：”8017“doi”：“10.1038\/srep08017”，“volume”：“5”，“author”：“CV Cannistraci”，“year”：“2015”，“nonstructured”：“Cannistraci CV，Abbas A，Gao X.用于蛋白质NMR多维光谱非线性自适应空间去噪的中值修正维纳滤波器。2015年科学报告；5:8017.“，”journal-title“：”Sci Rep“}，{“key”：“176_CR64”，“doi-asserted-by”：“crossref”，“unstructured”：“Westin CF，Kikinis R，Knutsson H.自适应图像滤波.医学成像手册.2000.”，“doi”：“10.1016\/B978-01207790-7\/50005-9”}，“key“：”176_CR65刘伟（Liu W.）。基于Chan-Vese模型的连续最大流法图像分割。参加：中国图像与图形技术会议。施普林格；2017年，第232\u2013242页。“，“DOI”：“10.1007\/978-981-10-7389-2_23”}，{“key”：“176_CR66”，“DOI-asserted-by”：“crossref”，“unstructured”：“Soille p.侵蚀和扩张。In:形态学图像分析。Springer，2004。p.63\u2013103.“，”DOI“：”10.1007\/978-3662-05088-0_3“}，{”issue“：”4“，”key“：”176_CR67“，”首页“：”59“，”volume“：“2”，”author“：”M Goyal“，”year“：”2011“，”unstructured“：”Goyal M.形态学图像处理。IJCST.2011；2（4）：59.“，“journal-title”：“IJCST”}]，“container-title“：[”Health Information Science and Systems“]，“原文标题”：[]，“语言”：“en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s13755-022-00176-w.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//link.springer\com/article\/10.10007\/s13755-022-00166-w\/fulltext.html“，”内容类型“：”文本\/html“，”content-version离子“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/s13755-022-00176-w.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,11,30]]，“date-time”：”2022-11-30T18:08Z“，“timestamp”：1669833008000}，“得分“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/s13755-022-00176-w”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{date-parts“：[2022,5,20]]}，”references-count“：67，”journal-issue“：{issue”：“1”，“published-online”：{“date-part”：[2022,12]}}、“alternative-id”：[“176”]，“URL“：”http://\/dx.doi.org\/10.1007\/s13755-022-00176-w“，”关系“：｛｝，”ISSN“：[”2047-2501“]，”ISSN类型“：[｛”value“：”2047-2501“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”date parts“：[[2022,20]]｝，”assertion“：[｛”value“：”2022年1月5日“，”order“：1，”name“：”received“，”label“：”received“，”group“：｛”name“：”ArticleHistory“，”label“：”ArticleHistory“｝｝，”value“：”2022年4月25日“，”订单“：2，”名称“：”已接受“，”label“：”Accepted“，”group“：{”name“：”ArticleHistory“，”label“:”Article History”}}，{”value“：”2022年5月20日“，”order“：3，”name“:”first_online“，”标签“：”first online“，“group”：{“name”：“Article历史”，“label”：“文章历史”}}]，“文章编号”：“9”}}}