{“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”：[[2024,5,28]]，“日期-时间”：“2024-05-28T02:10:56Z”，“时间戳”：1716862256952}，“引用-计数”：47，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-部分”：[[2023,4,1]]，”日期-时间“：”2023-04-01T00:00:00Z“，”timestamp“：168030720000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2023,4,1]]，“date-time”：“2023-04-01T00:00:00Z”，“timestamp”：1680307200000}，“content-version”：“tdm”，“delay-in-days”：“0，”URL“https://www.elsevisier.com/legal/tdmrepepep许可证“}，{“开始”：{“日期-部分”：[[2023,4,1]]，“日期-时间”：“2023-04-01T00:00:00Z”，“时间戳”：1680307200000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-017”｝，｛“开始”：｛“日期部分”：[[2023,4,1]]，“日期时间”：“2023-04-01T00:00:00Z”，“时间戳”：1680307200000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org \/10.15223\/policy-037“｝，｛”启动“：{“date-parts”：[[2023,4,1]]，“date-time”：“2023-04-01T00:00:00Z”，“timestamp”：168030720000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：{（日期部分）：[[2023,4,1]，“日期-时间”：“2043-04-01T_00:00:0Z”，”timestamp“168030720Z”0000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2023,4,1]]，“date-time”：“2023-04-01T00:00:00Z”，“timestamp”：168030720000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-004”}]，“content-domain“：{”domain“[”elsevier.com“，”sciencedirect.com“]，”crossmark-restriction“：true}，“short-container-title”：[“生物医学信号处理与控制”]，“published-print”：{“date-parts”：[[2023,4]]}，“DOI”：“10.1016\/j.bspc.2022.104516”，“type”：“journal-article”，“created”：{“date-ports”：[2022,12,24]]，“date-time”：“2022-12-24T10:02:33Z”，“timestamp”：1671876153000}，《page》：“104516》，“update-policy”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“source”：“Crossref”、“is-referenced-by-count”：2，“title”：[“对比增强CT图像中胰腺肿瘤分割的双分支精细增强网络”]，“prefix”：“10.1016”，“volume”：”82“，“author”：[{“given”：《志邦》，“family”：“Zhou”，“sequence”：“first”，“affiliation”：[]}，{“given”：“云”，“家庭”：“边”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“圣雪”，“家族”：“潘”，“顺序”：“额外”，“附属关系”：[]}、{“给出”：“清泉”，“家人”：“孟”，“排序”：“添加”，“隶属关系”：【]}\/\/ORCID.org\/00000-0002-8878-6655“，“authenticated-orcid”：false，“given”：“Fei”，“family”：“Shi”，“sequence”：“additional”，“affiliation”：[]}，{“givent”：“Xinjian”，“家族”：“Chen”，”sequence“：”additional orcid“：false，”给定“：”德惠“，“family”：“Xiang”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“issue”：“5”，“key”：“10.1016\/j.bspc.2021004516_b1”，“doi asserted by”：“crossref”，“first page”：“597”，“doi”：“10.2217\/bm.12.69”，“article title”：“胰腺癌的早期诊断：挑战和新发展”，“volume”：“6”，“author”：“Kaur”，“year”：“2012年”，“journal-title”：“Biomark.Med.”}，{“issue”：“4，Sp.Iss.SI”，“key”：“10.1016\/j.bspc.2022.104516_b2”，“首页”：“16023”，“文章标题”：“胰腺癌”，“卷”：“2”，“author”：“Kleeff”，“年份”：“2016”，“jornal-title:“Nat.Rev.Dis.Primers”}3“，”doi-asserted-by“：”crossref“，”doi“：”10.1002\/ijc.25516“，“article-title”：“2008年全球癌症负担估算：GLOBOCAN 2008”，“volume”：“127”，“author”：“Ferlay”，“year”：“2010”，“journal-title“：国际癌症杂志”}，{“issue”：“4”，“key”：”10.1016\/J.bspc.2022.104516_b4“，”doi-asserted-by“：”crossref“，”first page“：”772“，”doi“：”10.1161\/ATVBAHA.117.310262“，”article-title“：“胰腺癌微泡的独特发病机制\u2013相关静脉血栓确定体内新的抗血栓靶点”，“volume”：“38”，“author”：“Stark”，“year”：“2018”，“journal-title”：“Arterioscler.Thromb.Vasc.Biol.”}，{“issue”：“1”，“key”：：“10.1186\/s12943-017-0755-z”，“article-title”：“细胞外囊泡作为胰腺癌进展和化疗耐药的介质及其潜在临床应用”，“volume”：“17”，“author”：“Qiu”，“year”：“2018”，“journal-title“：Mol.cancer”}，{“issue”：“3”，“key”：”10.1016\/j.bspc.2022.04516_b6“，”doi-asserted-by“crossref”，“首页”：“589”，“DOI”：“10.1148\/120.3.589”，“文章标题”：“胰腺计算机断层扫描”，“体积”：“120”，“作者”：“Haaga”，“年份”：“1976”，“期刊标题”：《放射学》}，{“问题”：“2”，“关键”：“101016\/j.bspc.2022.104516_b7”，“DOI-asserted-by”：“crossref”，“第一页”：A.0000000000000974“，”文章标题“：“肥胖与胰腺癌：流行病学概述和减肥潜在预防”，“卷”：“47”，“作者”：“徐”，“年份”：“2018年”，“新闻标题”：“胰腺”}，{“问题”：“8”，“关键”：“10.1016\/j.bspc.2022.104516_b8”，《doi-asserted-by》：“crossref”，“首页”：“1971”，《doi》：“10.1109\/TMI.2019.2911588”，“article-title”：“Deep q learning driven ct pancreas segmentation with geometry-ware u-net”，“volume”：“38”，“author”：“Man”，“year”：“2019”，“journal-title”：“IEEE Trans.Med.Imaging”}，{“key”：”10.1016\/j.bspc.2022.104516_b9“，”series-title“：”Medical Imaging 2016:Image Processing，Vol.9784“，”first page“97842C”，”article-title“：“胰腺和囊肿分割”，“author”：“Dmitriev”，“year”：“2016”}，{“issue”：“6”，“key”：“10.1016\/j.bspc.2022.104516_b10”，“doi-asserted-by”：“crossref”，“首页”：“1263”，“doi”：“101016\/S0033-8389（02）00041-6”，“article-title”：“胰腺腺癌：CT成像”，“volume”：“放射临床”}，{“问题”：“3”，“关键”：“10.1016\/j.bspc.2022.104516_b11”，“doi-asserted-by”：“crossref”，“first page”：“745”，“doi”：“10.1148\/radiology.190.3.8115622”，“article-title”：“胰腺肿瘤：内镜超声、CT和MR成像评估”，“volume”：”190“，“author”：“M\u00fcller”，“year”：“1994”，“journal-title“：”放射学“}”，{“key”：4516_b12“，”系列标签“：“2018 IEEE第15届国际生物医学成像研讨会”，“首页”：“1230”，“文章标题”：“深层逻辑：基于图形的胰腺肿瘤CT扫描三维分割的深度学习”，“作者”：“郭”，“年份”：“2018”}，{“key”：“10.1016\/j.bspc.2022.104516_b13”，“series-title”：“医学图像计算和计算机辅助干预国际会议”，“首页”：“234”，“文章标题”：“U-net：生物医学图像分割的卷积网络”，“作者”：“Ronneberger”，“年份”：“2015”}，{“密钥”：“10.1016\/j.bspc.2022.104516_b14”，“series-title”：“医学成像2021：图像处理，第11596卷”，“第一页”：“115961B”，“article-title”：“带对比度增强块的腹部CT图像中的胰腺自动分割”，“author”：“Pan”，“year”：“2021”}，{“key”：“10.1016\/j.bspc.2022.104516_b15”，“series-title”：《医学图像计算与计算机辅助干预国际会议》，“首页”：“693”，“article-tiple”：“腹部CT扫描中胰腺分割的定点模型”，“author”：“Zhou”，“year”：“2017”}，{“key”：“10.1016\/j.bspc.2022.104516_b16”，“series-title”：“2018年国际3D视觉会议”，“首页”：“682”，“article-title”：《三维医学图像体积分割的粗-精框架》，“author”：“朱”，“年份”：“2018”}、{“key”：“10.1016\/j.bspc.2022.104516_b17”，“首页”：“1097”，“article-title”：“深度卷积神经网络的Imagenet分类”，“volume”：“25”，“author”：“Krizhevsky”，“year”：“2012”，“journal-title“：“Adv.neural Inf.Process.Syst.”}，{“issue”：“9”，“key”：“2352”，“doi”：“10.1162\/neco_a_00990”，“article-title”：“用于图像分类的深度卷积神经网络：综合评述”，“volume”：“29”，“author”：“Rawat”，“year”：“2017”，“journal-title“：”neural Compute.“}，{“key”：”10.1016\/j.bspc.2022.104516_b19“，”series-title“：“用于大规模图像识别的非常深度卷积网络”，“作者”：“Simonyan”，“年份”：“2014”}，{“问题”：“4”，“关键”：“10.1016\/j.bspc.2022.104516_b20”，“doi-asserted-by”：“crossref”，“首页”：“834”，”doi“：”10.1109\/TPAMI.2017.2699184“，”article-title“：”Deeplab:使用深度卷积网、atrous卷积和全连接crfs进行语义图像分割“，”volume“：”40“，”author“：”Chen“，”year“：”2017“，”journal-title“”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“key”：“10.1016\/j.bspc.2022.104516_b21”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Long，E.Shelhamer，T.Darrell，语义分割的完全卷积网络，摘自：IEEE计算机视觉和模式识别会议论文集，2015，第3431\u20133440页。”，“doi”：“10.1109\/CVPR.2015.7298965”}，{“issue”：“12”，“key”：“10.1016\/j.bspc.2022.104516_b22”，“doi-asserted-by”：“crossref”，“first-page”：“2481”，“doi”：“101109\/TPAMI.2016.2644615”，“article-title”：“Segnet:用于图像分割的深度卷积编解码器架构”，“volume”：”39“，“author”：“Badrinayan”，”“year”：“2017”，“journal”al标题“：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“key”：“10.1016\/j.bspc.2022.104516_b23”，“doi-asserted-by”：“crossref”，“unstructured”：“W.Shen，X.Wang，Y.Wang，X.Bai，Z。Zhang，Deepcourl:一种通过正共享损失学习的深度卷积特征，用于轮廓检测，载于：《IEEE计算机视觉和模式识别会议论文集》，2015年，pp.3982\u20133991.“，”DOI“：”10.1109\/CVPR.2015.72992024“｝，｛”key“：”10.1016\/j.bspc.2021004516_b24“，”DOI asserted by“：”crossref“，”nonstructured“：”W.Shen，B。Wang，Y.Jiang，Y.Wang，A.Yuille，神经元边界检测的多级多递归输入全卷积网络，摘自：IEEE国际计算机视觉会议论文集，2017年，第2391\u20132400页。“，”DOI“：”10.1109\/ICCV.2017.262“}，{“key”：“10.1016\/j.bspc.2022.104516_b25”，“DOI-asserted-by”：“crossref”，“非结构化“：”Y.Liu，M.-M.Cheng，X.Hu，K.Wang，X.Bai，Richer卷积特征用于边缘检测，in：IEEE计算机视觉和模式识别会议论文集，2017，pp.3000\u20133009.“，”DOI“：”10.1109\/CVPR.2017.622“}，{“key”：“10.1016\/j.bspc.2022.104516_b26”，“首页”：“341”，“article-title”：“图像去噪与深度神经网络修复”，“卷”：“25”，“作者”：“谢”，“年份”：“2012”，“期刊标题”：“高级神经信息处理”。系统。“}，{”issue“：”7“，”key“：”10.1016\/j.bspc.2022.104516_b27“，“doi-asserted-by”：“crossref”，“first page”：“3142”，“doi”：“10.1109\/TIP.2017.2662206”，”article-title“：”Beyond a gaussian去噪器：“deep cnn用于图像去噪的剩余学习”，“volume”：”26“，”author“：”Zhang“，”“year”：“2017”，“journal-title”：“IEEE Trans.image Process.”}，}“键“：”10.1016\/j.bspc.2022.104516_b28“，”doi-asserted-by“：”crossref“，”unstructured“：”j.Xu，L.Zhang，D.Zhang和X.Feng，真彩色图像去噪的多通道加权核范数最小化，in：IEEE国际计算机视觉会议论文集，2017，pp.1096\u20131104.“，”doi“：”10.1109\/ICCV.2017.125“}，{“key”：“10.1016\/j.bspc.2022.104516_b29”，“series-title”：“2016年第四届国际3D视觉会议”，“首页”：“565”，“article-title”：”V-net：“用于体积医学图像分割的完全卷积神经网络”，“author”：“Milletari”，“year”：“2016”}，{“issue”：“4”，“key”：“10.1016\/j.pspc.2022.04516_b30”，“doi-asserted-by”：“crossref”，”首页“：”582“，”DOI“：”10.1007\/s10278-019-00227-x“，”文章标题“：”医学图像分割的深度学习技术：成就与挑战“，”卷“：”32“，”作者“：”赫萨米安“，”年份“：”2019“，”期刊标题“：。成像“}，{“问题”：“10”，“关键”：“10.1016\/j.bspc.2022.104516_b31”，“doi-asserted-by”：“crossref”，“首页”：“2281”，“doi”：“101109\/TMI.2019.2903562”，“文章标题”：“Ce-net:二维医学图像分割的上下文编码器网络”，“卷”：“38”，“作者”：“顾”，“年份”：“2019”，“日志标题”：：“5”，“键”：“10.1016\/j.bspc.2022.104516_b32“，”doi-asserted-by“：”crossref“，”first page“：”1316“，”doi“：”10.1109\/TMI.2019.2948320“，”article-title“：”Modified U-net（mU-net）结合了对象相关的高级特征，用于改善CT图像中的肝脏和肝脏肿瘤分割“，”volume“：“39”，”author“：”Seo“，”year“：”2019“，”journal-title:“”IEEE传输。医学成像“}，{“key”：“10.1016\/j.bspc.2022.104516_b33”，“series-title”：“医学图像计算和计算机辅助干预国际会议”，“首页”：“451”，“文章标题”：“用于胰腺自动分割的整体测试网络的空间聚合”，“作者”：“罗斯”，“年份”：“2016”}10.1016\/j.bspc。2022.104516_b34”，“系列标题”：“国际医学图像计算和计算机辅助干预会议”，“第一页”：“480”，“文章标题”：“一种结合深度神经网络和统计形状模型的新型贝叶斯模型用于胰腺分割”，“作者”：“Ma”，“年份”：“2018”}，{“key”：“10.1016\/j.bspc.2022.104516_b35“，”doi-asserted-by“：”crossref“，”first page“：”94“，”doi“：”10.1016\/j.media.2018.01.006“，”article-title“：”用于胰腺自动定位和分割的整体检测卷积神经网络的空间聚合“，”volume“：。“}，{”key“：”10.1016\/j.bspc.2022.104516_b36“，”series-title“：”医学图像计算与计算机辅助干预国际会议“，”首页“：”693“，”article-title“：“腹部CT扫描中胰腺分割的定点模型”，“作者”：“周”，“年份”：“2017”}，“问题”：“8”，“key”：“10.1016\/j.pspc.2022.04516_537”，“”doi-asserted-by“：”crossref“，”first page“：”1971“，“doi”：“10.1109 \/TMI.2019.2911588”，“article-title”：“Deep q learning driven ct panspare segmentation with geometry-aware u-net”，“volume”：“38”，“author”：“Man”，“year”：“2019”，“journal title”：”IEEE Trans。医学影像学“}，{“key”：“10.1016\/j.bspc.2022.104516_b38”，“series-title”：“医学影像学和临床信息学的深度学习和卷积神经网络”，“首页”：“3”，“文章标题”：“通过任务特定网络设计和递归神经上下文学习在CT和MRI中进行胰腺分割”，“author”：“Cai”，“year”：“2019”}10.1016\/j.bspc.2022.104516_b39“，“series-title”：“注意u-net：学习在哪里寻找胰腺”，“作者”：“Oktay”，“年份”：“2018”}，{“key”：“10.1016\/j.pspc.2022.04516_bs0”，“series-title”：《医学图像计算和计算机辅助干预国际会议》，“首页”：“222”，“文章标题”：“腹部Ct扫描中胰腺囊肿分割的深度监督”，“作者”：“周”，“年份”：“2017”}，{“关键”：“10.1016\/j.bspc.2022.104516_b41”，“系列标题”：“医学图像计算和计算机辅助干预国际会议”，“首页”：“155”，“文章标题”：用于多期胰腺导管腺癌分割的超配对网络”，“作者”：“周”，“年份”：“2019”}，{“密钥”：“10.1016\/j.bspc.2021004516_b42”，“系列标题”：“国际医学图像计算和计算机辅助干预会议”，“首页”：“3”，“文章标题”：“多尺度粗到细分割用于胰腺导管腺癌筛查”，“作者”：“朱”，“年份”：“2019”}，{“关键”：“10.1016\/j.bspc.2022.104516_b43”，“系列-标题”：“Bisenet v2:带引导聚集的双边网络用于实时语义分割”，“作家”：“余”，“年”：“2020”}article-title“：”Res2net：一种新的多尺度主干架构“，”author“：”Gao“，”year“：”2019“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”issue“：”2“，”key“：”10.1016\/j.bspc.2022.104516_b45“，”doi-asserted-by“：”crossref“，”first page“：“203”，“doi”：“10.1038\/s41592-020-01008-z”，“article-title”：“nnU-Net:一种基于深度学习的生物医学图像分割的自我配置方法”，“volume”：“18”，“author”：“Isensee”，“year”：“2021”，“journal-title“：”Nature Methods“}”，{“键“：”10.1016\/j.bspc.2022.104516_b46“，“doi-asserted-by”：“crossref”，“unstructured”：“H.Cao，Y.Wang，j.Chen，D.Jiang，X.Zhang，Q.Tian，M.Wang，Swin-Unet：用于医学图像分割的非类纯变压器，摘自：《欧洲计算机视觉研讨会论文集》，ECCVW，2022年。”，“doi”：“10.1007\/978-3-031-25066-8_9”}，{“key”：“10.1016\/j.bspc.2022.104516_b47“，”doi-asserted-by“：”crossref“，”doi“：”10.3389\/9782-88974-540-1“，”article-title“：”w-Net：“具有多维关注和级联多尺度卷积的双监督医学图像分割模型”，“author”：“Wang”，“year”：“2022”，“journal-title”：“Neurocomputing”}]，“container-title生物医学信号处理与控制“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\\/api.elsevier.com/content\/article\/PII:S174680942209703？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://api.elsevier.com/content\/aarticle\/PII：S174680942209703？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2024,5,28]]，“date-time”：“2024-05-28T01:29:52Z”，“timestamp”：1716859792000}，“score”：1，“resource”：{“primary”：“URL”：“https:\\/linkinghub.elsevier.com/retrieve\/piii\/S174680 9422009703“}}，”副标题“：[]，”短标题“：[]，”已发布“：{“date-parts”：[[2023,4]]}，“references-count”：47，“alternative-id”：[“S174680942209703”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.bspc.2022.104516”，“relation”：{}，”ISSN“：[”1746-8094“]，“ISSN-type”：[{“value”：“1746-8094]，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2023,4]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”增强CT图像中胰腺肿瘤分割的双分支和细粒度增强网络“，”name“：”articletite“，”标签“：”article Title“}“https:\/\/doi.org\/10.1016\/j.bspc.2022.104516“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2022 Elsevier Ltd.保留所有权利