｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,7,3]]，“date time”：“2024-07-03T20:54:30Z”，“timestamp”：1720040070831｝，“reference count”：57，“publisher”：“Elsevier BV”，“license”：[｛“start”：｛“date parts”：[[2022,11,1]]，“date time”：“2022-11-01T00:00:00Z”，“timestamp”：1667260800000｝，“内容版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：16672608000000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017“}，{”开始“：{”日期部分“：[2022,11,1]]，”日期时间“：“2022-11-01T00:00:00Z”，“timestamp”：1667260800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[2022,11,1]]，“date-time”：“2022-11-01T00:00 Z”，，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：{“date-parts”：[[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：166726080000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{（日期-parts）：[[22022,11,1]，“日期-时间”：“022-11-01T1T00:00Z”，”timestamp“：166726800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-004”}]，“资助者”：[{“doi”：“10.13039\/501100001809”，“名称”：“中国自然科学基金会”，“doi-asserted-by”：“publisher”，“奖项”：[“61922064”，“62101387”，“U2033210”]，“id”：[}“id”:“10.13029\/5011000001809”，”id-type“：”doi“，”asserted-by“：”publisher“}]}]，“内容域”：{“域”：[“clinicalkey.fr”，“clinicalkey.jp”，“cliticalkey.com.au”，“临床医生.es”，“临床医生.com”，“elsevier.com”，”sciencedirect.com“]，“crossmark-restriction”：true}，“short-container-title”：[“生物和医学中的计算机”]，“published-print”：{“date-parts”：[2022,11]}，”DOI“：”10.1016\/j.compbiomed.2022.06136“，”类型“：”journal-article“，”创建“：{”日期部分”：[2022,9,30]]，“date-time”：“2022-09-30T12:08:10Z”，“timestamp”：1664539690000}，“page”：“106136”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：3，“special_numberg”：“C”，“title”：[“COVID-19分段和分类的动态特征学习”]，“prefix”：“10.1016”，“volume“150”，“author”“”：[{“given”：“Xiaoqin”，“family”：“Zhang”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“Runhua”，“家族”：“Jiang”，“序列”：“additional”，“从属关系”：[]}，}“给定的”：“彭城”，“家庭”：“黄”，“顺序”：“附加”，“隶属关系”：[]}、{“ORCID”：”http://\ORCID.org\/00000-002-0174“，“authenticated-ORCID”：false，“givent”：“道”，“家”：“王”，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-6664-834X”，“authenticated-ORCID”：false，“给定”：“Mingjun”，“family”：“Hu”，“se序列”：“附加”，“从属”：[]}“sequence”：“附加”，“affiliation”：[]}，{“given”：“Alejandro F.”，“family”：“Frangi”，“sequence”：“additional”，“affaliation”:[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.compbiomed.2022.106_bib1“，”doi-asserted-by“：”crossref“，”doi“10.1148\/radiol.202020200642”，“article-title”：“2019年冠状病毒病胸部ct和rt-pcr检测的相关性（covid-19）在中国：1014例报告”，“作者”：“艾”，“年份”：“2020年”，“杂志标题”：“放射学”}，{“关键”：“10.1016\/j.compbiomed.2022.06136_bib2”，“首页”：“1”，“文章标题”：《2019年新型冠状病毒病（covid-19）胸部ct表现：图片综述》，“作者“叶”，“年”：“2020年”，《杂志标题》：“欧洲放射病”}、{“重点”：“10.1016\/j.compbiomed.2022.106136_bib3“，“article-title”：“covid-19成像数据采集、分割和诊断中的人工智能技术综述”，“author”：“Shi”，“year”：“2020”，“journal-title“：“IEEE Reviews in Biomedical Engineering”}，{“key”：“10.1016\\j.compbiomed.2022.106136_bib4”，“article-title”：“Inf-net：从ct扫描中自动分割covid-19肺部感染”，“author”：“Fan”，“year”：“2020”，“journal-title”：“arXiv预印本arXiv”}，{“key”：“10.1016\/j.compbiomed.2022.106136_bib5”，“article-title（文章标题）：“covid-net：一种定制的深度卷积神经网络设计，用于从胸片图像中检测covid-20病例”，“author”（作者）：“Wang”，“年份“：“2003年”，“journal-title”：“arXiv2020”}，{“key”：“10.1016\/j.compbiomed.2022.06136_bib6”，“article-title“：“使用基于深度学习的异常检测对胸部x光图像进行Covid-19筛查”，“author”：“Zhang”，“year”：“2020”，“journal-ttitle”：”arXiv-print-arXiv“}”，{”key“10.1016”：“j.compbiomed.2022.106136_bib7”，“doi-asserted-by”：“crossref”，“内政部“：”10.1109\/TMI.2020.2983721”，“文章标题”：“Cpfnet：医学图像分割的上下文金字塔融合网络”，“作者”：“Feng”，“年份”：“2020”，“期刊标题”：”IEEE Trans。医学图像。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib8“，”series-title“：”用结构化潜在多视图表征学习诊断2019年冠状病毒病（Covid-19）“，”author“：”Kang“，”year“：”2020“}“，{“key”：”10.116\/j.com biomed.2022.106_bib9“，”series-title“：“IEEE视频技术电路和系统汇刊”，”首页“：”3025“，”article-title“：”视频去模糊递归神经网络“，”author“：”Xiaoqin“，”year“：”2021“}，{”issue“：”4“，”key“：”10.1016\/j.compbiomed.2022.106136_bib10“，”doi-asserted-by“：”crossref“，”first page“：“385”，“doi”：“10.1109\/TMI.2005.862753”，“article-title”：“肺部CT扫描的计算机分析：调查”，“卷”：“25“，”作者：“斯利默”，“年份”：“2006年”，“新闻标题”：“IEEE Trans。医学图像。“｝，｛”key“：”10.1016\/j.com.pbiomed.202.106136_bib11“，”系列标题“：”数据和信息科学进展“，”第一页“：”555“，”文章标题“：”肺和结节分割技术综述“，”作者“：”Kamble“，”年份“：”2020“｝，｛”issue“：”1“，”key“：”10.1016\/j.com.pbiomed.202.106136_bib12“，”doi断言“：”crossref“，”第一页“：”1“，”doi“：”10.1038\/s41598-018-28100-x“，”article-title“：”结核分枝杆菌感染模型的非监督ct肺部图像分割“，”volume“：”8“，”author“：”Gordaliza“，”year“：”2018“，”journal-title”：“Sci。众议员“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib13“，”doi-asserted-by“：”crossref“，”doi“：”101155\/2012\/734734“，”article-title“：”弹性蛋白酶诱导的肺气肿小鼠模型中肺损伤的量化“，”volume“：“2012”，“author”：“Munoz-Barrutia”，“year”：“2012年”，“journal-title”：“Int.j.Biomed.Image.”}，“issue”：“4”，“密钥”：“10.1016\/j.compbiomed.2022.106136_bib14“，”doi-asserted-by“：”crossref“，”first page“：”287“，”doi“：”10.1016\/j.coppbiomed.2012.12.004“，”article-title“：”使用svm分类器和活动轮廓建模的肺结节分割和识别：一个完整的智能系统“，”volume“：“43”，“author”：“Keshani”，“year”：“2013”，“journal-title”：“Compute”。生物医药“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib15“，”doi-asserted-by“：”crossref“，”first page“：“139”，”doi“：”101016\/j.compbiomed.2014.12.008“，”article-title“：”使用双向链码提高结节检测准确度的自动肺部分割方法“，”volume“:”57“，”author“：”Shen“，”year“：”2015“，”journal-title:“”计算。生物医学“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib16“，”doi-asserted-by“：”crossref“，”first page“：“172”，“doi”：“10.1016\/j.media.2017.06.014”，“article-title”：“中枢卷积神经网络：开发aata驱动的肺结节分割模型”，“volume”：“40”，“author”：“Wang”，“year”：“2017”，“journal-title“：”Med。图像分析。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib17“，”series-title“：”医学图像计算与计算机辅助干预国际会议论文集“，”首页“：”732“，”article-title“：“基于三维条件生成对抗网络的真实肺结节模拟，用于鲁棒肺分割”，“author”：“Jin”，“年份“：”2018“}，{“issue”：“1”，“key”：“10.1016\/j.compbiomed.2022.106136_bib18”，“doi-asserted-by”：“crossref”，“first page”：”134“，“doi”：“101109\/TMI.2018.2857800”，“article-title”：“用于ct图像中肺部肿瘤自动分割的多分辨率剩余连接特征流”，“volume”:“38”，“author”：“Jiang”，”年份“：“2018”，“journal-title“：”IEEE传输。医学图像。“}，{”key“：”10.1016\/j.compbiomed.2022.10636_bib19“，”doi-asserted-by“：”crossref“，”doi“：”101148\/radiol.202020200905“，”article-title“：”人工智能在胸部ct上区分covid-19和社区获得性肺炎“，”author“：”Li“，“年份”：“2020”，”journal-title”：“放射学”}，“key”：“10.1016\/j.coppbiomed.2022.106_bib20”，“series-title”：“IEEE计算机视觉和模式识别会议记录”，“首页”：“770”，“文章标题”：“图像识别的深度剩余学习”，“作者”：“何”，“年份”：“2016年”}，{“关键”：“10.1016\/j.compbiomed.2022.106136_bib21”，“论文标题”：作者”：“王”，“年份”：“2020”，“期刊标题”：“IEEE Trans。医学图像。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib22“，”series-title“：”2019年冠状病毒病肺炎筛查深度学习系统“，”first page“：“1”，”author“：”Butt“，”year“：”2020“}”，{“key”：“10.1016\\j.compbiomed.2022.3166_bib23”，“article-title”：“和谐搜索和基于otsu的冠状病毒疾病系统（covid-19）”使用肺部ct扫描图像进行检测”，“作者”：“Rajinikanth”，“年份”：“2020年”，“新闻标题”：“arXiv预印本arXiv”}，{“关键”：“10.1016\/j.compbiomed.2022.06136_bib24”，“doi-asserted-by”：“crossref”，“doi”：“101109\/TMI.2020.294459”，“文章标题”：《深入学习肺部超声中covid-19标记物的分类和定位》作者：“Roy”，“年份”：“2020年”，“新闻标题”：“IEEE Trans。医学图像。“｝，｛”key“：”10.1016\/j.com.pbiomed.20212006136_bib25“，”doi断言者“：”crossref“，”doi“：”10.1109\/TMI.202020.2993291“，”文章标题“：”使用有限训练数据集的cxr上的深度学习新冠病毒特征“，”作者“：”哦“，”年份“：”2020“，”期刊标题“：”IEEE Trans.Med.Imag.“｝，｛”key“：”10.1016\/j.com.pbiomed.20212.10136_bib26“，”doi断言者“：”crossref“，”first page“：”3113“，”DOI“：”10.1109\/TIP.2021.3058783“，”article-title“：”Jcs:一个可解释的covid-19联合分类和分割诊断系统“，”volume“：“30”，”author“：”Wu“，”year“：”2021“，”journal-title”：“IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib27“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.cell.2020.08.029“，”article-title“：”使用计算机断层摄影术准确诊断、定量测量和预后19型肺炎的临床应用人工智能系统“，”author“：”Zhang“，”year“：”2020“，”journal-title”：“cell”}，“key”：“”10.1016\/j.compbiomed.2022.106136_bib28“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.media.2021.102054“，”article-title“：”基于Ct的covid-19分类：深度多任务学习提高联合识别和严重性量化“，”volume“：”71“，”author“：”Goncharov“，”year“：”2021“，”journal-title”：“Med.Image Anal。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib29“，”series-title“：“IEEE计算机视觉与模式识别会议论文集”，“首页”：“4700”，“article-title”：“紧密连接卷积网络”，“author”：“Huang”，“year”：“2017”}，“key”：“10.1016\\j.compbiomed.2022.06136_bib30”，“article-titel”：“”注意u-net：学习在哪里寻找胰腺“，”author“：”Oktay“，”year“：”2018“，”journal-title“：”arXiv预印本arXiv“}，{“key”：“10.1016\/j.compbiomed.2022.06136_bib31”，“series-title”：“IEEE国际计算机视觉会议论文集”，“首页”：“3464”，“文章-标题”：“图像识别的本地关系网络”，“author“：”Hu“，”year“：”2019“}，{“key”：“10.1016\/j.compbiomed.2022.06136_bib32”，“article-title”：“语义边缘检测的动态特征融合”，“author”：“Hu”，“year”：“2019”，“journal-title“：”arXiv预印本arXiv“}”，{”key“：”10.1016\\j.compbiomed.2022.106136_bib33“，”seriestle“：“IEEE国际计算机视觉会议论文集”，“首页“：”8779“，”article-title“：”Egnet：用于显著目标检测的边缘制导网络“，”author“：”Zhao“，”year“：”2019“}，{“key”：“10.1016\/j.compbiomed.2022.106136_bib34”，“series-title”：“IEEE国际计算机视觉会议论文集”，“首页”：“7264”，“article-title”：”用于边缘感知显著目标检测的堆叠交叉细化网络”，“作者”：“Wu”，“年份”：“2019”}，{“key”：“10.1016\/j.compbiomed.2022.06136_bib35”，“series-title”：“医学图像计算与计算机辅助干预国际会议论文集”，“首页”：“442”，“文章标题”：“Et-net：用于医学图像分割的通用边缘注意指导网络”，“author”：“Zhang”，“year”：“2019”}，{“key”：“10.1016\/j.compbiomed.2022.106136_bib36”，“article-title”：“批量规范化：通过减少内部协变量偏移来加速深层网络训练”，“author”:“Ioffe”，“年份”：“2015”，“日记标题”：“arXiv-print-arXiv}”，{key“：”10.1016\/j.compbiomed.2022.106136_bib37“，”article-title“：”Edge-aware deep image deblurring“，”author“：”Fu“，”year“：”2019“，”journal-title”：“arXiv预印本arXiv”}，{“key”：“10.1016\/j.coppbiomed.2022.106136_bip38”，“series-title”：”IEEE国际计算机视觉会议论文集“，”第一页：“2200”，“article-title”联合分布适应的迁移特征学习”，“author”：“Long”，“year”：“2013”}，{“issue”：“2”，“key”：“10.1016\/j.compbiomed.2022.06136_bib39”，“doi-asserted-by”：“crossref”，“first page”：《199》，“doi”：“101109\/TNN.2091281”，“article-title”：“通过迁移成分分析的域适应”，“volume”：第22卷，“auther”：《Pan》，《year》：“2010”，“journal-title“：”IEEE Trans。神经网络。“}，{“key”：“10.1016\/j.compbiomed.2022.106136_bib40”，“series-title”：“IEEE计算机视觉和模式识别会议论文集”，“首页”：“2066”，“article-title”：”无监督域适配的测地流内核“，“author”：“Gong”，“year”：“2012”}，“issue”：“3”，“key“10.1016”：“j.compbiomed.2022.1 6136_bib41”，“doi-asserted-by“：”crossref“，”first page“：”697“，”doi“：”10.1148\/radiol.2462070712“，”article-title“：”Fleischner society:胸部成像术语表“，”volume“：“246”，”author“：”Hansell“，”year“：”2008“，”journal-title”：“放射学”}，{“key”：“10.1016\/j.compbiomed.2022.106136_bib42”，“首页”：“1”，“article-title”“：”2019年冠状病毒病（covid-19）：919例患者影像学表现的系统回顾”，“作者”：“Salehi”，“年份”：“2020年”，“杂志标题”：“Am.J.Roentgenol。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib43“，”article-title“：”Covid-ct-database:关于Covid-19的ct扫描数据集“，”author“：”Zhao“，”year“：”2020“，”journal-title”：“arXiv预印本arXiv”}，“key”：“10.1016\/j.coppbiomed.2022.106136_bip44”，“article-title”“：”随机优化的方法“，”author“，”Kingma“，”年“：”2014“，“日志标题”：“arXiv预印本arXiv“}，{“issue”：“12”，“key”：“10.1016\/j.compbiomed.2022.106136_bib45”，“doi-asserted-by”：“crossref”，“first page”：”2481“，“doi”：“101109\/TPAMI.2016.2644615”，“article-title”：“Segnet:一种用于图像分割的深度卷积编码器-解码器架构”，“volume”:“39”，“author”：“Badrinaranan”，“year”：“2017”，“journal title”：“”IEEE传输。模式分析。机器。智力。“}，{”issue“：”4“，”key“：”10.1016\/j.compbiomed.2022.06136_bib46“，”doi-asserted-by“：”crossref“，”first page“：“834”，”doi“：”101109\/TPAMI.2017.2699184“，“article-title”：“Deeplab:语义图像分割与深卷积网、atrous卷积和全连接crf”，“volume”：“40”，“author”：“Chen”，“year”：“2017”，“journal-title“：”IEEE传输。模式分析。机器。智力。“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib47“，”article-title“：”重新思考用于语义图像分割的atrus卷积“，”author“：”Chen“，”year“：”2017“，”journal-title”：“arXiv预印本arXiv”}，“key”：“10.1016\/j.coppbiomed.2022.106136_bip48”，“article-title”“：”基于u-net的递归残差卷积神经网络（r2u-net）用于医学图像分割“，”author“：”Alom“，”year“：”2018“，”journal-title“：”arXiv预打印arXiv“}，{”issue“：”8“，”key“：”10.1016\/j.compbiomed.2022.06136_bib49“，”doi-asserted-by“：”crossref“，”first-page:“2653”，“doi”：“10.1109\/TMI.2020.300314”，“article-title”：“从ct图像中自动分割新型冠状病毒肺炎病变的噪声鲁棒框架”，“卷”：“39”，“作者”：“王”，“年份”：“2020”，“期刊标题”：“IEEE Trans。医学图像。“}，{”key“：”10.1016\/j.compbiomed.2022.06136_bib50“，”article-title“：”Efficientnet:重新思考卷积神经网络的模型缩放“，”author“：”Tan“，”year“：”2019“，”journal-title”：“arXiv预印本arXiv”}，“key”：“10.1016\\j.compbiomed.2022.106136_bib51”，“series-title”：”IEEE计算机视觉和模式识别会议记录”，“首页”：“2818”，“文章标题”：“重新思考计算机视觉的初始架构”，“作者”：“塞格迪”，“年份”：“2016”}，{“关键”：“10.1016\/j.compbiomed.2022.106_bib52”，“系列标题”：IEEE计算机视觉与模式识别会议论文集”，“首页”：“1492”，“文章标题”：“深度神经网络的聚集残差变换”，“作者”：“谢”，“年份”：“2017”}，{“关键”：“10.1016\/j.compbiomed.2022.106_bib53”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.compbiomed.2020.103792”，《文章标题》：“使用深度神经网络和x射线图像自动检测19例covid-19”，“作者”：“Ozturk”，“年份”：“2020年”，“期刊标题”：“计算”。生物医药“}，{”问题“：”1“，”关键“：”10.1016\/j.compbiomed.2022.106136_bib54“，”doi-asserted-by“：”crossref“，”首页“：”“1”，”doi“：”101038\/s41467-020-18685-1“，“article-title”：“人工智能系统的开发与评估，用于covid-19诊断”，“volume”：“11”，“author”：“Jin”，“year”：“2020”，“journal-title“：”Nat.Commun。}，{“键”：10.1016\/j.compbiomed.2022.106136_bib55“，“series-title”：“IEEE计算机视觉和模式识别会议记录”，“首页”：“1468”，“article-title”：“Addernet：深度学习中真的需要乘法吗？“，”author“：”Chen“，”year“：”2020“}，{”key“：”10.1016\/j.compbiomed.2022.106136_bib56“，”series-title“：”IEEE\/CVF计算机视觉和模式识别会议论文集“，”first page“：“1580”，”article-title“：“Ghostnet:更多来自廉价操作的特性”，“author”：“Han”，“year”：“2020”}，“key”：“10.1016\/j.coppbiomed.2022.106136_bib57”，“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。“}]，”container-title“：[”Computers in Biology and Medicine“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0010482008447？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S001048252008447？httpAccept=text\/plain”，“内容类型”：“text\/plain”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝]，“deposited”：｛“日期部分”：[[2024,1,2]]，“日期时间”：“2024-01-02T12:30:59Z”，“时间戳”：1704198659000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://linkinghub.elsevier.com/retrieve\/pii\/S010482522008447”｝，“副标题”：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2022,11]]}，”references-count“：57，”alternative-id“：[”S0010482008447“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.compbiomed.2022.106136“，”relationship“：{}，“ISSN”：[“0010-4825”]，“ISSN-type”：[{“value”：“0010-48025”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[2022,11]]}，“assertion”：[{“value”：“Elsevier”，“name“：”publisher“，”label“：”本文由“}维护，{“value”：“COVID-19分割和分类的动态特征学习”，“name”：“articletite”，“label”：“article Title”}，{”value“：“Computers in Biology and Medicine”，“name”：“journaltle”，“标签”：“Journal Title“}，”value：“https:\/\/doi.org\/101016\/j.compbiomed.2022.106136”，“”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。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“106136”}