{“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”：[[2024,6,24]]，“日期-时间”：“2024-06-24T23:13:23Z”，“时间戳”：1719270803498}，“引用-计数”：62，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[[2019,5,1]]，《日期-时间》：“2019-05-01T00:00:00 0:00Z“，”timestamp“：1556668800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100005670”，“名称”：“科研支持基金”，“DOI-asserted-by”：“publisher”，“奖项”：[“ICT\/2\/07\/2013”]}]，”content-domain“：{”domain“域“：[”elsevier.com“，”sciencedirect。com“]，”crossmark-restriction“：true}，”short-container-title“：[“带应用程序的专家系统”]，“published-print”：{“date-parts”：[[2019,5]]}，“DOI”：“10.1016\/j.eswa.2018.11.024”，“type”：“journal-article”，“created”：{“date-ports”：[[2018,11,22]]，“date-time”：“2018-11-22T10:45:15Z”，“timestamp”：1542883515000}，”page“：”78-96“，“update-policy”：”http://\/dx.DOI。org\/10.1016\/elsevier_cm_policy“，”源“：”Crossref“，“is-referenced-by-count”：46，“title”：[“基于超像素的乳腺超声图像自动分割方法”]，“前缀”：“10.1016”，“卷”：“121”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-9399-5769”，“authenticated-ORCID”：false，“给定”：“Mohammad I”，“family”：“Daoud”，“sequence”：“first”，“affiliation”：[]}，“给定的”：“Ayman A.”，“家族”：“Atallah”，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-6154-2143”，”authenticated-ORCID“：false，”given“：”Falah“，”family“：”Awwad“，”sequence“：”additional“，”affiliance“：[]{“given”：family“：”Alazrai“，”sequence“：”additional“，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.eswa.2018.11.024_bib0001”，“doi-asserted-by”：“crossref”，“first-page”：“2274”，“doi”：“101109\/TPAMI.2012.120”，“article-title”：“与最先进的超像素方法相比的SLIC超像素”，“volume”：”34“，”author“Achanta”，“year”：“2012”，“journal title”：“IEEE模式分析与机器智能汇刊”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0002”，“doi-asserted-by”：“crossref”，“first page”：”djv367“，“doi”：“101093\/jnci\/djv367'”，“article-title”：“超声作为乳腺癌的主要筛查试验：来自ACRIN 6666的分析”，“volume”:“108”，“author”：“Berg”，“year”：“2016”，“期刊标题”：“JNCI:美国国家癌症研究所期刊”}，{“关键”：“10.1016\/j.eswa.2018.111.024_bi0003”，“第一页”：“99”，“文章标题”：“关于由概率分布定义的两个统计群体之间差异的衡量”，“卷”：“35”，“作者”：“巴塔查里亚”，“年份”：“1943”，“期刊标题”：“加尔各答数学学会公报”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0004”，“series-title”：“第八届IEEE计算机视觉国际会议论文集”，“首页”：“105”，“article-title”：《交互式图形切割用于N-D图像中对象的最佳边界和区域分割》，“author”：“Boykov”，“year”：“2001”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0005”，“doi-asserted-by”：“crossref”，“first page”：”525“，“doi”：“101016\/j.ejrad.2009.04.015”，“article-title”：“观察者根据BI-RADS分类对乳腺超声的解释”，“volume”：《74》，“author”：“Calas”，“year”：“2010”，“journal title”：《欧洲放射学杂志》}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0006”，“doi-asserted-by”：“crossref”，“first page”：“679”，“doi”：“10.12016\/S0301-5629（02）00788-3”，“article-title”：“通过支持向量机和斑点增强纹理分析改进乳腺肿瘤的鉴别能力”，“volume”:“29”，“author”：“Chang”，“year”：“2003”，“journal title”：《医学与生物学中的超声》}，{“key”：“10.1016\/j.eswa.2018.111.024_bi0007”，“doi断言者”：“crossref”，“首页”：“1531”，“doi”：“10.1016\/j.acra.2009.07.0024”，“文章标题”：“利用超声形态学和纹理特征对软组织肿瘤进行计算机辅助诊断”，“卷”：“16”，“作者”：“Chen”，“年份”：“2009”，“期刊标题”：“学术放射学”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0008”，“doi-asserted-by”：“crossref”，“first page”：“220”，“doi”：“10.116\/j.compmedimag.2010.11.003”，“article-title”：“计算机辅助诊断超声图像中乳腺病变的纹理特征”，“volume”：”35“，“author”：“Chen”，“year”：“2011”，“journal-title“：”计算机化医学成像和图形“}，{”key“：“10.1016\/j.eswa.2018.11.024_bib0009”，“doi-asserted-by”：“crossref”，“first page”：“299”，”doi“：”10.1016\/j.patcog.2009.05.012“，”article-title“：”使用超声图像的乳腺癌自动检测和分类：调查“，”volume“：”43“，”author“：”Cheng“，”year“：”2010“，”journal-title”：“模式识别”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0010”，“series-title”：“第十五届人工智能不确定性会议论文集”，“第一页”：“101”，“article-title”：“比较贝叶斯网络分类器”，“author”：“Cheng”，“year”：“1999”}，{“key”：”10.1016\/j.ewa.2018.11.024_bib001 1“，”doi-asserted-by“：”crossref“，“first-page”：“6240”，“doi”：“10.1118\/1.3512799”，“article-title”：“ACCOMP：超声乳腺病变界限的增强细胞竞争算法”，“volume”：“37”，“author”：“Cheng”，“year”：“2010”，“journal-title“：”Medical Physics“}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0012“，”series-title“：“IEEE第13届生物医学成像国际研讨会论文集-isbi 2016”，“首页”：“718”，“文章标题”：“通过结合图像边界和区域信息对乳腺超声图像进行精确和全自动分割”，“作者”：“Daoud”，“年份”：“2016”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0013”，“series-title”：“第八届信号图像技术和基于互联网的系统国际会议论文集-sitis 2012”，“首页”：“137”，“文章标题”：“使用定制的活动轮廓模型和信噪比变化对超声图像中乳腺肿瘤进行精确分割”，“作者”：“Daoud”，“年份”：“2012”}，{“关键”：“10.1016\/j.eswa.2018.11.024_sbref0014”，“doi-asserted-by”：“crossref”，“doi”：“10.1155\/2016\/6740956”，“article-title”：“使用多重ROI纹理和形态学分析的基于融合的乳腺超声图像分类方法”，“volume”：“2016”，“author”：“Daoud”，“year”：“2016”，“journal title”：“医学中的计算和数学方法”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0015”，“doi-asserted-by”：“crossref”，“首页”：“96”，“doi”：“101016\/j.eswa.2016.04.034”，“article-title”：“使用新的选择性平均滤波器平滑超声图像”，“volume”：：“带应用程序的专家系统”}，｛“key”：“10.1016\/j.eswa.2011.11.024_bib0016”，“首页”：“1889”，“文章标题”：“使用二阶信息训练支持向量机的工作集选择”，“卷”：“6”，“作者”：“Fan”，“年份”：“2005”，“期刊标题”：“机器学习研究杂志”｝，｛“key”：“10.1016\/j.eswa.2018.11.024_bib0017”，“doi-asserted-by”：“crossref”，“first page”：“E359”，“doi”：“10.1002\/ijc.29210”，“article-title”：“全球癌症发病率和死亡率：GLOBOCAN 2012中的来源、方法和主要模式”，“volume”：”136“，“author”：“Ferlay”，“year”：“2015”，“journal title”：《国际癌症杂志》}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0018”，“doi-asserted-by”：“crossref”，“first page”：“1125”，“doi”：“10.106\/j.patcog.2014.06.006”，“article-title”：“提高乳腺病变超声分类性能”，“volume”：”48“，“author”：“Flores”，”year“2015”，“journal-title“：”Pattern Recognition“}”，{“key”：：“10.116\/j.exe 2018.11.024 _bib001”，“doi-asserted-by”：“crossref”，“first page”：“3299”，“doi”：“10.1118\/1.4718565”，“article-title”：“基于均匀补片的超声乳腺肿瘤分割”，“volume”：”39“，“author”：“Gao”，“year”：“2012”，“journal-title“：“Medical Physics”}，{“key”：《医学物理学》10.1016\/j.eswa.2018.11.024_bib0020”，“doi-asserted-by”：内政部“：“10.1177\/016173469301500401”，“article-title”：“改善乳腺良恶性病变的区分：超声纹理分析的价值”，“volume”：“15”，“author”：“Garra”，“year”：“1993”，“journal-title“：”超声成像“}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0021“，”doi-asserted-by“：”crossref“，”first page“：”82“，”doi“：“10.1118\/1.3265959”，“article-title”：“基于标记-控制分水岭变换的乳腺超声病变计算机分割”，“volume”：“37”，“author”：“Gomez”，“year”：“2010”，“journal-title“：”Medical Physics“}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0022“，”doi-asserted-by“：”crossref“，”first page“：”1889“，”doi“：“10.1109”，“TMI.2012.2206398”，“article-title”：“共现纹理统计作为灰度量化函数的分析，用于乳腺超声分类”，“volume”：“31”，“author”：“Gomez”，“year”：“2012”，“journal-title“：”IEEE Transactions on Medical Imaging“}，{”key“：”10.1016\/j.eswa.2018.11.024_bib0023“，”doi-asserted-by“：”crossref“，“首页”：“1637”，“DOI”：“10.1016\/j.ultrasmedbio.2016.02.016”，“article-title”：“基于纹理分析的超声乳腺病变全自动分割新方法”，“volume”：“42”，“author”：“Gomez-Flores”，“year”：“2016”，“journal title”：《医学与生物学超声》}，{“key”：《10.1016\/j.eswa.2018.11.024_bib0024》，“doi-asserted-by”：“crossref”，“first page”：“610”，”doi“：”10.1109\/TSMC.1973.4309314“，”article-title“：”图像分类的纹理特征“，”volume“：”3“，”author“：”Haralick“，”year“：”1973“，”journal-title”：“IEEE Transactions on Systems，Man，and Cybernetics”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0025“，”series-title“”：“亚洲计算机视觉会议论文集”，“首页”：“316”，“article-title”：“使用显著子卷和稳健遮挡处理加速成本卷过滤”，“author”：“Helala”，“year”：“2014”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0026”，“series-title”：：“支持向量分类实用指南”，“author”：“Hsu”，“year”：“2003”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0027”，“doi-asserted-by”：“crossref”，《首页》：“493”，“doi”：“101007\/s11548-016-1513-1”：“国际计算机辅助放射学与外科杂志”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0028”，“doi-asserted-by”：“crossref”，“first page”：”164“，“doi”：“101007\/s005-0019-5”，“article-title”：“使用支持向量机进行超声纹理分析诊断乳腺肿瘤”，“volume”:“15”，“author”：“Huang”，”“year”：“2006”，“journal-title”：“Neural Computing and Applications”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0029”，“first-pages”：“49”，“article-title“：“乳腺癌的早期检测：乳房X光检查够了吗？”，“volume”：”9“，“author”：“Kaul”，“year”：“2002”，“jornal-tittle”：《医院医生》}，“key“：”10.1016//j.eswa.2018.11.024 _bib0030“，”doi-asserted-by“：”crossref“”，“首页”：“734”，“DOI”：“10.1007\/s00330-009-1588-y”，“article-title”：“使用全乳腺自动超声和乳房X射线照相术检测放射密集型乳房中的乳腺癌”，“volume”：“20”，“author”：“Kelly”，年：“2010”，“journal-title“：“European Radiology”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0031“，”DOI-asserted-by“：”crossref“，“首页”：“297”，“DOI”：“10.1111\/j.1740-8261.1995.tb00266.x”，“文章标题”：“诊断超声中的成像伪影-综述”，“卷”：“36”，“作者”：“Kirberger”，“年份”：“1995”，“期刊标题”：《兽医放射学与超声》}，{“关键字”：“101016\/j.eswa.2018.11.024_bib0032”，“DOI-asserted-by”：“crossref”，“首页面”：“165”，内政部“：“10.1148”，“radiol.2251011667”，“article-title”：“筛查钼靶摄影术、体检和乳房超声的表现比较及影响因素评估：27825例患者评估分析”，“volume”：“225”，”author“：”Kolb“，”year“：”2002“，”journal-title“：”Radiology“}，{”key“：”10.1016\/j.eswa.2018.11.024_bib0033“，“doi-asserted-by”：“crossref”，“first page”：“1675”，“doi”：“10.2214\/ajr.180.6.1801675”、“article-title”：“非恶性乳腺癌的乳房X线摄影和随后的全身超声检查：放射学乳腺密度的重要性”，“volume”：”180“，“author”：“Leconte”，“year”：“2003”，“journal-title“：”《美国放射学杂志》}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0034”，“series-title”：“欧洲会议录计算机视觉”，“首页”：“544”，”article-title“：“基于区域的图像分割中的轮廓连续性”，“author”：“Leung”，“year”：“1998”}，{“key”：：“10.1109\/TIP.2007.899601”，“article-title”：“使用向量场卷积进行图像分割的主动轮廓外力”，“volume”：“16”，“author”：“Li”，“year”：“2007”，“journal-title“：”IEEE Transactions on image Processing“}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0036“，”doi-asserted-by“：”crossref“，”first page“：”1309“，”doi“：“10.1016\/j.ultrasmedbio.2008.12.007”，“article-title”：“利用统计纹理分类和基于概率距离的活动轮廓自动分割超声乳腺病变”，“volume”：“35”，“author”：“Liu”，“year”：“2009”，“journal title”：《医学与生物超声》}，{“key”：《10.1016\/j.eswa.2018.11.024_bib0037》，“首页”：“1”，“article-title”：“利用中子学理论基于活动轮廓的乳腺超声图像分割”，“作者”：“Lotfollahi”，“年份”：“2017年”，“期刊标题”：“医学超声杂志”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0038”，“doi-asserted-by”：“crossref”，《首页》：“155”，”doi“10.1109\/TMI.2002.808364”，“article-title”：“结合低级、高级和经验领域知识，实现超声乳腺病变的自动分割”，“volume”：“22”，“author”：“Madabhushi”，“year”：“2003”，“journal-title“：”IEEE Transactions on Medical Imaging“}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0039“，”doi-asserted-by“：”crossref“，”first page“：”7“，”doi“：“10.1023\/A:1011174803800”，“article-title”：“用于图像分割的轮廓和纹理分析”，“volume”：“43”，“author”：“Malik”，“year”：“2001”，“journal-title“：“International journal of Computer Vision”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0040“，”doi-asserted-by“：”crossref“，”first page“265”，“doi”：“10.1109\/TPAMI.2003.1177156”，“article-ti tle“：“计算任意维二值图像精确欧氏距离变换的线性时间算法”，“卷”：“25”，“作者”：“Maurer”，“年份”：“2003”，“日记标题”：“IEEE模式分析与机器智能事务”}，{“键”：“10.1016\/j.eswa.2018.11.024_bib0041”，“doi-asserted-by”：“crossref”，“首页”：“1091”，”doi“：“10.1007\/s10278-013-9593-8”，“article-title”：“定量超声分析对BI-RADS第3类乳腺肿块的分类”，“volume”：“26”，“author”：“Moon”，“year”：“2013”，“journal-title“：”journal of Digital Imaging“}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0042“，”doi-asserted-by“：”crossref“，”first page“：”335“doi”：“10.1186\/14721-407-9-335”，“文章标题”：“乳腺癌的早期检测：补充乳腺超声对乳腺致密无症状女性的益处和风险。系统综述”，“卷”：“9”，“作者”：“Nothacker”，“年份”：“2009”，“期刊标题”：“BMC cancer”}，{“key”：“10.1016\/j.esw.2018.11.024_bib0043”，“首页”：“6174”，“article-title”：“支持向量机的概率输出以及与正则化似然方法的比较”，“卷”：“10”，“作者”：“Platt”，“年份”：“1999”，“日记标题”：“大边距分类器的进展”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0044”，“doi-asserted-by”：“crossref”，“首版”：“1737”，“doi”：“10.1016\/j.ultrasmedbio.2015.01.012”，“article-title”：“基于多分辨率分析的乳腺超声肿块两步分割方法”，“volume”：“41”，“author”：“Rodrigues”，“year”：“2015”，“journal title”：《医学与生物超声》}，{“key”：《10.1016\/j.eswa.2018.11.024_bib0045》，“doi-asserted-by”：“crossref”，“first page”：”990，“DOI”：“10.1016\/j.eswa.2014.09.020”，“article-title”：“基于区域生长和CNN分割的乳腺良恶性肿瘤分类”，“volume”：“42”，“author”：“Rouhi”，“year”：“2015”，“journal-title“：”Expert Systems with Applications“}，{”key“：”10.1016\\j.eswa.2018.11.024_bib0046“，”DOI-asserted-by“：”crossref“，”first-page“：”258“，”DOI“：“10.1016\/j.ejrad.2009.05.052”，“文章标题”：“数字乳腺摄影术：更新”，“卷”：“72”，“作者”：“Schulz-Wendtland”，“年份”：“2009”，“期刊标题”：“欧洲放射学杂志”}，｛“密钥”：“10.1016\/j.eswa.2018.111.024_bi0047”，“doi断言”：“crossref”，“首页”：“262”，“doi”：“10.1016\/j.ultrasmedbio.20110.1022”，“文章标题”：“使用多域特征的乳腺超声图像的全自动分割方法”，“卷”：“38”，“作者”：“Shan”，“年份”：“2012年”，“期刊标题”：“医学和生物学中的超声”}，{“键”：“10.1016\/j.eswa.2018.11.024_bib0048”，“doi-asserted-by”：“crossref”，“首页”：“888”，”doi“10.1109\/34.8686888”，“文章标题”：“标准化切割和图像分割”，“卷”：“22”，“作者”：“史”，“年份”：“2000”，“日志标题”：“IEEE模式分析和机器智能事务”}，{“关键”：“10.1016\/j.eswa.2018.11.024_bib0049”，“doi-asserted-by”：“crossref”，“首页”：“114”，”doi“10.1016 \/j-eswa.2016.09.006”，“article-title”：“基于模糊聚类的神经网络分类器，用于超声图像中乳腺肿瘤的分类”，“卷”：“66”，“作者”：“Singh”，“年份”：“2016年”，“期刊标题”：“应用专家系统”}，{“关键”：“10.1016\/j.eswa.2018.11.024_bib0050”，“doi-asserted-by”：“crossref”，“首页”：“780”，”doi：“10.1109\/36.7521994”，“article-title”：“使用灰度共生矩阵对SAR海冰图像进行纹理分析”，“体积”：“37”，“作者”：“Soh”，“年份”：“1999”，“期刊标题”：“IEEE地球科学与遥感汇刊”}，{“关键字”：“10.1016\/j.eswa.2018.11.024_bib0051”，“doi-asserted-by”：“crossref”，“首页”：“2184”，“doi”：“101016\/j.ejrad.2011.07.011”，“article-title”：“专用BI-RADS培训计划：对筛查放射科医生之间观察者间差异的影响”，“卷”：“81”，“作者”：“Timmers”，“年份”：“2012”，“期刊标题”：“欧洲放射学杂志”}，{“key”：“10.1016\/j.eswa.2018.11.024_bib0052”，“doi-asserted-by”：“crossref”，“首页”：“559”，“doi”：“1016\/S0301-5629（97）00041-0”，“article-title”：“通过共现矩阵参数表征回声图像纹理”，“volume”：“23”，“author”：“Valckx”，“year”：“1997”，“journal-title“：“医学和生物学中的超声”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0053“，“series-title”：”统计学习理论的本质“，”author“：”Vapnik“，”year“：”2000“}，”{“key”：“10.1016\/j.eswa.2018.11.024_bib0054”，“series-title”：“欧洲计算机视觉会议论文集”，“首页”：“705”，“article-title”：“用于模式搜索的快速移位和内核方法”，“author”：“Vedaldi”，“year”：“2008”}，{“key”：：“10.1016\/j.optlaseng.2013.10.003”，“article-title”：“利用斑点减少各向异性扩散进行超声图像分割的多尺度测地线活动轮廓”，“volume”：“54”，“author”：“Wang”，“year”：“2014”，“journal title”：《工程光学与激光》}，{“key”：《10.1016\/j.eswa.2018.11.024_bib0056》，“doi-asserted-by”：“crossref”，“第一页”：“145”，“DOI”：“10.1016\/j.neucom.2016.09.067”，“文章标题”：“有先验知识学习的乳腺肿瘤分割”，“卷”：“237”，“作者”：“Xi”，“年份”：“2017”，“期刊标题”：“神经计算”}，{“键”：“10.1016\/j.eswa.2011.024_bib0057”，“DOI断言者”：“crossref”，“第一页”：“485”，“DOI”：“10.1016\/j.pastco.2014.07.026”，“article-title”：“基于空间和频域乳腺特征的乳腺超声图像全自动分割”，“volume”：“48”，“author”：“Xian”，“year”：“2015”，“journal-title“：“Pattern Recognition”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0058“，”doi-asserted-by“：”crossref“，”first page“：”340“，“doi”：“10.1016\/j.patcog.2018.02.012”，“article-title”：“乳腺超声图像自动分割：调查”，“卷”：“79”，“作者”：“西安”，“年份”：“2018”，“期刊标题”：“模式识别”}，{“key”：“10.116\/j.eswa.2018.11.024_bib0059”，“doi-asserted-by”：“crossref”，“首页”：“1101”，“doi”：“10.3390\/s17051101”，“文章标题”：“一种基于人类视觉机制的超声乳腺肿瘤自动定位算法”，“volume”：“17”，“author”：“Xie”，“year”：“2017”，“journal-title”：“Sensors”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0060“，”doi-asserted-by“：”crossref“，”first-page:“1260”，“doi”：“10.1109\/TIP.2002.804276”，“article-title“：“斑点减少各向异性扩散”，“volume”：“11”，“author”：“Yu”，“year”：“2002”，“journal-title”：“IEEE Transactions on Image Processing”}，{“key”：”10.1016\/j.eswa.2018.11.024_bib0061“，”doi-asserted-by“：”crossref“，”first page“：”1621“，“doi”：“10.1007\/s10916-010-9624-7”，“article-title“：“根据超声图像中的形状和纹理特征对乳腺良恶性肿块进行分类”，“体积”：“36”，“作者”：“Zakeri”，“年份”：“2012年”，“期刊标题”：“医学系统杂志”}，{“关键”：“10.1016\/j.eswa.2018.11.024_bib0062”，“doi-asserted-by”：“crossref”，《首页》：“2975”，“doi”：“101118\/1.4950706”，“article-title”：“HIFU治疗中基于区域的超声图像分割方法”，“卷”：“43”，“作者”：“张”，“年份”：“2016”，“日志标题”：“医学物理”}]，“容器标题”：[“应用专家系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0957417418307437？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0957417418307437？httpAccept=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended-epplication”：“text-mining”}]，”存放“：{“date-parts”：[2019,9,23]]，“date-time“：”2019-09-23T21:45:53Z“，”timestamp“：1569275153000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0957417418307437”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期部分”：[2019,5]]}，《参考计数》：62，“alternative-id”：[“S09574174”18307437“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.eswa.2018.11.024“，”关系“：{}，”ISSN“：[”0957-4174“]，”ISSN-type“：[{”value“：”0957~4174“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2019,5]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}维护，{“值”：“乳腺超声图像的基于超像素的自动分割方法”，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“Expert Systems with Applications”，“name”：“journaltitle”、“label“：”Journal Title“}，”{“value”：“https:\/\/doi.org\/101016\/j.eswa.2018.11.024”，“名称”：“rticlelink”，“标签”：“”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“value:”\u00a9 2018 Elsevier Ltd.。保留所有权利。“，”name“：”copyright“，”label“：”copyright”}]}