{“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”：[[2024,9,9]]，“日期-时间”：“2024-09-09T07:57:23Z”，“时间戳”：1725868643951}，“引用-计数”：32，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：“日期-零件”：[2022,10,1]]，”“日期-时刻”：“022-10-01T00:00:00Z“，”timestamp“：1664582400000}，”content-version“：“tdm”，“延迟天数”：0，“URL”：“https://www.elsevier.com/tdm\/userlicense\/1.0\/”｝，｛“开始”：｛“日期部分”：[[2022,10,1]]，“日期时间”：“2022-10-01T00:00:00Z”，“时间戳”：1664582400000｝，“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“：[[2022,10,1]]，”日期-时间“：“2022-10-01T00:00:00Z”，“timestamp”：1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2022,10,1]]，“date-time”：“2022-10-01T00:00”，“时间戳”：1664.582400000{，“content-version“stm-as”，“delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-012“}，{“start”：{“date-parts”：[[2022,10,1]]，“date-time”：“2022-10-01T00:00:00Z”，“timestamp”：1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{（日期-部件）：[[2022,10,1]]1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-004”}]，“content-domain”：{“domain”（域）：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Future Generation Computer Systems”（未来一代计算机系统）]，“published-print”（发布-print）：{”date-parts“：[2022,10]]}，”doi“10.1016\/j.Future.2022.04.011”，“type”：“journal-article”，“created”（创建）：{“日期部分”：[2022,4,21]]，“date-time”：“2022-04-21T15:26:58Z”，“timestamp”：1650554818000}，“page”：“234-243”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：34，“special_numberg”：“C”，“title”：[“基于多任务学习和混合知识图的胎头超声标准平面检测模型”]，“前缀”：“10.1016”，“卷”：“135”，“作者”：[{“给定”：“雷”，“家庭”：“赵”，“序列”：“第一个”，“从属关系”：[]}，{“给出”：“垦利”，“家族”：“李”，“顺序”：“附加”，“附属关系”：[]}：“附加”，“从属关系”：[]}，{“给定”：“胜利”，“家族”：“李”，“序列”：“附加”，“从属”：[]}，{“给定”：“祥科”，“家庭”：“廖”，“顺序”：“额外”，“隶属”：[]}，“成员”：“78”，“引用”：[{“问题”：“1”，“键”：“10.1016\/j.future.2022.04.011_51”，“doi-asserted-by”：“交叉引用”，“首页”：“75”，“doi”：“101002\/uog 20857“，”文章标题“：“孕35\u201337周\u2019周常规超声检查在胎儿畸形诊断中的价值”，“体积”：“55”，“作者”：“Ficara”，“年份”：“2020年”，“期刊标题”：“妇产超声”}，{“问题”：“6”，“关键”：“10.1016\/j.future.2022.04.011_b2”，“doi-asserted-by”：“交叉参考”，“首页”：“1083”，“doi”：“10.7863\/jum.2013.32.6.1083”，“article-title”：“AIUM产科超声检查实践指南”，“volume”：“32”，“author”：“Crino”，“year”：“2013”，“journal-title“：《超声医学杂志》”}，{“key”：《10.1016\/J.future.2022.04.011_b3》，“series-title”：《CVPR\u2019 17》，“首页”：“3298”，“article-tiple”：“检测与深层关系网络的视觉关系”，“作者”：“戴”，“年份”：“2017”}，{“问题”：“4”，“关键”：“10.1016\/j.future.2022.04.011_b4”，”doi-asserted-by“：”crossref“，”first page“：”199“，“doi”：“101016\/j.dii.2019.02.001”，“文章-标题”：“超声、CT和MRI的五个同时人工智能数据挑战”，“卷”：“100”，“author”：“Lassau”，“year”：“2019”，“journal-title”：“Diagn.Intev.Imaging”}，{“key”：“10.1016\/j.future.2022.04.011_b5”，“doi-asserted-by”：“crossref”，”first page“：”61“，”doi“：”10.1016\/j.media.2016.10.004“，”article-title“：”高效多尺度3D CNN，带完全连接的CRF，用于准确的脑损伤分割“volume”：”36“，”author“：”Kamnitsas“，“year”：“2017”，“journal-title”：“Med.Image Anal.”}，{“key”：“10.1016\/j.future.2022.04.011_b6”，“doi-asserted-by”：“crossref”，“首页”：“1”，“doi”：“101016\/j.futere.2020.04.038”，“article-title“：”基于学习的术前胶质瘤分级的博弈论解释性“，”volume“：”112“，”author“：”Ma“，”year“：”2020“，”journal-title“：“Future Gener.Compute.Syst.”}，{“key”：“10.1016\/j.Future.2022.04.011_b7”，“series-title”：“数据驱动的治疗反应评估和早产儿、围产儿和儿科图像分析”，“首页”：“160”，“文章标题”：“通过多尺度密集网络在胎儿超声图像中自动高效的标准平面识别”，“作者”：“Kong”，“year”：“2018”}，{“key”：“10.1016\/j.future.2022.04.011_b8”，“doi-asserted-by”：“crossref”，“首页”：“825”，“doi”：“101016\/j.functe.2020.09.014”，“article-title”：“使用混合分类框架在多资源超声心动图中检测胎儿心脏周期”，“volume”：”115“，”author“：”Pu“，”year“：”2021“，”journal-title“：“Future Gener.Compute.Syst.”}，{“key”：“10.1016\/j.Future.2022.04.011_b9”，“doi-asserted-by”：“crossref”，“首页”：“111”，“doi”：“101016\/j.inffus.2020.09.006”，“article-title”：“医学深度学习调查：为什么、如何和何时？”，“卷”：“66”，“作者”：“Piccialli”，“年份”：“2021”，“日志标题”：“Inf.Fusion”}{“键”：“10.1016\/j.future.2022.04.011_b10”，“doi-asserted-by”：“crossref”，“first page”：“675”，“doi”：“10.116\/j.future.2019.09.049”，“article-title”：“与WBAN互操作的基于区块链的ehealthcare系统”，“volume”：”110“，”author“：”Wang“，“year”：“2020”，“journal-title“：”future Gener.Comput.Syst.“}，{“issue”：“8”，“key”：“10.1016\/j.future.2022.04.011_b11”，“doi-asserted-by”：“crossref”，“first page”：“5015”，“doi”：“10.1118\/1.4736415”，“article-title”：“智能扫描：常规超声检查中孕早期囊的自动标准平面选择和生物计量学测量”，“volume”：”39“，“author”：“Zhang”，“year”：“2012”，“journal-title“：”Med.Phys.“}，{“issue”：“10”，“key”：“10.1016\/j.future.2022.04.011_b12”，“doi-asserted-by”：“crossref”，“首页”：“4753”，“doi”：“101109\/TIP.2017.2721106”，“article-title”：“使用两阶段任务导向的深层神经网络从有限的医学影像数据中检测解剖标志物”，“volume”:“26”，“author”：“Zhang”，“year”：“2017”，“journal-title”：“IEEE Trans.Image Process.”}，｛“issue”：“6”，“key”：“10.1016\/j.future.202.04.011_b13”，“doi asserted by”：“crossref”，“first page”：“1576”，“doi”：“10.1109\/TCB.2017.2685080”，“文章标题”：“使用复合神经网络框架的超声标准平面检测”，“volume”：“47”，“author”：“Chen”，“year”：“2017”，“journal title”：“IEEE Trans.ICybern.”｝，{“issue”：“6”，“key”：“10.1016\/j.future.2022.04.011_b14”，“doi-asserted-by”：“crossref”，“首页”：“1221”，“doi”：“101109\/TMI.2017.269836”，“artict-title”：“利用卷积神经网络对超声心动图进行自动质量评估：心尖四腔切面的可行性”，“volume”：《36》，“author”：“Abdi”，《年份》：“2017”，“journal-title”：“IEEE Trans.Med.Imaging”}，{“key”：“10.1016\/j.future.2022.04.011_b15”，“article-title”：“脑-计算机接口的高级机器学习方法”，“author”：“Lv”，“year”：“2020”，“journal-title“：”IEEE\/ACM Trans.Compute.Biol.Bioninform.“}，”{“密钥”：“10116\/j.future.2022.04.011-b16”，“doi-asserted-by”：“crossref”，“first-page”：“486”，“DO”我“：“10.1016\/j.ins.2020.06.025”，“article-title”：“使用机器学习的智能移动健康系统的准确动态预测模型”，“volume”：“538”，“author”：“Qureshi”，“year”：“2020”，“journal-title“：”Inform.Sci.“}，{“issue”：“3”，“key”：”10.1016\/j.future.2022.04.011_b17“，”doi-asserted-by“：”crossref“，”first-page“：”968“，”doi“：“10.1109”，“TIP.2011.2169273”，“article-title”：“使用深度学习体系结构和基于派生的搜索方法从超声数据中分割心脏左心室”，“volume”：“21”，“author”：“Carneiro”，“year”：“2011”，“journal-title“：”IEEE Trans.Image Process.“}，{“key”：”10.1016\/j.future.2022.04.011_b18“，”doi-asserted-by“：“crossref”，“first page”：“103”，“DOI”：“10.1016\/j.inffus.2016.11.007”，“article-title”：“超声心动图视点分类的融合式深度学习架构”，“volume”：”36“，“author”：“Gao”，“year”：“2017”，“journal-title“：Inf.Fusion”}，{“key”:“10.1016 \/j.future.2022.04.011_b19”，“DOI-asserted-by”：“crosslef”：“10.1016\/j.neucom.2016.01.074”，“article-title”：“基于堆叠深度多项式网络的表征学习在小超声图像数据集肿瘤分类中的应用”，“volume”：“194”，“author”：“Shi”，”year“：”2016“，”journal-title“：”Neurocomputing“}，{”issue“：”5“，”key“：”10.1016\/j.future.2022.04.011_b20“，”doi-asserted-by“：”crossref“，”first page“：“1336”，“DOI”：“10.1109\/TCYB.2017.2671898”，“article-title”：“FUIQA:深卷积网络胎儿超声图像质量评估”，“volume”：“47”，“author”：“Wu”，“year”：“2017”，“journal title”：《IEEE Trans.Cybern.》}，{“key”：《10.1016\/j.future.2022.04.011_b21》，“DOI-asserted-by”：“crossref”，“DOI”：《1016\/j.media.2019.1015》48“，”物品标签“：“胎头超声图像质量评估的多任务学习”，“卷”：“58”，“作者”：“林”，“年份”：“2019年”，“日志标题”：“医学图像分析”}，{“问题”：“4”，“关键”：“10.1016\/j.future.2022.04.011_b22”，“doi-asserted-by”：“crossref”，“doi”：“101097\/MD.000000000024427”，“文章标题”：“基于多任务学习的二维胎儿超声标准平面自动质量评估”，“卷”：“100”，“作者”：“张”，“年份”：“2021”，“期刊标题”：“医学”}，{“关键”：“10.1016\/j.future.2022.04.011_b23”，“首页”：“1”，《文章标题》：“基于深度学习和IIoT的胎儿超声标准面自动识别”，“作家”：“Pu”，“year”：“2021”，“journal-title”：“IEEE Trans.Ind.Inf.”}，{“key”：“10.1016\/j.future.2022.04.011_b24”，“series-title”：”MICCAI\u2019 18“，”first page“：”711“，”article-title“少即是多：腹部超声图像的同时视图分类和里程碑检测”，“author”：“Xu”，“year”：”2018“}”，{”key“10.1016 \/j.future.2022.04.011 _b25”，“系列标题”：“CVPR\u2019 20”，“首页”：“13886”，“文章标题”：“用于视觉关系检测的层次图注意力网络”，“作者”：“Mi”，“年份”：“2020”}，｛“key”：“10.1016\/j.future.202.04.011_b26”，“doi asserted by”：“crossref”，“首页”：“4013”，“doi”：“10.1109\/TIP.200.2969330”，“文章标题”：“带有端到端属性检测和后续属性预测的图片标题”，“卷”：“29”，“作者”：“Huang”，“年份”：“2020”，“期刊标题”：“IEEE Trans.Image Process.”}，｛“issue”：“1”，“key”：“10.1016\/j.future.202.04.011_b27”，“doi asserted by”：“crossref”，“doi”：“10.1016\/j.ipm.2020.102411”，“文章标题”：“CGNet:用于检测肺炎的图形知识嵌入卷积神经网络”，“volume”：“58”，“author”：“Yu”，“year”：“2021”，“journal-title”：“Inf.Process.Manage.”}，{“issue”：“6”，“key”：”10.1016\/j.future.2022.04.011_b28“，”first page“：”1137“，”article-title“：”更快的R-CNN：通过区域提议网络实现实时对象检测”，“volume”：“39”，“author”：“Ren”，“year”：“2016”，“journal-title”：“PAMI\u2019 16”}，{“key”：”10.1016\/j.future.2022.04.011_b29“，”series-title“：”CVPR\u2018 16“，”first page“：”770文章标题“：“更快r-cnn的更快pytorch实现”，“author”：“Yang”，“year”：“2017”，“journal-title”：“GitHub Repos.”}，{“key”：“10.1016\/j.future.2022.04.011_b31”，“series-title”：”CVPR\u2019 20“，“first page”：”10778“，”article-title“：”Efficientdet:可扩展和高效的对象检测。2020 IEEE“，”author“：”Tan“，“year:”2020“}，”{“key”：“10.1016\/j.future.2022.04.011_b32”，“series-title”：“CVPR\u2019 17”，“首页”：“2980”，“article-title”：“密集目标检测的焦点丢失”，“作者”：“林”，“年份”：“2017”}]，“容器-时间”：[“未来一代计算机系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0167739X22001340？httpAccept=text\.xml”，“content-type”：“text\/xml”，“内容-版本”：“vor”，“intended-application”：“文本-分钟”}，{“URL”：“http:\/\-api.elsever.com/content\/article \/PII:S016773 9X22001430？httpAccept=text\/plain”，“content-type离子“：”vor“，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2024,4,1]]，“date-time”：“2024-04-01T15:29:19Z”，“timestamp”：1711985359000}，“score”：1，“resource”：{primary“：{”URL“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0167739X22001340”}，”subtitle“：[]，“shorttitle”：[]date-parts“：[[2022,10]]}，”references-count“：32，“alternative-id”：[“S0167739X22001340”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.future.2022.04.011”，“relationship”：{}，“ISSN”：[”0167-739X“]，“ISSN-type”：[{“value”：“0167-739 X”，“type”:“print”}]，“subject”：【】，“published”：{“date-parts”：[2022,10]}，”assertion“:[{”value“Else”vier“，”name“：”publisher“，”label“：”本文由“}，{”value“维护：“基于多任务学习和混合知识图的胎头超声标准平面检测模型”，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“Future Generation Computer Systems”，“name:”journaltitle“，”label“：”Journal Title“}，”value“：”https:\/\/doi.org\/10.1016\/j.Future.2022.04.011“，”name“：”articlelink“，”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 2022 Elsevier B.V.保留所有权利。”，“name”：“copyright”，“label”：“copyright”｝]｝