｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,4,2]]，“日期时间”：“2024-04-02T17:24:28Z”，“时间戳”：1712078668563｝，“引用计数”：45，“发布者”：“爱思唯尔BV”，“许可证”：[｛“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“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“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-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.2022.04.025”，“type”：“journal-article”，“created”（创建）：{“日期部分”：[[2022,4,30]]，“date-time”：“2022-04-30T15:00:51Z”，“timestamp”：1651330851000}，“page”：“20-29”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：3，“title”：[“DWT-CV:用于生物医学数据分析中模型选择的基于密度权重传递的交叉验证策略”]，“prefix”：“10.1016”，“volume”:“135”，“author”：[{“given”：“Jianhong”，“family”：“Cheng”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：”http://\/ORCID.org\/0000-0001-7341-9871“，”authenticated-ORCID“：false，”given“：”Hulin“，”family“：”Kuang“，{“给定”：“亚辉”，“家庭”：“王”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Lei”，“family”：“Xu”，“se序列”：“附加”，“从属”：[]}，}“giving”：“Jin”，“家庭”：“Liu”，”sequence“：”additional key“：”10.1016\/j.future.2022.04.025_b1“，“doi-asserted-by”：“crossref”，“first page”：“1604”，“doi”：“10.1093\/bib\/bbz176”，《article-title》：“药物重新定位的生物医学数据和计算模型：综合评述”，“卷”：“22”，“作者”：“罗”，“年份”：“2021”，“期刊标题”：“Brief.Bioninform.”}，{“key”：”10.1016\/j.future.2022.04.025_b2“，”doi-assert-by“：”crossref.“，”第一页“：“221”，“DOI”：“10.1146”，“annurev-bioeng-071516-044442”，“article-title”：“医学图像分析的深度学习”，“volume”：“19”，“author”：“Shen”，“year”：“2017”，“journal-title）：“Annul.Rev.Biomed.Eng.”}，{“issue”：“2”，“key”：“10.1109\/JBHI.2021.3095476”，“文章标题”：“具有神经胶质瘤分级博弈论可解释性的多模式解纠缠变分自动编码器”，“卷”：“26”，“作者”：“Cheng”，“年份”：“2022”，“期刊标题”：“IEEE J.Biomed.Health Inf.”}，｛“密钥”：“10.1016\/J.future.202.04.025_b4”，“doi断言”：“crossref”，“首页”：“125”，“doi”：“10.1080\/004001706.11974.10489157”，“文章标题”：“变量选择与预测的关系”，“量”：“16”，“作者”：“艾伦”，“年份”：“1974年”，“期刊标题”：“技术计量学”}，{“关键”：“10.1016\/j.future.2022.04.025_b5”，“首页”：“2079”，“文章标题”：”关于模型选择中的过度拟合和绩效评估中的后续选择偏差：“2010”，“journal-title”：“J.Mach.Learn.Res.”}，{“key”：“10.1016\/J.future.2022.04.025_b6”，“doi-asserted-by”：“crossref”，“first-pages”：“10”，“doi”：“101016\/J.media.2019.02.010”，《article-title》：“利用协同深度学习进行医学图像分类”，“volume”:“54”，“author”：“Zhang”，“year”：“2019”，“日记标题”：“Med.image Anal”。}，{“键”：“10.1016\/j.future.2022.04.025_b7”，“首页”：“1”，“article-title”：“基于MRI的全自动多任务学习，用于胶质瘤分割和IDH基因分型”，“author”：“Cheng”，“year”：“2022”，“journal-tittle”：“IEEE Trans.Med.Imaging”}，{“issue”：“5”，“key”：，“DOI”：“10.1109\/TMI.2018.2878669”，“article-title”：“HyperDense-Net:一个用于多模态图像分割的超灵敏连接CNN”，“volume”：“38”，“author”：“Dolz”，“year”：“2018”，“journal-title“：”IEEE Trans.Med.Imaging“}，{“issue”：“17”，“key”：”10.1016\/j.future.2022.04.025_b9“，”DOI-asserted-by“：”crossref“，”first page“：”i821“，”DO我“：“10.1093\/生物信息学\/bty593”，“article-title”：“DeepDTA:deep drug\u2013靶点结合亲和力预测”，“volume”：“34”，“author”：“u00d6zt\u00fcrk”，“year”：“2018”，“journal-title“：”生物信息学“}”，{“issue”：“6”，“key”：”10.1016\/j.future.2022.04.025_b10“，”doi-asserted-by“：”crossref“，”doi“：”10.1371\/journal.pcbi。1007129“，”文章标题“：“DeepConv-DTI:通过蛋白质序列卷积的深度学习预测药物与靶点的相互作用”，“卷”：“15”，“作者”：“Lee”，“年份”：“2019年”，“期刊标题”：“PLoS Compute.Biol.”}，{“键”：“10.1016\/j.future.2022.04.025_b11”，“doi-asserted-by”：“crossref”，“首页”：“102003”，”doi“10.1016 \/j.media.2021.102003”，“文章标题”：“通过自适应稀疏多视角典型相关分析确定基因组、蛋白质组和成像生物标记物之间的关联”，“卷”：“70”，“作者”：“杜”，“年份”：“2021”，“期刊标题”：“医学图像分析”}，{“关键”：“10.1016\/j.future.2022.04.025_b12”，“doi-asserted-by”：“crossref”，“doi”：“101109\/TCB.2020.3033538”，“article-title”：“利用多参数MRI图像的瘤内和瘤周放射性特征预测胶质瘤分级”，“作者”：“Cheng”，“年份”：“2020年”，“期刊标题”：“IEEE\/ACM Trans.Comput.Biol.Bioninform.”}，{“问题”：“11”，“关键”：“10.1016\/j.future.2022.04.025_b13”，“doi-asserted-by”：“crossref”，“首页”：“3416”，“doi”：“101109\/TMI.2020.29510”，“article-title”：“通过肮脏的多任务学习方法关联多模态脑成像表型和遗传风险因素”，“volume”：“39”，“author”：“Du”，“year”：“2020”，“journal-title“：”IEEE医学成像事务“}，{“issue”：“1”，“key”：”10.1016\/j.future.2022.04.025_b14“，”doi-asserted-by“：”crossref“，”first page“：”103“，”doi“：“10.1007\/s10586-020-03199-8”，“article-title”：“Mmhge：基于多tlas多视图混合图卷积网络和集成学习检测轻度认知损伤”，“volume”：“24”，“author”：“Liu”，“year”：“2021”，“journal-title“：”Cluster Comput.“}，{“key”：”10.1016\/j.future.2022.04.025_b15“，”article-title“：“使用具有CT图像多视图特征的深度监督自动编码器自动诊断新冠肺炎”，“作者”：“Cheng”，“年份”：“2021”，“期刊标题”：“IEEE\/ACM Trans.Comput.Biol.Bioinform.”}，｛“key”：“10.1016\/j.future.202.04.025_b16”，“doi asserted by”：“crossref”，“首页”：“346”，“doi”：“10.1016\/j.neucom.202.00.06.152”，“文章标题”：“MAGE：使用多tlas图卷积网络和集成学习自动诊断自闭症谱系障碍”，“卷”：“469”，“作者”：“王”，“年份”：“2022”，“期刊标题”：“神经计算”}，{“键”：“10.1016\/j.future.2022.04.025_b17”，“文章标题”：“基于纵向胸部X光和临床数据的重症监护室深度学习COVID-19死亡率预测”，“作者”：“Cheng”，“年份”：“2022”，“期刊标题”：“Eur.Radiol.”}，{“关键”：“10.1016\/j.future.2022.04.025_b18”，“连载时间”：“2019 IEEE生物信息学和生物医学国际会议（BIBM）”，“首页”：“1031”，“article-title”：“使用3D U-Net结合注意机制和atrous卷积的多层次胶质瘤分割”，“author”：“Cheng”，“year”：“2019”}，{“issue”：“1”，“key”：“10.1016\/j.future.2022.04.025_b19”，“doi-asserted-by”：“crossref”，“first page”：”90“doi”：“101016\/j.datak.2006.01.008”，“artice-title“：“进化分层训练集选择，用于提取具有权衡精度-可解释性的分类规则”，“volume”：“60”，“author”：“Cano”，“year”：“2007”，“journal-title”：“Data Knowl.Eng.”}，{“issue”：“1”，“key”：”10.1016\/j.future.2022.04.025_b20“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1080\/095281300146272“，“article-title”：“用于准确度估计的分布均衡分层交叉验证”，“volume”：“12”，“author”：“Zeng”，“year”：“2000”，“journal-title“：”J.Exp.Theor.Artif.Intell.“}，{“issue”：“5”，“key”：”10.1016\/J.future.2022.04.025_b21“，”article-title“，”：“通过重要性加权交叉验证的协变量移位适应”，“volume”:“8”，“author”：“Sugiyama”，“year”：“2007”，“journal-title”：“J.Mach.Learn.Res.”}，{“issue”：“8”，“key”：“10.1016\/J.future.2022.04.025_b22”，“doi-asserted-by”：“crossref”，“first page”：《第一页》：“1304”，“doi”：“101109\/TNNLS.2012.2199516”，“article-titel”：“划分诱导的数据集偏移对k折交叉验证的影响研究”，“volume”：”：“23”，“author”：“莫雷诺”，“year”：“2012”，“journal-title”：“IEEE Trans.Neural Netw.Learn.Syst.”}，{“key”：“10.1016\/j.future.2022.04.025_b23”，“series-title”：《MedMNIST v2:二维和三维生物医学图像分类的大规模轻量级基准》，“author”：“Yang”，“year:”2021：“IEEE第18届国际生物医学成像研讨会（ISBI）”，“首页”：“191”，“文章标题”：“MedMNIST分类十项全能：医学图像分析的轻量级AutoML基准”，“作者”：“Yang”，“年份”：“2021”}，{“key”：“10.1016\/j.future.2022.04.025_b25”，“doi-asserted-by”：“crossref”，”doi“10.1016 \/j.compbiomed.2019.103345”，“article-title”：“通过转移学习利用CNN的深层特征对脑肿瘤进行分类”，“volume”：“111”，“author”：“Deepak”，“year”：“2019”，“journal-title“：”Compute.Biol.Med.“}，{“key”：”10.1016\/j.future.2022.04.025_b26“，”doi-asserted-by“：”crossref“，”first page“：”804“，”doi“：”10.3389\/fnis.2018.00804“，”article-title“：“常规MR图像上的胶质瘤分级：一项具有转移学习的深度学习研究”，“卷”：“12”，“作者”：“杨”，“年份”：“2018”，“期刊标题”：“Front.Neurosci.”}，{“key”：“10.1016\/j.future.2022.04.025_b27”，“series-title”：“国际会议图像分析与识别”，“首页”：“853”，“article-title”：“用于乳腺癌组织学图像分类的卷积胶囊网络”，“author”：“Iesmantas”，“year”：“2018”}，{“issue”：“7639”，“key”：“10.1016\/j.future.2022.04.025_b28”，“doi-asserted-by”：“crossref”，“first page”：，“volume”：“542”，“author”：“Esteva”，“year”：“2017”，“journal-title”：“Nature”}，{“issue”：“52”，“key”：”10.1016\/j.future.2022.04.025_b29“，”doi-asserted-by“：”crossref“，”first page“：”27151“，“doi”：“10.1073\/pnas.1911536116”，“article-title“：”从单细胞表达数据推断基因关系的深度学习“，”volume“：“116”，”author“：”元”，“年”：“2019”，“journal-title”：“Proc.Natl.Acad.Sci.”}，{“issue”：“8”，“key”：“10.1016\/j.future.2022.04.025_b30”，“doi-asserted-by”：“crossref”，“first page”：”1301“，“doi”：“101038\/s41591-019-0508-1”，“article-title“临床级计算病理学，使用对整个幻灯片图像进行弱监督深度学习”，“volume”:“25”，“author”：“Campanella”，“year”：“2019”，“journal-title”：“Nature Med.”}，{“key”：“10.1016\/j.future.2022.04.025_b31”，“series-title”：《2019 IEEE生物信息学与生物医学国际会议（BIBM）》，“首页”：“1031”，“article-title“：“使用3D U-Net结合注意机制和atrous卷积的多层次胶质瘤分割”，“author”：“Cheng”，“year”：“2019}”，{“key”：“10.1016\/j.future.2022.04.025_b32”，“series-title”：“生物信息学研究与应用”，“首页”：“451”，“文章-标题”：“新的深度学习训练方案：生物医学数据应用”，《作者》：“Cheng”，“年份”：“2021”}，{“问题”：“11”，“key“10.1016”：“10.2022.04.025-b33”，“doi-asserted-by”：“crossref”，“第一页”：”1046“，“doi”：“10.1038\/nbt.1990”，“article-title”：“激酶抑制剂选择性的综合分析”，“volume”：“29”，“author”：“Davis”，“year”：“2011”，“journal-title“：“Nature Biotechtol.”}，{“issue”：“suppl_1”，”key“：”10.1016\/j.future.2022.04.025_b34“，”doi-asserted-by“：”crossref“，”first page“：“D668”，“doi”：“10.1093\/nar\/gkj067”，“article-ti tle“：“DrugBank:电子药物发现和探索的综合资源”，“卷”：“34”，“作者”：“Wishart”，“年份”：“2006年”，“期刊标题”：“核酸研究”}，{“关键”：“10.1016\/j.future.2022.04.025_b35”，“doi-asserted-by”：“crossref”，“首页”：“250”，“doi”：“101016\/j.media.2016.07.009”，“article-title”：“ISLES 2015-多光谱MRI缺血性脑卒中病灶分割的公共评估基准”，“卷”：“35”，“作者”：“迈尔”，“年份”：“2017年”，“期刊标题”：“医学图像分析”}，{“关键”：“10.1016\/j.future.2022.04.025_b36”，“系列标题”：《医学图像计算与计算机辅助干预国际会议》，“首页”：“432”，“article-title”：“使用非穿透CT图像进行急性缺血性梗死分割的对称增强注意网络”，“author”：“Liang”，“year”：“2021”}，{“key”：“10.1016\/j.future.2022.04.025_b37”，“doi-asserted-by”：“crossref”，”doi“10.1016 \/j.media.2021.101984”，“article-tiple”：“EIS Net：在急性缺血性中风患者的非对比CT上同时分割早期梗死和评分ASPECTS”，“卷”：“70”，“作者”：“Kuang”，“年”：“2021”，“期刊标题”：“Med.Image Anal.”}，｛“问题”：“11”，“关键”：“10.1016\/j.future.202.04.025_b38”，“doi断言”：“crossref”，“第一页”：“1393”，“doi”：“10.1007\/s00371-010-0416-3”，“article-title”：“修复数字化多边形网格的轻量级方法”，“volume”：“26”，“author”：“Attene”，“year”：“2010”，“journal-title“：”Vis.Compute.“}，{“issue”：“11”，“key”：”10.1016\/j.future.2022.04.025_b39“，”doi-asserted-by“：”crossref“，”doi“：”10.2196\/jmir.2930“，”article-title“：“虚拟骨架数据库：生物医学研究与合作的开放存取存储库”，“卷”：“15”，“作者”：“Kistler”，“年份”：“2013年”，“期刊标题”：“J.Med.Internet Res.”}，{“密钥”：“10.1016\/J.future.2022.04.025_b40”，“doi-asserted-by”：“crossref”，“非结构化”：“K.He，X.Zhang，S.Ren，J。Sun，图像识别的深度剩余学习，摘自：IEEE计算机视觉和模式识别会议论文集，2016年，第770\u2013778页。“，”DOI“：”10.1109\/CVPR.2016.90“}，{“key”：“10.1016\/j.future.2022.04.025_b41”，“series-title”：“医学图像计算和计算机辅助干预”，“首页”：“171”，“文章标题”：“CoTr:高效桥接CNN和3D医学图像分割转换器”，“author”：“Xie”，“year”：“2021”}，{“key”：“10.1016\/j.future.2022.04.025_b42”，“series-title”：“IJCAI，Vol.19”，“first page”：”4271“，“article-title”：”用于肝肿瘤分割的轻量级混合卷积网络“，“author”：“Zhang”，“year”：”2019“}，“key“：”10.1016\/j.future.2022.04.025_b43“，“series-title”：“自动机器学习”，“首页”：“113”，“article-title”：“Auto-sklearn:高效稳健的自动机器学习“，“author”：“Feurer”，“year”：“2019”}，{“key”：”10.1016\/j.future.2022.0 4.025_bs4“，”doi-asserted-by“：”crossref“，”非结构化“：”H.Jin，Q.Song，X。Hu，Auto-keras:一个高效的神经架构搜索系统，载：《第25届ACM SIGKDD国际知识发现与数据挖掘会议论文集》，2019年，第1946\u20131956页。“，”DOI“：”10.1145\/3292500.3330648“}，{“key”：“10.1016\/j.future.2022.04.025_b45”，“first page”：”1“，“article-title”：“个性化联合学习的参数化知识转移”，“卷”：“34”，“作者”：“张”，“年份”：“2021”，“期刊标题”：“高级神经信息过程。系统。“}]，”container-title“：[”Future Generation Computer Systems“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0167739X22001546？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S0167739X22001546？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2024,4,1]]，“date-time”：“2024-04-01T15:29:45Z”，“timestamp”：1711985385000}，“score”：1，“resource”：{primary“URL”：“https://linkinghub.elsevier.com/retrieve\/pii\/S0167737”9X22001546“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2022,10]]}，”references-count“：45，”alternative-id“：[”S0167739X22001546“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.future.2022.04.025“，”relationship“：{}，“ISSN”：[”0167-739X“]，“ISSN-type”：[{“value”：“0167-739”X“，”type“：”print“}]，”subject“：[]，“published”：{“date-parts”：[2022,10]]}，“assertion”：[{“value”：“Elsevier”，“name“：”publisher“，”label“：”本文由“}维护，{“value”：“DWT-CV：用于生物医学数据分析中模型选择的基于密度权重转移的交叉验证策略”，“name”：“articletite”，“label”：“article Title”}，{”value“：”Future Generation Computer Systems“，”name“：“journaltitle”，“标签”：“Journal Title“}，”value：“”https:\/\/doi.org\/10.1016\/j.future.2022.04.025“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2022 Elsevier B.V.保留所有权利