｛“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”：[[2024,5,16]]，“日期-时间”：“2024-05-16T12:55:49Z”，“时间戳”：1715864149992｝，“引用计数”：78，“发布者”：“爱思唯尔BV”，“许可证”：[｛“开始”：｛“日期部分”：[[2019,5,1]]，“日期-时间”：“2019-05-01T0:00:00Z”，“时间戳”：1556668800000｝，”内容版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2019,4,3]]，“date-time”：“2019-04-03T00:00:00Z”，“timestamp”：15542496000000}，“content-version”：“vor”，“delay-in-days”：“0，”URL“http://creativecommons.org\/license\/by\/4.0\/“}]，“出资人”：[{“DOI”：“10.13039\/1000000097”，“名称”：“NCRR”，“doi-asserted-by”：“publisher”，“award”：[“P41RR14075”，“1S10RR023043”]}，{“doi”：“10.13039\/1000000070”，“name”：“NIBIB”，“doo-asserted-by”：”publisher“，”award“：[”R01EB013565“]}”，{”doi“：”10.13039\/50100003554“，”name“：”Lundbeck foundation“，”doi-assert-by“：”publister“，”ward“：[“R141-2013-13117“]}]，”内容域“：{”域“：[”elsevier.com“，“sciencedirect.com”]，“交叉标记限制”：true｝，“短容器标题”：[“医学图像分析”]，“已发表的印刷品”：｛“日期部分”：[[2019,5]]｝，“DOI”：“10.1016\/j.media.2019.03.005”，“类型”：“期刊文章”，“创建的”：｛“日期部分”：[[2019,3,22]]，“日期时间”：“2019-03-22T033:19:53Z”，“时间戳”：1553224793000｝，“页面”：“220-237”，“更新策略”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“source”：“Crossref”、“is-referenced-by-count”：31，“title”：[“分割脑肿瘤和放射治疗规划中存在风险的组织的模型自适应方法”]，“前缀”：“10.1016”，“卷”：“54”，“作者”：[{“给定”：“Mikael”，“家族”：“Agn”，“序列”：“第一”，“从属关系”：[]}，{“ORCID”：“http://\/orcid.org\/00000-0002-5988-8994”，“authenticated-orcid”：false，“given”：“Per”，“family”：“Munck af Rosensch\u00f6ld”，“sequence”：“additional”，“affiliation”：[]}，{“givent”：“Oula”，”family“Puonti”，“序列”：“附加”，“从属关系”：[]}，“orcid”：false，“given”：“Michael J.”，“family”：“伦德曼”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Laura”，“family”：“Mancini”，“序列”：“附加”，“从属”：[]}，}“giving”：“Anastasia”，“家庭”：“Papadaki”，“顺序”：“额外”，“附属”：[[]}.，{family“：”Ashburner“，”sequence“：“additional”，“affiliation”：[]}，{“given”：“Ian”，“family”：“Law”，“sequence”：“addressive”，“abfiliation“：[]{”given“：”Koen“，”family“：”Van Leemput“，”sequence“：”additional“，”affiliation:[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.media.2019.03.005_sbref0001“，”series-title“：”SPIE医学影像学会议记录“，”文章le-title“：“胶质母细胞瘤患者放射治疗计划中肿瘤和危险组织分割的生成模型”，“作者”：“Agn”，“年份”：“2016”}，{“关键”：“10.1016\/j.media.2019.03.005_bib0002”，“系列-标题”：“Brainlesion:胶质瘤、多发性硬化、中风和创伤性脑损伤：Brainles 2015第一次国际研讨会，与MICCAI联合举办，德国慕尼黑修订论文集”，“首页”：“168”，“文章标题”：“在肿瘤形状之前使用rbm生成模型进行脑肿瘤分割”，“作者”：“Agn”，“年份”：“2016”}，{“issue”：“4”，“key”：“10.1016\/j.media.2019.03.005_bib0003”，“doi-asserted-by”：“crossref”，“first page”：”212“，”doi“：”10.1002\/（SICI）1097-0193（200004）9:4<212:：AID-HBM3>3.0.CO；2-#“，”article-title“：”使用三维对称先验u2013进行图像注册“，”volume“：”9“，”author“：”Ashburner“，”year“：”2000“，”journal-title“：”Hum.Brain.Mapp“}，{“key”：“10.1016\/j.media.2019.03.005_bib0004”，“series-title”：“Brainlesion:胶质瘤、多发性硬化、中风和外伤性脑损伤：第一次国际研讨会，Brainles 2015，与德国慕尼黑MICCAI联合举办，修订论文集”，“首页”：“144”，“article-title”：“Glistrboost：将多模态mri分割、注册和生物物理肿瘤生长模型与梯度增强机器结合用于胶质瘤分割”，“author”：“Bakas”，“year”：“2016”}，{“issue”：“1”，“key”：“10.1016\/j.media.2019.03.005_bib0005”，“doi-asserted-by”：“crossref”，“first page”：”59“doi”：“101002\/ima.22037”，“article-title”：“用于放射治疗和神经外科的脑肿瘤图像集成分割”，“卷”：“23”，“作者”：“Bauer”，“年份”：“2013年”，“期刊标题”：“国际成像系统技术”}，{“关键”：“10.1016\/J.media.2019.03.005_bib0006”，“系列标题”：《国际医学图像计算和计算机辅助干预会议论文集》，“首页”：“354”，“article-title”：“使用支持向量机分类结合分层条件随机场正则化实现脑肿瘤图像的全自动分割”，“author”：“Bauer”，“year”：“2011”}，{“issue”：“2”，“key”：“10.1016\/j.media.2019.03.005_bib0007”，“doi-asserted-by”：“crossref”，“first-page”：“735”，“doi”：“10.1118\/1.2826557”，“article-title”：“基于几何模型的ct图像视觉器官分割”，“volume”：“35”，“author”：“Bekes”，“year”：“2008”，“journal-title“：”Med.Phys.“}，{“issue”：“1”，“key”：”10.1016\/j.media.2019.03.005_bib0008“，”doi-asserted-by“：”crossref“，”first page“：”289“，“doi”：“10.1016\/j.ij”robp.2004.08.055“，”文章标题“：“基于Atlas的mr图像自动分割：放射治疗背景下脑干的验证研究”，“卷”：“61”，“作者”：“Bondiau”，“年份”：“2005年”，“期刊标题”：“国际放射肿瘤生物学物理杂志”}，{“问题”：“5”，“关键”：“10.1016\/J.media.2019.03.005_bib0009”，“doi-asserted-by”：“crossref”，“首页”：“1229”，”doi“：“10.1109\/TMI.2015.2528821”，“文章标题”：“用于多发性硬化症病变分割的具有多尺度特征集成快捷方式的深度3D卷积编码器网络”，“卷”：“35”，“作者”：“Brosch”，“年”：“2016”，“期刊标题”：“IEEE Trans.Med.Imageging”}，｛“issue”：“1”，“key”：“10.1016\/j.media.2019.03.005_bib0010”，“doi-asserted-by”：“crossref”，“first page”：“1”，“doi”：“10.1016\/S0387-7604（89）80002-6”，“article-title”：“人脑科学中的磁共振技术：基于形态计量学的程序蓝图”，“volume”：”11“，“author”：“Caveness”，“year”：“1989”，“journal-title“：”brain Devel，“doi-asserted-by”：“crossref”，“first page”：“566”，“doi”：“10.1162\/jocn.1996.8.6.566”，“article-title”：“基于核磁共振成像的人类新皮质地形分区：一种具有可靠性估计的解剖学特定方法”，“体积”：“8”，“作者”：“Caveness”，“年份”：“1996”，“期刊标题”：“J.Cogn.Neurosci.”}，{“问题”：“3”，“关键”：“10.1016\/j.media.2019.03.005_bib0012”，“doi-asserted-by”：“crossref”，“first page”：“805”，“doi”：“10.1162\/NECO_a_00397”，“article-title”：“用于训练受限Boltzmann机器的增强梯度”，“volume”：”25“，”author“：”Cho“，“year”：“2013”，“journal-title“：”Neural Comput.“}”，{“issue”：“3”，“key”：3.005_bib0013“，”doi-asserted-by“：“crossref”，“first page”：“326”，“DOI”：“10.1016\/j.radonc.2014.06.006”，“article-title”：“原发性脑肿瘤放疗患者脑结构的自动描绘：从图谱到剂量\u2013体积直方图”，“volume”：”112“，“author”：“Conson”，“year”：“2014”，“journal-title“：”Radioth.Oncol.“}，{“issue”：“5”，“key”：“10.1016\/j.media.2019.03.005_bib0014”，“doi-asserted-by”：“crossref”，“first page”：“629”，“doi”：“10.1109\/TMI.2007.912817”，“article-title”：“利用集成贝叶斯模型分类进行有效的多层次脑肿瘤分割”，“volume”：”27“，”author“：”Corso“，“year”：“2008”，“journal-title“：”IEEE Trans.Med.Imaging“}，{“issue”：“10”，“key”：“10.1016\/j.media.2019.03.005_bib0015”，“doi-asserted-by”：“crossref”，“first page”：“1301”，“doi”：“10.1109\/TMI.2004.834618”，“article-title”：“基于Atlas的病理mr脑图像分割，使用病变生长模型”，“volume”：”23“，”author“：”Cuadra“，“year”：“2004”，“journal-title“：”IEEE Trans.Med.Imaging“}，{“issue”：“5”，”“key”：“10.1016\/j.media.2019.03.005_bib0016”，“doi-asserted-by”：“交叉引用”，“首页”：“S2”，“doi”：“10.1188\/16.CJON.S1.2-8”，《文章标题》：“胶质母细胞瘤：疾病和治疗概述”，“卷”：“20”，“作者”：“戴维斯”，“年份”：“2016年”，“期刊标题”：“临床医学杂志。05_bib0017“，”系列标题“：“医学图像计算和计算机辅助干预国际会议论文集”，“第一页”：“589”，“文章标题”：“大空间占位肿瘤存在时的脑图谱变形”，“作者”：“Dawant”，“年份”：“1999”}，{“issue”：“14”，“key”：“10.1016\/j.media.2019.03.005_bib0018”，“doi-asserted-by”：“crossref”，“首页”：“4557”，“DOI”：“10.1088\/0031-9155\/56\/14\/021”，“文章标题”：“空间占位性病变中大脑结构手动和自动分割方法的比较：多专家研究”，“卷”：“56”，“作者”：“迪利”，“年份”：“2011”，“期刊标题”：《物理学、医学、生物学》}，{“关键”：“101016\/j.media.2019.03.005_bib0019”，“first page”：“1”，“article-title”：“通过em算法获得不完整数据的最大似然”，“author”：“Dempster”，“year”：“1977”，“journal-title“：”J.R.Stat.Soc.Ser.B（Methodol.）“}，{“key”：”10.1016\/J.media.2019.03.005_bib0020“，”series-title“：“IEEE第十二届国际生物医学成像研讨会（ISBI）论文集”，“first-page”：“1102”，“article-title”：“mri视神经快速全自动分割方法及其在放射外科中的应用”，“author”：“Dolz”，“year”：“2015”}，{“issue”：“4”，“key”：“10.1016\/j.media.2019.03.005_bib0021”，“doi-asserted-by”：“crossref”，“first page”：：“放射治疗和放射外科MRI上皮层下脑结构的分割算法：调查”，“卷”：“36”，“作者”：“Dolz”，“年份”：“2015”，“期刊标题”：“IRBM”}，{“问题”：“2”，“关键”：“10.1016\/j.media.2019.03.005_bib0022”，”doi-asserted-by“：”crossref“，“首页”：“216”，“doi”：“101016\/0370-2693（87）91197-X”，“文章标题”：“Hybrid montecarlo”，“volume”：“195”，“author”：“Duane”，“year”：“1987”，“journal-title”：“Phys.Lett.B”}，{“issue”：“1”，“key”：”10.1016\/j.media.2019.03.005_bib0023“，”doi-asserted-by“：”crossref“，”first page“：”25“，“doi”：“10.1016\/j.patcog.2013.05.025”，“article-title“：”Training restricted boltzmann machines:an introduction“，“卷”：“47”，“作者”：“费舍尔”，“年份”：“2014”，“日志标题”：“模式识别”}，{“问题”：“2”，“关键”：“10.1016\/j.media.2019.03.005_bib0024”，“doi-asserted-by”：“crossref”，“首页”：“774”，”doi“：”10.1016\/j.neuroimage.2012.01.021“，”article-title“：”Freesurfer“，”volume“：”62“，”author“：”Fischl“，”年份“：”2012“，”日志标题“：“neuroimage”}，{“key”：“10.1016\/j.media.2019.03.005_bib0025”，“series-title”：“神经信息处理系统进展会议录”，“首页”：“912”，“文章标题”：“使用双层网络对二元向量分布的无监督学习”，“作者”：“Freund”，“年份”：“1992”}，{“问题”：“2”，《关键》：“10.1016\/j.media.2019.03.005_bib0026”，“doi-asserted-by”：“crossref”，《首页》：“378”，“doi”：“10.1016\/j.neuroimage.2011.03.080”，“article-title”：“多通道磁共振图像中ms病变分割的空间决策林”，“volume”：“57”，“author”：“Geremia”，“year”：“2011”，“journal-title“：”neuroimage“}，{“key”：”10.1016\/j.media.2019.03.005_bib0027“，”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”：“516”，“文章标题”：“MRI领域自适应的转移学习：在脑损伤分割中的应用”，“作者”：“Ghafoorian”，“年份”：“2017”}，{“问题”：“10”，“关键”：“10.1016\/j.media.2019.03.005_bib0028”，“doi-asserted-by”：“crossref”，“first page”：“1941”，“DOI”：“10.1109\/TMI.2012.2210558”，“article-title”：“Glistr:胶质瘤图像分割和注册”，“volume”：”31“，“author”：“Gooya”，”year“：”2012“，”journal-title“：”IEEE Trans.Med.Imaging“}，{“key”：我“：“10.1016\/j.media.2016.05.004”，“article-title”：“基于深度神经网络的脑肿瘤分割”，“volume”：“35”，“author”：“Havaei”，“year”：“2017”，“journal-title“：”Med.Image Anal.“}，{“key”：”10.1016\\j.media.2019.03.005_bib0030“，“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”：“469”，“文章标题”：“Hemis:异模态图像分割”，“作者”：“Havaei”，“年份”：“2016”}，{“问题”：“8”，“关键”：“10.1016\/j.media.2019.03.005_bib0031”，“doi-asserted-by”：“crossref”，”首页“1771”，”doi“：“10.1162\/08976602760120018”，“文章标题”：“通过最大限度地减少对比分歧来培训专家的产品”，“卷”：“14”，“作者”：“Hinton”，“年份”：“2002”，“期刊标题”：“神经计算”}，｛“问题”：“7”，“密钥”：“10.1016\/j.media.20199.03.005_bib0032”，“doi断言者”：“crossref”，“首页”：“766”，“doi”：“10.1016\/j.media.2013.04.0005”，“article-title”：“使用蒙特卡罗抽样改进贝叶斯分段推断：应用于海马亚区容积测定”，“volume”：“17”，“author”：“Iglesias”，“year”：“2013”，“journal-title“：“Med.Image Anal.”}，{“issue”：“1”，“key”：”10.1016\/j.media.2019.03.005_bib0033“，”doi-asserted-by“：”crossref“，”first page“：”93“，”doi“：“10.1016\/j.radonc.2007.11.030”，“article-title”：“评估基于图谱的自动分割软件，用于在放射治疗临床背景下描绘风险脑器官”，“volume”：“87”，“author”：“Isambert”，“year”：“2008”，“journal-title“：“Radiother.Oncol.”}，{“issue”：“11”，“key”：”10.1016\/j.media.2019.03.005_bib0034“，“doi断言者”：“crossref”，“首页”：“3204”，“doi”：“10.1109\/TBME.2013.2271383”，“文章标题”：“脑肿瘤检测和分割的多重分形纹理估计”，“卷”：“60”，“作者”：“伊斯兰”，“年份”：“2013”，“期刊标题”：“IEEE Trans.Biomed.Eng.”}，{“key”：“10.1016\/j.media.2019.03.005_bib0035”，“doi断言者”：“crossref”，“first page”：“61”，“DOI”：“10.1016\/j.media.2016.10.004”，“article-title”：“高效多尺度3D CNN，具有完全连接的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”：“1019.03.005_bib0036”，“DOI-asserted-by”：“crossref”，“first-page”：“17”，“内政部”：“10.1016\/j.media.2015.06.004”，“article-title”：“用于检测和分割医学图像中微小增强病理的自适应多级条件随机场”，“volume”：“27”，“author”：“Karimaghaloo”，“year”：“2016”，“journal-title“：”Med.Image Anal.“}，{“issue”：“1”，“key”：”10.1016\/j.meda.2019.03.005_bib0037“，”doi-asserted-by“：”crossref“，“首页”：“1”，“DOI”：“10.1109\/42.20356”，“文章标题”：“核磁共振成像中的解剖分割和体积计算”，“卷”：“8”，“作者”：“肯尼迪”，“年份”：“1989”，“期刊标题”：《IEEE Trans.Med.imaging》}，{“问题”：“14”，“关键”：“101016\/j.media.2019.03.005_bib0038”，《DOI-asserted-by》：“crossref”，“首版”：“145007”，“DOI”：“10.1088\/1361-6560\/aacb65”，“article-title”：“基于图谱的头颈部mr图像分割方法的几何和剂量学评估”，“volume”：“63”，“author”：“Kieselmann”，“year”：“2018”，“journal-title“：”Phys.Med.Biol.“}，{”key“10.1016\/j.media.2019.03.005_bib0039”，“unstructured”：“Kingma，D。P.，Welling，M.，自动编码变分贝叶斯。arXiv预印本arXiv:1312.6114，2013.“}，{“issue”：“11”，“key”：“10.1016\/j.media.2019.03.005_bib0040”，“doi-asserted-by”：“crossref”，“doi”：“10.2196\/jmir.2930”，“article-title”：“虚拟骨架数据库：生物医学研究和合作的开放存取存储库”，“volume”：”15“author”：“Kistler”，“year”：“2013”，“journal-title“：”j.Med。互联网研究“}，{”key“：”10.1016\/j.media.2019.03.005_bib0041“，”series-title“：”IEEE声学、语音和信号处理国际会议论文集“，”首页“：”1757“，”article-title“：“生成截断多元高斯随机变量的吉布斯抽样方法”，“volume”：“3”，“author”：“Kotecha”，“year”：“1999”}，{“key”：“10.1016\/j.media.2019.03.005_bib0042”，“series-title”：“医学图像计算和计算机辅助干预国际会议论文集”，“首页”：“763”，“文章标题”：“多灶胶质瘤分割和注册的生成模型组合”，“作者”：“Kwon”，“年份”：“2014”}，{”key“：“10.1016\/j.media.2019.03.005_bib0043”，“doi-asserted-by”：“crossref”，“首页”：“207”，“doi”：“10.116\/j.semradonc.2014.02.009”，“文章标题”：“磁共振成像\u2013linac系统”，“卷”：“24”，“作者”：“拉根迪jk”，“年份”：“2014”，“新闻标题”：《Sem.Radia.Oncol.》}，{“问题”：“3”，：“10.1016\/j.media.2019.03.005_bib0044”，“doi-asserted-by”：“crossref”，“first page”：“815”，“doi”：“10.1109\/TMI.2016.26243”，“article-title”：“基于计算肿瘤生长模型的个性化放疗计划”，“volume”：”36“，“author”：“L\u00ea”，”year“：”2017“，”journal-title“：”IEEE Trans.Med.Imaging“}，{“key”：《10.1016\/j.media.2019.03.005_bib0045》“，”doi-assert-by“：”cross参考“，“first page”：“42”，“DOI”：“10.1016\/j.media.2016.04.005”，“article-title”：“采样图像分割以进行不确定性量化”，“volume”：”34“，“author”：“L\u00ea”，“year”：“2016”，“journal-title“：“Med.image Anal.”}，{“issue”：“10”，“key”：“95”，“DOI”：“10.1145\/2001269.2001295”，“article-title”：“卷积深度信念网络分层表征的无监督学习”，“volume”：“54”，“author”：“Lee”，“year”：“2011”，“journal-title“：”Commun.ACM“}”，{“issue”：“1\u20133”，“key”：”10.1016\/j.media.2019.03.005_bib0047“，”doi-asserted-by“：”crossref“，“first-page”：“503”，”doi“：“10.1007\/BF01589116”，“article-title”：“关于有限内存的大规模优化BFGS方法”，“volume”：“45”，“author”：“Liu”，“year”：“1989”，“journal-title“：“Math.Program”}，{“issue”：“1”，“key”：”10.1016\/j.media.2019.03.005_bib0048“，”doi-asserted-by“：”crossref“，”first page“：”8“，“doi”：“10.14791\/btr.2015.3.1.8”，“”文章标题“：“现代脑肿瘤成像”，“卷”：“3”，“作者”：“Mabray”，“年份”：“2015”，“期刊标题”：“脑肿瘤研究治疗”}，{“密钥”：“10.1016\/j.media.2019.03.005_bib0049”，“系列标题”：“大脑损伤：胶质瘤、多发性硬化、中风和创伤性脑损伤：第一次国际研讨会，与德国慕尼黑MICCAI联合举办的大脑修订论文集”，“首页”：“119”，“文章标题”：“使用随机森林分割脑损伤的图像特征”，“作者”：“迈尔”，“年份”：“2016”}，{“关键”：“10.1016\/j.media.2019.03.005_bib0050”，“非结构化”：“Melchior，j.，Fischer，A.，Wang，N.，Wiskott，L.，如何将二进制受限Boltzmann机器居中。arXiv预印本arXiv:1311.13542013.”}，{“issue”：“10”，“key”：“10.106\/j.media.2019.03.005_bib051”，“doi-asserted-by”：“crossref”，“首页”：“1993”，“doi”：“101109\/TMI.2014 2377694英寸，“article-title”：“多模态脑肿瘤图像分割基准（brats）”，“volume”：“34”，“author”：“Menze”，“year”：“2015”，“journal-title“：”IEEE Trans.Med.Imaging“}，{“key”：”10.1016\/j.media.2019.03.005_bib0052“，“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”：“151”，“article-title”：“多模态图像中脑肿瘤分割的生成模型”，“author”：“Menze”，“year”：“2010”}，{“key”：“10.1016\/j.media.2019.03.005_bib0053”，“series-title”：《医学图像计算与计算机辅助干预国际会议论文集》，“首版”：“372”，“article-tiple”：“自动大脑和肿瘤分割”，“author”：“Moon”，“year”：“2002”}，{“key”：“10.1016\/j.media.2019.03.005_bib0054”，“series-title”：“Machine Learning:A Probabilistic Perspectives”，“author”:“Murphy”，“year”:“2012”}内政部“：“10.1093\/neuonc\/nou316”，“article-title”：“[18f]-氟-乙基-酪氨酸pet成像对高级胶质瘤放射治疗靶点定义的影响”，“volume”：“17”，“author”：“Munck af Rosensch\u00f6ld”，“year”：“2014”，“journal-title“：“Neuro-Oncol.”}，{“issue”：“6”，“key”：《10.1016\/j.media.2019.03.005_bib0063》，“doi-asserted-by”：“crossref”，“首页”：“777”，“DOI”：“10.3109\/0284186X.2011.584555”，“文章标题”：“基于ct、fdg-pet、dti-mri和纤维追踪的恶性胶质瘤光子和质子治疗计划比较”，“体积”：“50”，“作者”：“Munck af Rosensch\u00f6ld”，“年份”：“2011”，“杂志标题”：《肿瘤学报》（Madr.）}，{“问题”：“6”，“关键”：“10.1016\/j.media.2019.03.005_bib0055”，“doi-asserted-by”：“crossref”，“first page”：“877”，“doi”：“10.12016\/j.media.2011年5月01日”，“article-title”：“用于分割mr和ct图像中的视神经和视交叉的地图集优化中轴和变形模型算法（mogram）”，“体积”：“15”，“作者”：“Noble”，“年份”：“2011”，“journal-title”：“Med.Image Anal.”}，{“issue”：“5”，“key”：“10.1016\/j.media.2019.03.005_bib0056”，“doi-asserted-by”：“crossref”，“first page”：《1240》，“doi”：“101109\/TMI.2016.2538465”，《article-title》：“在MRI图像中使用卷积神经网络进行脑肿瘤分割”，“volume”:“35”，“author”：“Pereira”，“year”：“2016”，“journal title”：IEEE传输医学。成像“}，{“问题”：“12”，“关键”：“10.1016\/j.media.2019.03.005_bib0057”，“doi-asserted-by”：“crossref”，“首页”：“1341”，“doi”：“101016\/S1076-6332（03.“}，{”issue“：”1“，”key“：”10.1016\/j.media.2019.03.005_bib0058“，”doi-asserted-by“：”crossref“，”first-page:“9”，“doi”：“10.1002\/ana.22425”，“article-title”：“胶质母细胞瘤的当前概念和管理”，“volume”：“70”，“author”：“Preusser”，“year”：“2011”，“journal-title“：”Ann.Neurol。“}，{”key“：”10.1016\/j.media.2019.03.005_bib0059“，”doi-asserted-by“：”crossref“，”first page“：“235”，“doi”：“10.1016\/j.neuroimage.2016.09.011”，“article-title”：“使用参数贝叶斯建模的快速序列自适应全脑分割”，“volume”：“143”，”author“：”Puonti“，”年份“：”2016“，”journal-title“：”neuroimage“}”，{“key”：”10.1016\/j.media.2019.03.005_bib0060“，“非结构化”：“Rajchl，M.，Pawlowski，N.，Rueckert，D.，Matthews，P.M.，Glocker，B.，2018。神经网络：快速、稳健地复制多个大脑图像分割管道。arXiv:1806.04224.“}，{”key“：”10.1016\/j.media.2019.03.005_bib0061“，”unstructured“：”Rodriguez-Yam，G.，Davis，R.A.，Scharf，L.L.，截断多元正态的有效Gibbs抽样及其在约束线性回归中的应用“，未出版手稿，2004年医学图像计算与计算机辅助干预国际会议论文集”，“首页”：“231”，“文章标题”：“学习有限数据的完全卷积网络的错误纠正增强”，“作者”：“Roy”，“年份”：“2017”}，{“键”：“10.1016\/j.media.2019.03.005_bib0065”，“doi-asserted-by”：“crossref”，“第一页”：753“，”DOI“：”10.1016\/j.nicl.2016.09.021“，”article-title“：”使用多参数MRI进行脑肿瘤分割的无监督分类方法比较“，”volume“：”12“，”author“：”Sauwen“，”year“：”2016“，”journal-title”：“NeuroImage:Clinical”}，{“issue”：“4”，“key”：“10.1016\/j.media.2019.03.005_bib0066”，“DOI-asserted-by”：“crossref”，“首页“：”1177“，”DOI“：”10.1016\/j.ijrobp.2009.03.013“，”文章标题“：”额颞叶高级胶质瘤的调容弧治疗与常规调强放疗的比较“，”体积“：”76“，”作者“：”Shaffer“，”年份“：”2010“，”杂志标题“：“国际放射杂志”。昂科尔。生物物理。“}，{”key“：”10.1016\/j.media.2019.03.005_bib0067“，”series-title“：”并行分布式处理：认知微观结构的探索“，”first page“：“194”，”article-title“：“动力系统中的信息处理：和谐理论的基础”，“volume”：“1”，“author”：“Smolensky”，“year”：“1986”}，”{“issue”：“2”，“key”：”10.1016\/j.media.2019.03.005_bib0068“，”doi-asserted-by“：”crossref“，”first page“：”209“，”doi“：”10.1007\/s12021-014-9245-2“，”article-title“：”使用ANTSR进行监督脑肿瘤分割（简化）的最佳对称多模态模板和级联随机森林“，”volume“：“13”，”author“：”Tustison“，”year“：”2015“，”journal-title:“”神经信息学“}，{“issue”：“3”，“key”：“10.1016\/j.media.2019.03.005_bib0069”，“doi asserted by”：“crossref”，“首页”：“747”，“doi”：“10.1088\/0031-9155\/59\/3\/747”，“文章标题”：“基于肿瘤生长模型的胶质母细胞瘤放射治疗规划：改善靶体积描绘”，“体积”：“59”，“作者”：“Unkelbach”，“年份”：“2014”journal-title“：”物理。医学生物学。“}，{”key“：”10.1016\/j.media.2019.03.005_bib0070“，”unstructured“：”Valindria，V.V.，Lavdas，I.，Bai，W.，Kamnitsas，K.，Aboagye，E.O.，Rockall，A.G.，Rueckert，D.，Glocker，B.，使用反向分类精度进行MRI器官分割的域适配。arXiv预印本arXiv:1806.003632018。“}”，{“问题”：“482”，“key”：“10.1016\/j.media.2019.03.005_bib0071“，”doi asserted by“：”crossref“，”首页“：”790“，”doi“：”10.1198\/01614508000000409“，”文章标题“：”部分坍塌的吉布斯采样器：理论和方法“，”卷“：”103“，”作者“：”Van Dyk“，”年份“：”2008“，”期刊标题“：”j.Am.Stat.Assoc.“}，｛”问题“：”6“，”密钥“：”10.1016\/j.media.2019.03.005_bib0072“，”doi-asserted-by“：”crossref“，”first page“：”822“，”doi“：”10.1109\/TMI.2008.2010434“，”article-title“：”使用贝叶斯推理对概率脑图谱进行编码“，”volume“：“28”，”author“：”Van Leemput“，”year“：”2009“，”journal-title”：“IEEE Trans。Med.Imaging“}，{“key”：“10.1016\/j.media.2019.03.005_bib0073”，“series-title”：“医学图像计算和计算机辅助干预国际会议论文集”，“首页”：“11”，“文章标题”：“多通道磁共振图像中多发性硬化病变的自动分割”，“作者”：“Van Leemput”，“年份”：“1999”}，}“问题”：“8”，“key“10.1016\/j.media.2019.03.005_bib0074“，”doi-asserted-by“：”crossref“，”first page“：”677“，”doi“：”10.1109\/42.938237“，“article-title”：“通过模型异常值检测自动分割多发性硬化病变”，“volume”：“20”，“author”：“Van Leemput”，“year”：“2001”，“journal-title“：”IEEE Trans。医学成像“}，{”问题“：”10“，”关键“：”10.1016\/j.media.2019.03.005_bib0075“，”doi-asserted-by“：”crossref“，”首页“：”885“，“doi”：“10.1109\/42.811268”，“article-title”：“基于模型的脑磁共振图像偏置场自动校正”，“volume”：“18”，“author”：“Van Leemput”，“year”：“1999”，“journal-title“：”IEEE Trans.Med.Imaging“}”，{“问题”：“4”，“key“：”10.1016\/j.media.2019.03.005_bib0076“，”doi-asserted-by“：”crossref“，”first page“：“429”，“doi”：“10.1109\/42.511747”，“article-title”：“MRI数据的自适应分割”，“volume”：“15”，“author”：“Wells”，“year”：“1996”，“journal-title“：”IEEE Trans。医学成像“}，{“问题”：“2”，“关键”：“10.1016\/j.media.2019.03.005_bib0077”，“doi-asserted-by”：“crossref”，“首页”：“259”，“doi”：“10.3174\/ajnr.A4514”，“文章标题”：“Flair2:结合flair和t2改进ms病变检测”，“卷”：“37”，“作者”：“Wiggermann”，“年份”：“2016”，“新闻标题”：《美国神经病学杂志》radiol.“}，{”键“：”10.1016\/j.media.2019.03.005_bib0078“，“series-title”：“医学图像计算和计算机辅助干预国际会议论文集”，“首页”：“369”，“article-title”：“多通道mr中高级胶质瘤组织特异性分割的决策林”，“author”：“Zikic”，“year”：“2012”}，“container-title“：[”医学图像分析“]”，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1361841518305103？httpAccept=text\/xml”，“content-type”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://api.elsevier.com/content\/aarticle\/PII:S1365184 1518305103？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2019,8,7]]，“date-time”：“2019-08-07T05:42:58Z”，“timestamp”：1565156578000}，“score”：1，“resource”：{“primary”：“URL”：“https://linkinghub.elsevier.com//retrieve\/pii\/S1 361841518305103“}}，”副标题“：[]，”短标题“：[]，”已发布“：{“date-parts”：[[2019,5]]}，“references-count”：78，“alternative-id”：[“S1361841518305103”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.media.2019.03.005”，“relationship”：{}，”ISSN“：[”1361-8415“]，”ISSN-type“：[{“value”：“1361-8413”，“type”：”print“}]，“subject”：[]，“published”：{“date-parts”：[[2019,5]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”一种用于分割脑肿瘤和放射治疗规划中存在风险的组织的自适应模型方法“，”name“：”articletite“，”标签“：”article Title“}”，{“value”：“Medical Image Analysis”，“name”：“journaltite”，“label”：“Journal Title”}https:\/\/doi.org\/10.1016\/j.media.2019.03.005“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2019 The Authors.Published by Elsevier B.V.“