{“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”：[[2024,6,19]]，“日期-时间”：“2024-06-19T09:51:54Z”，“时间戳”：1718790714786}，“引用-计数”：38，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-部分”：[[2021,2,1]]，”日期-时间“：”2021-02-01T00:00Z“，”timestamp“：1612137600000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100010245”，“name”：“中国国家社会科学基金会”，“DOI-asserted-by”：“publisher”，“award”：[“19BTJ011”]}，{“DOI”：”10.13039\/501100001809“，”name“：“中国自然科学基金会“，”DOI由“：”publisher“提供，“奖项”：[“81770584”，“81570504”]}，｛“DOI”：“10.13039\/50101100002822”，“名称”：“中南大学”，“DOI由”断言：“出版商”，“奖项”：[“2019zzts213”]}]，“内容域”：｛“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true｝，“短容器标题”：[“模式识别”]，“已发布的印刷品”：｛“日期部分”：[[2021,2]]｝，“DOI”：“10.1016\/j.patcog.2020.107613”，“type”：“journal-article”，“created”：{“date-parts”：[[2020,8,26]]，“date-time”：“2020-08-26T15:31:57Z”，“timestamp”：1598455917000}，“page”：”107613“，”update-policy“：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“标题”：[“胸部X光片上社区获得性肺炎与新型冠状病毒的自动鉴别和定位”]，“前缀”：“10.1016”，“卷”：“110”，“作者”：[{“给定”：“郑”，“家庭”：“王”，“序列”：“第一”，“从属”：[]}，{“给出”：“应”，“家人”：“肖”，“顺序”：“附加”，“隶属”：[]}，“affiliation”：[]}，{“given”：“Jie”，“family”：“Zhang”，“sequence”：“additional”，“affeliance”：[]}[]}，{“给定”：“小伟”，“家庭”：“Liu”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“issue”：“13”，“key”：“10.1016\/j.patcog.2020.107613_bib0001”，“doi-asserted-by”：“crossref”，“first page”：《1199》，“doi”：“101056\/NEJMoa2001316”，《article-title》：“新型冠状病毒肺炎在中国武汉的早期传播动力学”，“volume”：”382“author”“：”李“，“年份”：“2020年”，“新闻标题”：“新英格兰医学”}，{“key”：“10.1016\/J.patcog.2020.107613_bib0002”，“首页”：“200905”，“文章标题”：《人工智能区分肺炎衣原体-19与社区获得性肺炎的胸部ct》，“作者”：“李”，“年”：“2020”，“日记标题”：”放射学，“doi-asserted-by”：“crossref”，“first page”：“727”，“doi”：“10.1056\/NEJMoa2001017”，《article-title》：“2019年中国肺炎患者的新型冠状病毒”，“volume”：《382》，“author”：“Zhu”，《year》：“2020”，“journal-title”：“N.Engl.J.Med.”}，{“issue”：“1”，“key”：”10.1016\/J.patcog.2020.107613_bib0004“，”doi-assert by“：”crossref“，”first page“：”202“，“DOI”：“10.1148\/radiol.2020200230”，“article-title”：“2019年新型冠状病毒（2019-ncov）的Ct影像学特征”，“volume”：“295”，“author”：“Chung”，“year”：“2020”，“journal-title“：”Radiology“}，{“issue”：“4”，“key”：”10.1016\/j.patcog.2020.107613_bib0005“，”DOI-asserted-by“：”crossref“，”first page“：”390“，“DOI:”10.5 152\/dir.2015.15221“，”文章标题“：“使用剂量监测程序比较儿童神经母细胞瘤患者x射线、ct和pet\/ct的有效辐射剂量”，“卷”：“22”，“作者”：“Kim”，“年份”：“2016年”，“日志标题”：“Diagn.Int.Radiol.”}，{“key”：“10.1016\/j.patcog.2020.107613_sbref0006”，“article-title”：“用于语义分割的完全卷积网络”，“volume”：“39”，“author”：“Shelhamer”，“year”：“2016”，“journal-title”：“IEEE Transactions on Pattern Analysis and Machine Intelligence”}，{“key”：”10.1016\/j.patcog.2020.107613_bib0007“，”series-title“：”International Conference on Learning Representations“，”article-title“：“用于大规模图像识别的深度卷积网络”，“author”：“Simonyan”，“year”：“2015”}，{“key”：“10.1016\/j.patcog.2020.107613_bib0008”，“series-title”：“2016 IEEE计算机视觉与模式识别会议（CVPR）”，“首页”：“770”，“文章标题”：“图像识别的深度剩余学习”，“author”：“He”，”year“2016”}：“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.patcog.2020.107613_bib0010”，“series-title”：“第30届IEEE计算机图像和模式识别大会”，“首页”：“1800”，“article-title”：“Xception：深度学习，深度可分离卷积”，“author”：“Cholet”，“year”：“2017”}，{“key”：“10.1016\/j.patcog.2020.107613_bib0011”，“doi-asserted-by”：“crossref”，”doi“10.1016 \/j_patcog.2018.07.022”，“article-tiple”：“使用深度卷积网络检测和分类整张乳腺组织病理学图像中的癌症”，“卷”：“84”，“作者”：“Gecer”，“年份”：“2018年”，“期刊标题”：“模式识别”}，{“关键”：“10.1016\/j.patcog.2020.107613_bib0012”，“series-title”：“医学成像2018：图像处理”，“首页”：“785”，“文章标题”：“使用全卷积神经网络和初始模块进行渗出物分割”，“卷”：“10574”，“作者”：“Chudzik”，“年份”：“2018”}，｛“键”：“10.1016\/j.patcog.2020.107613_bib0013”，“doi断言”：“crossref”，“首页”：“107502”，“doi”：“10.1016\/j.patcog.2020.107502”，“文章标题”：“通过超连接卷积神经网络对多模态皮肤病变进行多标签分类”，“卷”：“107”，“作者”：“Bi”，“年份”：“2020”，“日记标题”：“模式识别”}，{“键”：“10.1016\/j.patcog.2020.107613_bib0014”，“doi-asserted-by”：“crossref”，《首页》：“209”，“doi”：“101016\/j.patgog.2018.05.026”，“article-title”：“结肠镜检查期间使用基于回归的卷积神经网络和跟踪器检测息肉”，“卷”：“83”，“作者”：“张”，“年份”：“2018”，“期刊标题”：“模式识别”}，{“键”：“10.1016\/j.patcog.2020.107613_bib0015”，“doi-asserted-by”：“crossref”，“首页”：“103792”，“doi”：“101016\/j.compbiomed.2020.103792”：“使用x射线图像的深度神经网络自动检测新冠肺炎病例”，“卷”：“28”，“作者”：“Ozturk”，“年份”：“2020”，“期刊标题”：“Comput.Biol.Med.”}，{“密钥”：“10.1016\/j.patcog.2020.107613_bib0016”，“doi断言”：“crossref”，“首页”：“105581”，“doi”：“10.1016\/j.cmpb.2021015581”，“文章标题”：“Coronet：一个用于从胸部x射线图像中检测和诊断covid-19的深度神经网络”，“volume”：“196”，“author”：“Khan”，“year”：“2020”，“journal-title”：“Compute.Methods Programs Biomed.”}，{“key”：”10.1016\/j.patcog.2020.107613_bib0017“，”doi-asserted-by“：”crossref“，”unstructured“：”a.Narin，C.Kaya，Z。Pamuk，《利用x射线图像和深度卷积神经网络自动检测冠状病毒病（covid-19）》，2020年。“，”DOI“：”10.1007\/s10044-021-00984-y“}，{“key”：“10.1016\/j.patcog.2020.107613_bib0018”，“首页”：“1”，“文章标题”：“人工智能快速诊断covid-20患者”，“作者”：“梅”，“年份”：“2020”，“journal-title”：“Nat.Med.”}，{“key”：“10.1016\/j.patcog.2020.107613_bib0019”，“first page”：《201491》，“article-title》：“胸部ct上放射科医生在区分19型冠状病毒与其他病因肺炎方面的表现增强”，“author”：“Bai”，“year”：“2020”，”journal-title“：“Radiology”}、{“key”：”10.1016//j.patpog.2020.10.7613_bin0020“，”series-title“：”第38届IEEE医学和生物学会工程国际年会（EMBC）“，”第一页“：”643“，”文章标题“：”使用深度学习在x射线血管造影中提取血管“，”卷“：”2016“，”作者“：”Nasr-Esfahani“，”年份“：”2016“}，{”问题“：”11“，”关键“：”10.1016\/j.patcog.2020.107613_bib0021“，”doi-asserted-by“：”crossref“，”first page“：”1002686“，”DOI“：”10.1371 \/journal.pmed.1002686“，”article-title“：”胸片诊断的深度学习：“chexnext算法与执业放射科医生的回顾性比较”，“volume”：“15”，“author”：“Rajpurkar”，“year”：“2018”，“journal-title”：“PLoS Med.”}，{“key”：”10.1016\/j.patcog.2020.107613_bib0022“，”非结构化“：”北美R.S.，《Rsna肺炎检测挑战》，2019年，https:\/\/www.kaggle.com/c\/Rsna-pneumonia-detection-challenge\/data。“}，{”key“：”10.1016\/j.patcog.2020.107613_bib0023“，”unstructured“：”j.P.Cohen，P.Morrison，L.Dao，Covid-19图像数据采集，2020年。“}journal-title“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.patcog.2020.107613_bib0025“，”series-title“：”2014 IEEE计算机视觉和模式识别会议“，”首页“：”580“，”article-title“：“丰富的特征层次结构，用于准确的对象检测和语义分割”，“author”：“Girshick”，“year”：“2014”}，“key”：“10.1016\/j.patco.2020.107613_bb0026”，“series-ttle”：“”2017 IEEE计算机视觉与模式识别会议（CVPR）”，“首页”：“936”，“文章标题”：“用于对象检测的特征金字塔网络”，“作者”：“Lin”，“年份”：“2017”}，{“密钥”：“10.1016\/j.patcog.2020.107613_bib0027”，“系列标题”：密集目标检测的焦点丢失”，“author”：“Lin”，“year”：“2017”}，{“key”：“10.1016\/j.patcog.2020.107613_bib0028”，“series-title”：“Computer Vision\u2013 ECCV 2014”，“first page”：”818“，”article-title“：”可视化和理解卷积网络“，”author“：”Zeiler“，”year“：”2014doi-asserted-by“：”crossref“，”unstructured“：”F.Wang，M.Jiang，C.Qian，S.Yang，C.Li，H.Zhang，X.Wang，X.Tang，图像分类的剩余注意网络，in：2017 IEEE计算机视觉和模式识别会议，pp.6450\u20136458.“，”doi“：”10.1109\/CVPR.2017.683“}，{“key”：“10.1016\/j.patcog.2020.107613_bib0030”，“”非结构化”：“C.Szegedy，A.Toshev，D.Erhan，用于对象检测的深度神经网络，摘自：第26届神经信息处理系统国际会议论文集，第u00a0 2卷，第2553\u20132561页。”}，{“key”：“10.1016\/j.patcog.2020.107613_bib0031”，“article-title”：“Adam：随机优化的方法”，“volume”：作者：“Kingma”，“year”：“2014”，“journal-title”：“Int.Confer”。学习。代表。“}，{”key“：”10.1016\/j.patcog.2020.107613_bib0032“，”unstructured“：”N.Ketkar，《Python深度学习：实践简介》，第97\u2013111页。“}”，{“key”：“10.1016\\j.pattog.2020.10.7613_binb0033”，“unstructure”：“N.KeTython深入学习：实践介绍，第159\u2013194页。”}，“key“”：“1016\/j.patcog.2020.1076103_bib 0034”，“”非结构化“：”E.E.-D.Hemdan，M.Shouman，M.Karar，Covidx-net：深度学习分类器框架，用于诊断x射线图像中的新型冠状病毒肺炎，2020年。“}，{“key”：“10.1016\/j.patcog.2020.107613_bib0035”，“series-title”：“2017 IEEE国际计算机视觉会议（ICCV）”，“首页”：“618”，“文章标题”：“Grad-cam：通过基于梯度的本地化从深层网络进行可视化解释“，”author“：”Selvaraju“，”year“：”2017“}，{“key”：“10.1016\/j.patcog.2020.107613_bib0036”，“doi-asserted-by”：“crossref”，“first page”：”90“，”doi“：”10.1016\/j.cviu.2017.0.001“，”article-title“：”视觉问答中的人类注意力：人类和深层网络关注相同的区域吗？“，”卷“：”163“，”作者“：”达斯“，”年份“：”2017“，”新闻标题“：”计算“。视觉图像理解“｝，｛“key”：“10.1016\/j.patcog.2020.107613_bib0037”，“doi断言者”：“crossref”，“首页”：“61”，“doi”：“10.1007\/s40475-020-00201-6”，“文章标题”：“严重急性呼吸系统综合征冠状病毒2型疫苗管道：概述”，“卷”：“7”，“作者”：“Chen”，“年份”：“2020”，“期刊标题”：“Curr.Trop.Med.Rep.”｝，｛“issue”：“5”，“key”：“10.1016\/j.patcog.2020.107613_bib0038“，”doi-asserted-by“：”crossref“，”first page“：”533“，”doi“：”10.1016\/S1473-3099（20）30120-1“，”article-title“：”用于实时跟踪COVID-19的交互式网络仪表板“，”volume“：“20”，”author“：”Dong“，”year“：”2020“，”journal-title”：“柳叶刀感染。疾病。“}]，”container-title“：[”Pattern Recognition“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0031320320304167？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S0031320320304167？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2022,11,10]]，“date-time”：“2022-11-10T03:05:38Z”，“timestamp”：1668049538000}，“score”：1，“resource”：{“primary”：“URL”：“https:\\/linkinghub.elsevier.com\/retrieve\/pii\/S003 1320320304167“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2021,2]]}，”references-count“：38，”alternative-id“：[”S0031320320304167“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.patcog.2020.107613“，”relation“：{}，“ISSN”：[”0031-3203“]，“ISSN-type”：[{“value”：“0031-3023”，“type”:“print”}]，“subject”：【】，“published”：{“date-parts”：[[2021,2]]}，“assertion”：[{“value”：“Elsevier”，“name”：publisher“，”label“：”本文由“}，{”value“：”胸部X光片上社区获得性肺炎与新冠肺炎的自动鉴别和定位“，”name“：”articletite“，”标签“：”article Title“}”，{“value”：“模式识别”，“name”：“journaltite”，“label”：“Journal Title”}https:\/\/doi.org\/10.1016\/j.patcog.2020.107613“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2020 Elsevier Ltd.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“107613”}