{“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”：[[2024,6,29]]，“日期-时间”：“2024-06-29T19:38:25Z”，“时间戳”：1719689905863}，“引用-计数”：57，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-零件”：[2022,1,1]]，”日期-时间“：”2022-01-01T00:00:00 Z“，”timestamp“：1640995200000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,1,10]]，“date-time”：“2022-01-10T00:00:00Z”，“timestamp”：1641772800000}，“content-version”：“vor”，“delay-in-days”：9，“URL“http://creativecommons.org\/licenses\/by-nc-nd”\/4.0\/“}]，”内容域“：{”域“：[”elsevier.com“，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Pattern Recognition”]，”published-print“：{“date-parts”：[2022,1]]}，”DOI“：”10.1016\/j.patcog.2021.108242“，”type“：”journal-article“，”created“:{”date-part“：[2021,8,9]]，”date-time“：”2021-08-09T16:21:52Z“，”timestamp“：1628526112000}”，“page：“108242”，“更新策略”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“source”：“Crossref”、“is-referenced-by-count”：16，“title”：[“Pareto优化深度网络，从胸部X光诊断新冠肺炎”]，“prefix”：“10.1016”，“volume”：”121“，”author“：[{”given“：”Valerio“，”family“：”Guarrasi“，”sequence“：”first“，”affiliation“：[]}，{”given“Natascha Claudia”“，”家庭“：“D\u2019Amico”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Rosa”，“family”：“Sicilia”，“序列”：“附加”，“从属关系”：[]}，}“giving”：“Ermanno”，“家族”：“Cordelli”，“顺序”：“额外”，“隶属关系”：[]}78“，”引用“：[{”问题“：”5“，”密钥“：“10.1016\/j.patcog.2021.108242_bib0001”，“doi-asserted-by”：“crossref”，“首页”：“453”，“doi”：“10.1080\/14737159.2020.1757437”，“article-title”：“COVID-19检测中的实时RT-PCR：影响结果的问题”，“volume”：“20”，“author”：“Tahamtan”，“year”：“2020”，“journal-title“：”Expert Rev.Mol.Diagn.“}，{“issue”：“2”，“键“：“10.1016\/j.patcog.2021.108242_bib0002”，“doi-asserted-by”：“crossref”，“first page”：“E115”，“doi”：“10.1148\/radiol.202020 0432”，“article-title”：“COVID-19胸部CT敏感性：与RT-PCR的比较”，“volume”：”296“，“author”：“Fang”，“year”：“2020”，“journal title”：”放射学“}”，{“issue”：“3”，“key”：atcog.2021.108242_bib0003“，“首页”：“e200210”，“article-title”：“COVID-19：放射学技术、临床实用性和成像特征的多模态综述”，“volume”：“2”，“author”：“Manna”，“year”：“2020”，“journal-title“：“放射学：心胸成像”}，{“key”：”10.1016\/j.patcog.2021.108242_bib0004“，”unstructured“：”W.H。组织，COVID-19中胸部成像的使用，（文件：\/\/\/C:\/Users\/00020626\/Desktop\/WHO-2019-nCoV-Clinical-Radiology_imageg-2020.1-eng.pdf），在线；2021年3月31日访问10.1016\/j.patcog.2021.108242_bib0006“，“article-title”：“COVID-19感染的诊断和预后预测模型：系统回顾和批判性评价”，“volume”：“369”，“author”：“Wynants”，“year”：“2020”，“journal-title“：Br Med j”}，{“key”：”10.1016\/j.petcog.2021.08242_bib0007“，”doi-asserted-by“：”crossref“，“unstructured”：“j.P。科恩等人。，新冠肺炎图像数据收集：前瞻性预测是未来，arXiv预印本arXiv:2006.11988（2020）。“，”DOI“：”10.59275\/j.melba.2020-48g7“}，{”key“：”10.1016\/j.patcog.2021.108242_bib0008“，”DOI-asserted-by“：”crossref“，”first-page:“108035”，“DOI”：“10.1016\/j.petcog.2021.008035”、“article-title”：“基于COVID-19检测研究的医学图像负责任深度学习建模检查表”，“volume”：“118”，“author”：“Hryniewska”，“year”“：”2021“，”journal-title“：”Pattern Recognit“}，{“key”：“10.1016\/j.patcog.2021.108242_bib0009”，“doi-asserted-by”：“crossref”，“first-pages”：“38”，“doi”：“101016\/j.patrec.2016.01.029”，“article-title”：“组合多样性措施进行集合修剪”，“volume”：”74“，“author”：“Cavalcanti”，“year”：“2016”，“journal-title”:“Pattern Rett”}，“：”10.1016\/j.patcog.2021.108242_bib0010“，”doi-asserted-by“：”crossref“，”first page“：”354“，”doi“：”10.1016\/j.petcog.2017.10.013“，”article-title“：”卷积神经网络的最新进展“，”volume“：“77”，“author”：“Gu”，“year”：“2018”，“journal-title”：“Pattern Recognit”}，{“key”：“10.1016//j.pattog.2021.1008242_bbib0011”，“”首页“：”1“，”article-title“：”COVID-19：“利用卷积神经网络传递学习从X射线图像中自动检测”，“author”：“Apostolopoulos”，“year”：“2020”，“journal-title”：“Physical and Engineering Sciences in Medicine”}，{“issue”：“5”，“key”：“10.1016\/j.patcog.2021.108242_bb0012”，“doi-asserted-by”：“crossref”，“first page”：”1122“，“doi”：“10.1016\/j.cell.2018.02.010”，“文章标题”：“通过基于图像的深度学习识别医学诊断和可治疗疾病”，“卷”：“172”，“作者”：“Kermany”，“年份”：“2018”，“日志标题”：”cell“}，{“问题”：“4”，“关键”：“10.1016\/j.patcog.2021.108242_bb0013”，“doi-asserted-by”：“交叉引用”，“首页”：“651”，“doi”：“10.3390\/sym12040651”，“article-title“：”在缺乏胸部COVID-19 X射线数据集的情况下：“基于GAN和深度转移学习的新型检测模型”，“卷”：“12”，“作者”：“洛伊”，“年份”：“2020年”，“期刊标题”：“对称（巴塞尔）”}，{“键”：“10.1016\/j.patcog.2021.108242_bb0014”，“doi-asserted-by”：“crossref”，《首页》：“100360”，“doi”：“10.0016\/j.imu.2020.100360”，“article-title“：“基于exception和resnet50v2串联的改良深度卷积神经网络用于从胸部X光图像中检测新型冠状病毒肺炎”，“author”：“Rahimzadeh”，“year”：“2020”，“journal-title”：“Informatics in Medicine Unlocked”}，{“key”：“10.1016\/j.patcog.2021.108242_bib0015”，“series-title”：IEEE计算机视觉和模式识别会议记录”，“首页”：“2097”，“文章标题”：“胸部X射线8：医院级胸部X射线数据库和常见胸部疾病弱监督分类和定位基准”，“作者”：“王”，“年份”：“2017”}，{“关键”：“10.1016\/j.patcog.2021.108242_bb0016”，“第一页”：1“，”article-title“：“深度学习COVID-19检测偏差：通过人工智能的准确性”，“author”：“Vaid”，“year”：“2020”，“journal-title”：“Int Orthop”}，{“key”：“10.1016\/j.patcog.2021.108242_bib0017”，“doi-asserted-by”：“crossref”，“first page”：”103792“，“doi”：“10116\/j.compbiomed.2020.103792”，“article-title”使用X射线图像深度神经网络自动检测新型冠状病毒肺炎病例”，“作者”：“Ozturk”，“年份”：“2020年”，“期刊标题”：“计算”。生物医药“}，{”key“：”10.1016\/j.patcog.2021.108242_bib0018“，”doi-asserted-by“：”crossref“，”first page“：“103805”，”doi“：”101016\/j.compbiomed.2020.103805“，”article-title“：”使用深度学习模型检测COVID-19，利用模糊颜色和堆叠方法开发社会模拟优化和结构化胸部X光图像”，“author”：“致\u011fa\u00e7ar”，“年份”：“2020”，“期刊标题”：“计算。生物医药“}，{”key“：”10.1016\/j.patcog.2021.108242_bib0019“，”doi-asserted-by“：”crossref“，”first page“：“132665”，“doi”：“10.1109\/ACCESC.2020.3010287”，“article-title”：“AI能帮助筛查病毒和肺炎吗？”，“volume”：“8”，“author”：“Chowdhury”，“year”：“2020”，“journal-title“：”IEEE ACCESS“}”，{“key”：“10.1016\/j.patcog.2021.108242_bib0020”，“doi-asserted-by“：”crossref“，”first page“：”107613“，”doi“：”10.1016\/j.patcol.2020.107613”，”article-title“：”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“，”volume“：“110”，”author“：”Wang“，”year“：”2021“，”journal-title”：“Pattern Recognit”}，{“key”：“10.1016//j.patcog.2021.108242_bib0021”，“”doi-asserted-by“：”crossref“，”first page“：”105608“，”doi“：”10.1016\/j.cmpb.2020.10568“，”article-title“：”通过X射线检测肺部疾病和冠状病毒COVID-19的可解释的深度学习“，”volume“：“196”，”author“：”Brunese“，”year“2020”，”journal-title”：“生物识别计算方法程序”}，{“key”：“10.1016\/j.patcog.2021.108242_bbib0022”，“doi-asserted-by“：”crossref“，”first page“：”105581“，”doi“：”10.1016\/j.cmpb.2020.105581”，”article-title“：”CoroNet:从胸部X光图像检测和诊断新型冠状病毒肺炎的深层神经网络“，”author“：”Khan“，”year“：”2020“，”journal-title”：“Computer Methods Programs Biomed”}，{“key”：“10.1016\/j.patcog.2021.108242_bib0023”，“”doi-assert-by“”：”crossref“，”first page“：”107613“，”DOI“：”10.1016\/j.patcol.2020.107613”，”article-title“：”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“，”volume“：“110”，”author“：”Wang“，”year“：”2021“，”journal-title”：“Pattern Recognit”}，{“key”：“10.1016//j.patcog.2021.108242_bib0024”，”DOI-asserted-by“：”crossref.“，”首页“：”638“，”DOI“：”10.1016\/j.patrec.2020.09.010“，”article-title“：”COVID-CAPS:一个基于胶囊网络的框架，用于从X射线图像中识别COVID-19病例“，”volume“：”138“，”author“：”Afshar“，“year”：“2020”，“journal-title”：“Pattern Recognit Lett”}，{“key”：“10.1016\\j.patcog.2021.108242_bib0025”，“DOI-asserted-by”：“crossref”，“首页“：”107700“，”DOI“：”10.1016\/j.patcog.2020.107700“，“article-title”：“Metacovid：一个对新冠肺炎患者的n-shot诊断具有对比损失的暹罗神经网络框架”，“volume”：“113”，“author”：“Shorfuzzaman”，“year”：“2021”，“journal-title“：”Pattern Recognit“}，{“issue”：“1”，”key“：”1016\/j.patcog.2021.108242_b0026“，“first page”：”1“，”article-title“：“COVID-Net：一种定制的深度卷积神经网络设计，用于从胸部X光图像中检测COVID-19病例”，“volume”：“10”，“author”：“Wang”，“year”：“2020”，“journal-title”：“Sci Rep”}，{“key”：”10.1016\/j.patcog.2021.108242_b0027“，”doi-asserted-by“：”crossref“，”first page“：”107848“，“doi”：“10.1016\/j.petcog.2021.107848”，“article-title“：”COVID-19自动CT和X射线诊断的多任务对比学习“，”卷“：”114“，”作者“：”李“，”年份“：”2021“，”日记标题“：”模式识别“}，{“key”：“10.1016\/j.patcog.2021.108242_bib0028”，“doi-asserted-by”：“crossref”，“首页”：“108055”，“doi”：“101016\/j.pattog.2021.18055”，“article-title”：“使用多核空间通道注意网络从X射线图像检测COVID-19使用X射线图像中的深层特征检测肺部疾病”，“作者”：“Vieira”，“年份”：“2021年”，“新闻标题”：“模式识别”}，{“问题”：“1”，“关键”：“10.1016\/j.patcog.2021.108242_bib0030”，“doi-asserted-by”：“crossref”，“首页”：“2”，“doi”：“101038\/s41597-020-00741-6”，“文章标题”：胸部成像代表美国农村新冠肺炎阳性人群“，“数量”：“7”，“作者”：“Desai”，“年份”：“2020”，“新闻标题”：“科学数据”}，{“关键”：“10.1016\/j.patcog.2021.108242_bib0031”，“doi-asserted-by”：“crossref”，”非结构化“：”P。Soda等人。，AIforCOVID：预测将AI应用于胸部X射线的新型冠状病毒肺炎患者的临床结果。意大利多中心研究，arXiv预印本arXiv:2012.06531（2020）。“，”DOI“：”10.1016\/j.media.2021.102216“}，{”key“：”101016\/j.patcog.2021.108242_bib0032“，”DOI-asserted-by“：”crossref“，”first page“：“102046”，“DOI”：“10.1016//j.media.2021.102046”，“article-title”：“BS-Net：通过大型胸部X光数据集了解COVID-19肺炎的严重程度”，“volume”：“71”，“author”：“Signoroni”，“year”：“”2021年“，”新闻标题“：”Med Image Anal“}，{”issue“：”1“，”key“：”10.1016\/j.patcog.2021.108242_bib0033“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”101038\/s41746-020-00341-z“，”article-title“：使用深度学习融合医学影像和电子健康记录：系统回顾和实施指南”，“volume”：“3”，“author”：“Huang”，“year”：“2020”，“journal-title“：”NPJ数字医学“}，{“issue”：“2”，“key”：“10.1016\/j.patcog.2021.108242_bib0034”，“doi-asserted-by”：“crossref”，“first-pages”：“423”，“doi”：“101109\/TPAMI.2018.2798607”，“article-title”：“多模态机器学习：调查和分类法”，“volument”：“41”，“author”：“Baltru\u0161aitis”，“year”：“2018”，“journal-title”“”IEEE Trans-Pattern Ana Mach Intell“}，{”issue“：”2“，”key“：”10.1016\/j.patcog.2021.108242_bib0035“，”doi-asserted-by“：”crossref“，”first page“：“281”，“doi”：“10.1109\/34.982906”，“article-title”：“六种分类器融合策略的理论研究”，“volume”：“24”，“author”：“Kuncheva”，“year”：“2002”，“journal-title“：”IEEE Trans-Pattern ana Mach Intel}，{“issue”：“2”，“key”：“10.1016\/j.patcog.2021.108242_bib0036”，“doi-asserted-by”：“crossref”，“first-page:”139“，“doi”：“101023\/A:1007607513941”，“article-title”：“构建决策树集合的三种方法的实验比较：装袋、增强和随机化”，“volume”：”40“author”：“Dietrich”，“year”：“2000”，“journal-title”：“Mach-Learn”}，{“key”：“10.1016\/j.patcog.2021.108242_bib0037”，“series-title”：《医学图像计算和计算机辅助干预国际会议》，“首页”：“234”，“文章标题”：“U-Net:生物医学图像分割的卷积网络”，“author”：“Ronneberger”，“year”：“2015”}：“10.1016\/j.patcog.2021.108242_bib0038”，“首页”：“475”，“文章标题”：“两个用于计算机辅助肺部疾病筛查的公共胸部X射线数据集”，“卷”：“4”，“作者”：“Jaeger”，“年份”：“2014”，“杂志标题”：《Quant Imaging Med Surg》}，{“问题”：“1”，“关键”：“10.116\/j.patcog.2021.08242_bbib0039”，“doi-asserted-by”：“crossref”，“第一页“”：“71”，“DOI”：“10.2214\/aj.174.1.1740071”，“文章标题”：“有肺结节和无肺结节胸部x线照片数字图像数据库的开发：放射科医生的接收器操作特征分析\u2019肺结节的检测”，“卷”：“174”，“作者”：“白石”，“年份”：“2000”，“期刊标题”：“美国伦琴学杂志”}，{“issue”：“9”，“key”：“10.1016\/j.patcog.2021.108242_bib0040”，“doi-asserted-by”：“crossref”，“首页”：“2352”，“doi”：“101162\/neco_a_00990”，“article-title”：“用于图像分类的深度卷积神经网络：综合评述”，“volume”:“29”，“author”：“Rawat”，“year”：“2017”，“journal-title“：”“neural Compute”}，{”issue“1”，“键“：“10.1016\/j.patcog.2021.108242_bib0041”，“doi-asserted-by”：“crossref”，“first page”：“5”，“doi”：“10.106\/j.inffus.2004.04.004”，“article-title”：“多样性创建方法：调查和分类”，“volume”：”6“，“author”：“Brown”，“year”：“2005”，“journal-title“：”信息融合“}”，{“key”：“连拍”：“非线性规划的痕迹和出现”，“首页”：“197”，“文章-标题”：“以不等式为辅助条件的极值问题”，“作者”：“约翰”，“年份”：“2014”}，{“关键”：“10.1016\/j.patcog.2021.108242_bb0043”，“系列-标题”，“非线性规划痕迹和出现，“author”：“Kuhn”，“year”：“2014”}，{“key”：“10.1016\/j.patcog.2021.108242_bib0044”，“unstructured”：“A.Krizhevsky，卷积神经网络并行化的一个奇怪技巧，arXiv预印本arXiv:1404.5997（2014）。”}、{“密钥”：“101016\/j.pattog.2021.1008242_bbib0045”，“非结构化”：“K。Simonyan等人。，用于大规模图像识别的极深卷积网络，arXiv预印arXiv:1409.1556（2014）。“}，{”key“：”10.1016\/j.patcog.2021.108242_bib0046“，”series-title“：”IEEE计算机视觉和模式识别会议论文集“，”first page“：“1”，”article-title“：“用卷积进行更深入的研究”，”author“：”Szegedy“，”year“：”2015“}”，{“key”：“10.1016\/j.petcog.2021.08242_bib0047”，“series-ttle”：“”IEEE计算机视觉和模式识别会议记录”，“首页”：“770”，“文章标题”：“图像识别的深度剩余学习”，“作者”：“何”，“年份”：“2016”}，{“关键”：“10.1016\/j.patcog.2021.108242_bib0048”，“doi-asserted-by”：“crossref”，“非结构化”：“S。Zagoruyko等人。，宽剩余网络，arXiv预印本arXiv:1605.07146（2016）。“，”DOI“：”10.5244\/C.30.87“}，{”key“：”10.1016\/j.patcog.2021.108242_bib0049“，”series-title“：”IEEE计算机视觉与模式识别会议论文集“，”首页“：”1492“，”article-title“：“深度神经网络的聚合残差变换”，”author“：”Xie“，”year“：”2017“}”key:“10.1016\/j.petcog.2021.08242_bib0050”，”非结构化“：”F.N.Iandola等人。，SqueezeNet:AlexNet级精度，参数少50倍，模型大小<0.5\u00a0MB，arXiv预打印arXiv:1602.07360（2016）。“}，{”key“：”10.1016\/j.patcog.2021.108242_bib0051“，”series-title“：”IEEE计算机视觉与模式识别会议论文集“，”首页“：”4700“，”article-title“：“紧密连接卷积网络”，”author“：”Huang“，”year“：”2017“}”，{“key”：“10.1016\/j.petcog.2021.08242_bbb0052”，”series-title《IEEE计算机视觉和模式识别会议论文集》，“第一页”：“4510”，“文章标题”：“MobileNetV2:反向残差和线性瓶颈”，“作者”：“Sandler”，“年份”：“2018”}，{“密钥”：“10.1016\/j.patcog.2021.108242_bib0053”，“系列标题”：“2009\u00a0IEEE计算机视觉和模式识别会议”，“第一页”：“248”article-title“：”ImageNet:大型分层图像数据库“，”author“：”Deng“，”year“：”2009“}，{“key”：“10.1016\/j.patcog.2021.108242_bib0054”，“series-title”：“学习表征国际会议”，“article-title”：”Matrix capsules with EM routing“，”作者“：”Hinton“，”年份：“2018”}，}“issue”：“3”，“key“：”10.1016\/j.patcog.2021.108242_bib0055“，”doi-asserted-by“：”crossref“，”first page“：”915“，“doi”：“10.1007\/s13246-020-00888-x”，“article-title”：“截短的初始网络：使用胸部x光进行COVID-19暴发筛查”，“volume”：“43”，“author”：“Das”，“year”：“2020”，“journal title”：”Physical and engineering sciences in medicine“}，{“key”：”10.1016\/j.patcog.2021.108242_bb0056”，“series-title”：“IEEE计算机视觉国际会议论文集”，“首页”：“618”，“article-title”：“Grad-CAM:通过基于梯度的本地化从深层网络中进行可视化解释”，“author”：“Selvaraju”，“year”：“2017”}，{“key”：”10.1016\/j.petcog.2021.08242_bbb0057“，“series-title“：”2020年\u00a0IEEE计算智能系列研讨会（SSCI）”，“首页”：“2521”，“文章标题”：“使用胸部x射线图像筛查covid-19的深度学习”，“作者”：“Basu”，“年份”：“2020”}]，“容器标题”：[“模式识别”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0031320321004234？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0031320321004234？httpAccept=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended-epplication”：“text-mining”}]，“deposed”：{“date-parts”：[2023,11,7]]，“date-time“：”2023-11-07T04:04:59Z“，”timestamp“：1699329899000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0031320321004234”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2022,1]}，‘references-count’：57，‘alternative-id’：[”S00313203210 04234“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.patcog.2021.108242“，”关系“：{}，”ISSN“：[”0031-3203“]，”ISSN-type“：[{”value“：”0031-3023“，”类型“：”print“}]，”主题“：[]，”published“：{”date-parts“：[2022,1]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}，{“value”维护“：”从胸部X光诊断新型冠状病毒肺炎的深度网络帕累托优化”，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“模式识别”，“name:”journaltitle“，”label“：”Journal Title“}，”value“：”https:\/\/doi.org\/101016\/j.patcog.2021.108242“，”name“：”articlelink“，”标签“：”CrossRef doi link to publisher maintained version“}”，{value“：”article“，”name“：”content_type“，”label“：”content-type“}，{“value”：“\u00a9 2022 The Authors.Published by Elsevier Ltd.”，“name”：“copyright”，“label”：“copyright“}]，”article-number“：“108242”}}