{“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”：[[2024,5,20]]，“日期-时间”：“2024-05-20T13:15:57Z”，“时间戳”：1716210957661}，“参考-计数”：23，“出版商”：“工程技术学院（IET）”，“问题”：“10”，“许可证”：[{“开始”：{:“日期-零件”：[2021,4,23]]，”日期-时间我”：“2021-04-23T00:00:00Z”，“timestamp”：1619136000000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://\/creativecommons.org\/licenses\/by\/4.0\/”}，{“start”：{“date-parts”：[[2021,4,23]]，“date-time”：“2022-04-23T00-00Z”“：”http://\/doi.wiley.com/10.1002\/tdm_license_1.1“}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[“IET Image Processing”]，“published-print”：{“date-parts”：[2021,8]]}，”DOI“：”10.1049\/ipr2.12219“，”type“：”journal-article“，”created“：{”date-parts:[2021,4,23]]，“date-time”：“2021-04-23T10:02:42Z”，“timestamp”：1619172162000}，页面“：”2363-2371“，”源“：”交叉引用“，“is-referenced-by-count”：7，“title”：[“使用深度学习网络进行脑肿瘤细胞分割和检测”]，“prefix”：“10.1049”，“volume”：“15”，“author”：[{“given”：”Sanjeevirayar“，“family”：“Bagyaraj”，“sequence”：“first”，“affiliation”：[}“name”：“印度泰米尔纳德邦卡拉瓦卡姆钦奈县斯里·西瓦苏布拉马尼亚·纳达尔工程学院生物医学工程系”}]}，{“given”：“Rajendran”，“family”：“Tamilselvi”，“sequence”：“additional”，“affiliation”：[{“name”：“印度卡里亚帕蒂钦奈泰米尔纳德邦Sethu理工学院电子与通信工程系”{]}，{“given”：“Parisa Beham”，“family”：“Mohamed Gani”，“sequence”：“additional”，“affiliation”：[{“name”：“Sethu Institute of Electronics and Communication Engineering，Department of Technology，Kariapatti Chennai Tamil Nadu India”}]}，{“给定”：“Devanathan”，“家庭”：“Sabarinathan”、“sequencence”：”additional“，“affaliation”:[{”name“Couger Inc Tokyo Japan”}]]，“member”：“265”，“published-online”：{“date-parts”：[2021,4,23]]}，“reference”：[{“key”：“e_1_2_6_2_1”，“doi-asserted-by”：“publisher”，”doi“：”10.31276\/VJSTE.60（3）.19“}，{“issue”：“2”，“key“：”e_2_6m_3_1“，”首页“177”，《article-title》：“使用MRI图像上的深度学习分类器进行脑肿瘤检测和分类”，“volume”：“10”，“作者”：“Rathi V.G.P.”，“year”：“2015”，“journal-title”：“Res.J.App.Sci.Eng.Tech.”}，{“key”：“e_1_2_6_4_1”，”doi-asserted-by“：”crossref“，”unstructured“：”Dong H.Yang G。Liu F.等人：使用基于U\u2010Net的全卷积网络自动检测和分割脑肿瘤。摘自：牛津大学医学图像理解与分析年会，2013年7月15日至2017年7月17日医学图像分析的深度学习和临床决策支持的多模态学习，计算机科学课堂讲稿”，“作者”：“Zhou Z.”}，{“关键”：“e_1_2_6_7_1”，“非结构化”：“Li J.等人：用于根治性前列腺切除术组织学图像语义分割的多尺度u2010网络。在：进行AMIA年度研讨会美国医学信息学协会2017年4月16日“｝，｛“key”：“e_1_2_6_8_1”，“doi断言者”：“publisher”，“doi”：“10.1088\/0031-9155\/58\/13\/R97”｝，｛“key”：“e_1_2_6_9_1”，“doi断言者”：“crossref”，“非结构化”：“Al\u2010Shaikhli S.D.S。使用稀疏编码和字典学习进行脑肿瘤分类。In:Proceeding IEEE International Conference on Image Processing Paris France 2014年10月27日\u201430日（2014）“，“DOI”：“10.1109\/ICIP.2014.7025561”}，{“key”：“e_1_2_6_10_1”，“DOI-asserted-by”：“crossref”，”非结构化“：”Bauer S.：使用支持向量机分类结合分层条件随机场正则化对脑肿瘤图像进行全自动分割。摘自：柏林-海德堡医学图像计算与计算机辅助干预国际会议论文集：Springer pp.354\u2013361（2011）“，”DOI“：”10.1007\/978-3642-23626-6_44“}，”key“：”e_1_2_6_11_1“，”DOI-asserted-by“：”publisher“，”DOI“：“10.1109\/MIS.2015.93”}非结构化“：”Kamnitsas K.et \u00a0al.：DeepMedic用于脑肿瘤分割。In：程序。脑损伤：脑胶质瘤多发性硬化症中风和创伤性脑损伤国际研讨会pp.138\u2013149 Springer Cham（2016）“，“DOI”：“10.1007\/978-3-319-55524-9_14”}，{“issue”：“5”，“key”：“e_1_2_6_13_1”，“首页”：“1191”，“文章标题”：“多核$k$k\u2010意味着不完整的核”，“volume”：“42”，“author”：“Liu X.”，“year”：“2019年”，“新闻标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”e_1_2_6_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.fss.2008.11.016”}，”{“key”：“e_1_i_6_15_1”，“doi-assert-by”：“crossref”，”unstructured“：”Bianchi A.等人：基于决策森林的对称纹理和对称强度脑肿瘤分割。程序。IEEE第十届IntSymp生物成像技术美国加利福尼亚州旧金山市，第748\u2013751页（2013）“，”DOI“：”10.1109\/ISBI.2013.6556583“}，”key“：”e_1_2_6_16_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1109\/TMI.2016.2538465”}，“key”：“e_2_6/17_1”，“DOI-assert-by”：“crossref”，”unstructured“：”Stawiaski J.：一种用于脑肿瘤分割的预训练密集型编码器。在：国际MICCAI脑损伤研讨会Cham:Springer pp.105\u2013115（2018）“，”DOI“：”10.1007\/978-3-030-11726-9_10“}，{“key”：“e_1_2_6_18_1”，“DOI-asserted-by”：“crossref”，”unstructured“：”Zhou Y.et \u00a0al.：基于密度和递归神经网络的整体性脑肿瘤筛查和分类。收录于：国际MICCAI脑损伤研讨会Cham:Springer pp.208\u2013217（2018）“，”DOI“：”10.1007\/978-3-030-11723-8_21“}，”键“：”e_1_2_6_19_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1109\/ACCESS.2019.2908991”}，“key”：“e_2_6-20_1”，“DOI-assert-by”：“publisher”，”DOI:“10.1109 \/TMI.2018.2835303”}，{“key”：“e_1_2_6_21_1”，“DOI-asserted-by”：“publisher“，”DOI“：”10.3390\/genes9080382“}，{“key”：“e_1_2_6_22_1”，“unstructured”：“Hashemi S.R.Prabhu S.P。Warfield S.K.等人：使用深度3D完全卷积密度网络的独占独立概率估计：应用于IsoIntense婴儿脑MRI分割。In：程序。伦敦深度学习医学成像国际会议2013年7月8日\u201310（2019）“}，{“key”：“e_1_2_6_23_1”，“doi-asserted-by”：“crossref”、“unstructured”：“Chen W.et \u00a0al.：S3D\u2010UNet:Separable 3D U\u2010Net for brain tumor segmentation。Proc.International MICCAI brain Lession Workshop pp.358\u2013368 Springer Cham（2018）”，“doi”：“10.1007\/978-3-030-11726-9_32“}，{“key”：“e_1_2_6_24_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1080\/13682199.2018.1545412“}]，“container-title”：[“IET图像处理”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/onlinelibrary.wiley.com\/doi\/pdf\/101049\/ipr2.12219”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application“：”text-mining“}，{”URL“：”https:\/\/onlinelibrary.wiley.com/doi\/full-xml\/10.1049\/ipr2.12219“，”content-type“：”application\/xml“，”content-version“：”vor“，”intended-application”：“text-miniing”}，}“URL”：“https:\//onlinelibrary.wiley.com\/doi\/pdf\/101049\/ipr6.12219”，“content-type:”unspecified“，”“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,9,19]]，”date-time“：”2022-09-19T11:02:26Z“，”timestamp“：1663585346000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/onlinelibrary.wiley.com\/doi\/101049\/ipr2.12219”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date”parts“：[[2021,4,23]]}，”references-count“：23，”日志问题“：{”问题“：“10”，“published-print”：{“date-parts”：[2021,8]}}，“alternative-id”：[“10.1049\/ipr2.12219”]，“URL”：“http://\/dx.doi.org\/10.1049\/ipr21219”，“archive”：[”Portico“]，“relationship”：{}，”ISSN“：[”1751-9659“，”1751-9967“]，”ISSN-type“：[{”value“：”1751-9659“，”类型“：”打印“}，{”值“：”1751-9667“，”型号“：”电子“}]，”主题“：[]，“已发布“：{“日期部分”：[[2021,4,23]]}}