{“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”：[[2024,4,12]，“日期-时间”：“2024-04-12T10:34:58Z”，“时间戳”：1712918098116}，“参考-计数”：49，“出版商”：“IEEE”，“许可证”：[{“开始”:{“日期-零件”：[2021,6,1]]，“日期时间”：”2021-06-01T00:00:00Z，“timestamp”：1622505600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/ieee.html”}，{“start”：{“date-parts”：[2021,6,1]]，“date-time”：“2021-06-01T00:00:00Z”，“timestamp”：1622505600000}，“content-version”：“stm-asf”，“delay-in-days“：0，”URL“https:\\/doi.org\/10152 23\/policy-009“}，{“开始”：{“日期部分”：[[2021,6,1]]，“日期-时间”：“2021-06-01T00:00:00Z”，“时间戳”：1622505600000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-001”｝]，“内容域”：｛“域”：[]，“交叉标记限制”：false｝，“短容器标题”：[]，“已发布的印刷品”：｛“日期部分”：[[2021,6]]｝，“doi”：“10.1109\/cbms520227.2021.00090”，“类型”：“procesdings-article”，“created”：{“date-parts”：[[2021,7,12]]，“date-time”：“2021-07-12T21:43:41Z”，“timestamp”：162612622000}，“source”：“Crossref”，“is-referenced-by-count”：6，“title”：[“检测X光图像中COVID-19病例的多专家系统”]，“prefix”：“10.1109”，”author“：[{”given“Valerio”，“family”：“Guarrasi”，“sequence”：“first”，“隶属关系”：[]}，{“given”：“Natascha Claudia”，“family”：“D'Amico”，“sequence”：“additional”，“affiliation”：[]}，{“给定”：“Rosa”，“家庭”：“Sicilia”，“序列”：“附加”，“从属关系”：[]}，}“给定的”：“Ermanno”，“家族”：“Cordelli”，“顺序”：“额外”，“附属关系”：[]}“：[]}]，”成员“：”263“，”引用“：[{“key”：“ref39”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2009.5206848”}，{“key”：”ref38“，”doi-assert-by“：”publisher“，”doi“：”10.1109\/34.982906“}，”key“：”ref33“，”author“：”wang“，”year“：”0“，”journal-title“：”实际COVID-19胸部X光数据集倡议“}“作者”：“王”，“年份”：“0”，“新闻标题”：“图1 COVID-19胸部X光数据集倡议”}，{“key”：“ref31”，“author”：“soda”，“year”：“2020”，“journal-title”：“AIforCOVID预测将AI应用于胸部X光患者的临床结果”}：意大利多中心研究，{”key“：”ref30“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.cmpb.2020.105608“}，”{“key”：”ref37“，“doi-asserted-by”：“publisher”，“doi”：“10.2214\/ajr.174.1.1740071”}，{“key”：“ref36”，“doi-asserted-by”：”crossref“，”first page“：”3“，”doi“：”10.1007\/978-3-030-00889-5_1“，“article-title”：“UNet++：医学图像分割的嵌套U-Net架构”，“author”：“zhou”，”year“：”2018“，”journal-title“：“医学图像分析的深度学习和用于临床决策支持的多模式学习”}，{“key”：“ref35”，“doi-asserted-by”：“publisher”，“doi”：“10.1038\/s41592-018-0261-2”}：“国际医学图像计算和计算机辅助干预会议”}，{“key”：“ref28”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.compbiomed.2020.103792”}、{“key”：”ref27“，”doi-assert-by“：”publisher“，”doi“：”10.1007\/s13246-020-00888-x“}，“key“：”ref29“，”首页“：”1“，”article-title“：“浅卷积神经网络用于使用胸部x光筛查covid-19疫情”，“author”：“mukherjee”，“year”：“2021”，“journal-title”：“Cognitive Computation”}，{“key”：“ref2”，“doi-asserted-by”：“publisher”，“doi”：“10.219673”}、{“key”：”ref1“，“year:”0：“用于分类的标记光学相干断层扫描（OCT）和胸部X射线图像”，“卷”：“2”，“作者”：“kermany”，“年份”：“2018”，“日志标题”：“Mendeley Data”}，{“key”：“ref22”，“year”：“0”，“journal-title”：“COVID-19 X射线”}：“计算机辅助肺部疾病筛查的两个公共胸部X光数据集”，“卷”：“4”，“作者”：“jaeger”，“年份”：“2014”，“期刊标题”：“Quant Imaging Med Surg”}，{“key”：“ref24”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s00264-020-04609-7”}{“键”：“参考26”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/ACCESS.2020.3010287”}，{“key”：“ref25”，“doi-asserted-by”：”publisher“，”doi“：”10.1109\/ACCESS.2020.2994762“}，“{“key”：”ref10“，”doi-assert-by“：”publicher“，”doi“：“10.1016\/j.patrec.2020.09.010”}“，{”key“：”ref11“，”publisher“，”doi“：”10.13140\/Rg.2.2.35868.64646“}，{”key“：”ref40“，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.media.2017.07.005”}，{“key”：“ref12”，“author”：“ghoshal”，“year”：“2020”，“journal-title”：“估计冠状病毒（covid-19）检测深度学习中的不确定性和可解释性”}：“使用基于深度学习的异常检测对胸部x射线图像进行Covid-19筛查”}，{“key”：“ref14”，“author”：“cohen”，“year”：“2020”，“期刊标题”：“Covid-19图像数据收集前瞻性预测是未来”}，{“key”：“ref15”，“doi断言由”：“publisher”，“doi”：“10.1162\/necoo_a_00990”}，{“key”：“ref16”，“doi断言由”：“publisher”，“doi”：“10.1145\/3234150”}，{“key”：“ref17”，“article-title”：“COVID-19感染诊断和预后的预测模型：系统回顾和批判性评估”，“volume”：”369“，“author”：“wynits”，“year”：“2020”，“journal-title“：“British Medical journal”}、{“key”：《英国医学杂志》}，“ref18”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2017.369”}、“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.cell.2018.02.010”}，{“key”：“ref4”，“doi-sserted-by“：”publisher“，”doi“：”10.1038\/s41598-020-76550-z“}，”{“key”：“ref3”，“doi-assertd-by”：“publisher”，“DI:”10.1016\/j.clinimag.2020.04.001“}”，{”key“：”ref6“，”doi-assert-by“”：“publisher”，“doi”：“10.1007\/s13246-020-00865-4”}，{“key”：“ref5”，“author”：“hemdan”，“年”：“2020”，“新闻标题”：“COVIDX-Net深度学习分类器在X射线图像中诊断COVID-19的框架”}，{“key”：“ref8”，“author”：“narin”，“year”：“2020”，“journal-title”：“使用X射线图像和深卷积神经网络自动检测冠状病毒病（COVID-19）”}：“10.1007\/s40846-020-00529-4”}，{“key”：“ref49”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/S2589-7500（20）30186-2”}“SqueezeNet AlexNet级精度，减少50倍的参数和”}，{“key”：“ref45”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2017.634”}，{“key”：“ref48”，“doi-asserted-by”：”publisher“，”doi“：”10.1109\/CVPR.2018.00474“}，”{“key”：”ref47“，”doi-assert-by“：”publister“，”doi“：“10.1109\/CVPR.2015.7298594”}，{“key”：“ref41”，“author”：“simonyan”，“year”：“2014”，“journal-title”：“用于大规模图像识别的深度卷积网络”}：“2021 IEEE第34届基于计算机的医疗系统（CBMS）国际研讨会”，“地点”：“葡萄牙阿韦罗”，“开始”：{“日期部分”：[[2021,6,7]]}，“结束”：{-“日期部分“：[2021,6,9]}}，”容器-标签“：[”2021 IEEE-第34届计算机医疗系统国际研讨会“]，“原始标题”：[]，“链接”：[{“URL”：“http://\/xplorestaging.ieee.org\/ielx7\/9474585\/9474649\/0944724.pdf？arnumber=9474724”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期部分”：[2022,5,10]]，“日期时间”：“2022-05-10T15:47:00Z”，“时间戳”：165219762000}，“分数”：1，“资源”：{“primary”（主要）:{“URL”（URL）：“https:\/\/ieeexplore.iee.org\/document\/9474724\/”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期部分”：[[2021,6]]}，”引用计数“：49，”URL“：”http://\/dx.doi.org\/10.109\/cbms52027.2021.00090“，”关系“：{}”，“主题”：[]]，“发布”：}}