{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2024,9,7]]，“日期-时间”：“2024-09-07T16:33:59Z”，“时间戳”：1725726839139}，“出版商位置”：“美国纽约州纽约市”，“参考-计数”：35，“出版者”：“ACM”，“资助者”：[{“DOI”：“10.13039\/501100019814”，“名称”：“Fullgraf基金会”、“DOI-asserted-by”：“publisher”，“id”：[{“id”:“10.13039\/501100019814”，“id-type”：“DOI”，“asserted-by”：“publicher”}]}，{“name”：“华盛顿大学\/BJC医疗保健大创意医疗创新奖”}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[]，“published-print”：{“date-parts”：[2022,10,17]]}，“DOI”：“10.1145\/33511808.3557420”，“类型”：“诉讼文章”，“已创建”：｛“日期部分”：[[2022,10,16]，“日期时间”：“2022-10-16T01:22:22Z”，“时间戳”：1665883342000｝，“页面”：“1269-1278”，“更新策略”：“http:\/\/dx.doi.org/10.1145\/crosmark policy”，“来源”：“Crossref”，“由计数引用”：2，“标题”：[“用混合推理序列自动编码网络预测术中低氧血症”]，“前缀”：“10.1145”，“卷”：“34”，“作者”：[{“给定”：“汉阳”，“家庭”：“刘”，“序列”：“第一”，“从属关系”：[}“名称”：“美国密苏里州圣路易斯华盛顿大学”}]}，{“已知”：“迈克尔”，“家族”：“蒙大拿”，“顺序”：“附加”，“附属关系”：{“name”：“Washington University in St.Louis，St.Louis，MO，USA”}]}，{“given”：“Dingwen”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[{“name”：“Washington University in St.Louis，St.Louis，MO，USA”}]}，{“given”：“Chase”，“family”：“Renfroe”，“sequence”：“additional”，“affiliation”：[{“name”：“Washington University in St.Louis，St.Louis，MO，USA”]}，{“given”：“Thomas”，“family”：“Kannamallil”，“sequence”：“additional”，“affiliation”：[{“name”：“密苏里州圣路易斯的华盛顿大学”}]}，{”given“：“Chenyang”，“家族”：“Lu”，“serquence”:“additionable”，“filiance”：[[{”name“：”密苏里洲圣路易斯华盛顿大学“}]]，“member”：“320”，“published on line”：{“date-parts”：[2022,10,17]]}，“reference”：[{“volume-title”：“序列建模通用卷积和递归网络的实证评估。arXiv预印本arXiv:1803.01271”，“年份”：“2018”，“作者”：“Bai S.”，“密钥”：“e_1_3_2_1_1_1_1”，”非结构化“：”Bai，S.，Kolter，J。Z和V科尔顿。用于序列建模的通用卷积和递归网络的经验评估。arXiv预印arXiv:1803.01271（2018）。Bai，S.、Kolter，J.Z.和Koltun，V.，序列建模中一般卷积和递归网络的经验评估。arXiv预印arXiv:1803.01271（2018）。“}，{”key“：”e_1_3_2_1_2_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1609\/aaai.v32i1.11891”}，“key”：“e_1_ 3_2_1_3_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3097983.3097997“}85“}，{”卷标签“：”神经信息处理系统会议与研讨会28”，“年份”：“2015年”，“作者”：“Dai A.M.”，“关键”：“e_1_3_2_1_5_1”，”非结构化”：“戴A.M.，和乐Q.V。半监督序列学习。神经信息处理系统会议与研讨会28（2015），3079-3087。Dai，A.M.和Le，Q.V.半监督序列学习。神经信息处理系统会议与研讨会28（2015），3079-3087。“}，{”key“：”e_1_3_2_1_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/1143844.1143874”}，“key”：“e_1_ 3_2_1 _7_1”，“doi-assert-by”：“crossref”，”unstructured“：”Dunham C.M.Hileman B.M.Hutchinson A.e.Chance e.A.和Huang G.S。围手术期低氧血症常见于全身麻醉期间的水平体位，与主要不良结果相关：一项对连续患者的回顾性研究。BMC麻醉学14 1（2014）1-10。Dunham C.M.Hileman B.M.Hutchinson A.E.Chance E.A.和Huang G.S.围手术期低氧血症常见于全身麻醉期间的水平定位，并与主要不良结果相关：对连续患者的回顾性研究。BMC麻醉学14 1（2014）1-10.“，”DOI“：”10.1186\/14721-253-14-43“}，｛”key“：”e_1_3_2_8_1“，”DOI断言“：”publisher“，”DOI“：”10.1007\/s2630-010-9366-5“}，｛”key“：”e_1_3_2_9_1“，”DOI断言“：”publisher“，”DOI“：”10.1109\/TCB.2016.2561974“}，｛”卷标题“：”神经信息处理系统研讨会ML4H“，”年份”：“2017年”，“作者”：“埃里昂·G”，“关键”：“e_1_3_2_1_1_1”，“非结构化”：“Erion，G，Chen，H.，Lundberg，S.M.，和Lee，S-I.使用深度学习仅使用spo2数据进行低氧血症的麻醉师级预测。神经信息处理系统研讨会ML4H（2017）。Erion，G.、Chen，H.、Lundberg，S.M.和Lee，S.-I.麻醉学水平预测低氧血症，仅使用spo2数据进行深度学习。神经信息处理系统研讨会ML4H（2017）。}，{“体积-时间”：“预测术后30天死亡率的深度学习模型。英国麻醉学杂志123，5”，“年份”：“2019年”，“作者”：“Fritz B.A.”，“关键”：“e_1_3_2_11_1”，“非结构化”：“弗里茨B.A.，崔Z.，张M.，何Y.，陈Y.，Kronzer A.，Abdallah A.B.，King，C.R.，和Avidan M。S。预测术后30天死亡率的深度学习模型。英国麻醉学杂志123，5（2019），688-695。Fritz，B.A.、Cui，Z.、Zhang，M.、He，Y.、Chen，Y.，Kronzer，A.、Abdallah，A.B.、King，C.R.和Avidan，M.S.预测术后30天死亡率的深度学习模型。英国麻醉学杂志123，5（2019），688--695.“}，{”key“：”e_1_3_2_12_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/ICCV.2019.00179“}”{”volume-title“：”机器学习国际会议“，”year“：”2019“，”author“：”Hendrycks D.“，”key：“e_1_ 3_2_13_1”，”unstructured“：”Hendrycks，D.、Lee，K.和Mazeika，M。使用预训练可以提高模型的鲁棒性和不确定性。国际机器学习会议（2019年）。Hendrycks，D.、Lee，K.和Mazeika，M.使用预训练可以提高模型的稳健性和不确定性。国际机器学习会议（2019年）。}，{“容积-时间”：“肥胖患者门诊内镜检查期间低氧血症的严重程度和持续时间：一项回顾性队列研究。加拿大麻醉杂志”，“年份”：“2020年”，“作者”：“Laffin a.E.”，“关键”：“E_1_3_2_1_14_1”，“非结构化”：“拉芬，a.E.，肯代尔，S.M.，和Huncke，T。英国。肥胖患者门诊内镜检查期间低氧血症的严重程度和持续时间：一项回顾性队列研究。加拿大麻醉学杂志（2020）。Laffin，A.E.、Kendale，S.M.和Huncke，T.K.，肥胖患者门诊内镜检查期间低氧血症的严重程度和持续时间：一项回顾性队列研究。加拿大麻醉学杂志（2020）。“}，{”key“：”e_1_3_2_15_1“，”首页“：”1“，”volume-title“：”机器学习国际会议“，”卷“：”34“，”author“：”Laptev N“，”year“：”2017“，”unstructured“：”Raptev，N.，Yosinski，J.，Li，L。E.和Smyl，S。uber神经网络时间序列极端事件预测。在国际机器学习会议（2017），第34卷，第1-5页。Laptev，N.、Yosinski，J.、Li，L.E.和Smyl，S.。uber的神经网络时间序列极端事件预测。在国际机器学习会议（2017年），第34卷，第1-5页。“publisher”，“doi”：“10.24963\/ijcai.2017\/321”}，{“key”：“e_1_3_2_19_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3534678.3539056”}，{“key”：“e_1_ 3_2_1_20_1”，”doi-assert-by“：”publisher“，”doi“：”10.1016\/j.jbi.2022.104015“}，“key“：”e_1_a_2_1_21_1“，”doi asserted-by“：“publiver”，“doi”：”10.1038\/s41551-018-0304-0“}”，{“卷时间”：“难治性低氧血症的处理。心脏麻醉年鉴19，1“，“年份”：“2016年”，“作者”：“Mehta C.”，“关键”：“e_1_3_2_1_22_1”，“非结构化”：“梅塔，C.和梅塔，Y。难治性低氧血症的处理。《心脏麻醉年鉴》19，1（2016），89。Mehta，C.和Mehta、Y.难治性低氧血症的治疗。《心脏麻醉年鉴》19，1（2016），89.“}，{”key“：”e_1_3_2_1_23_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/S2213-2600（18）30300-X”}，“key”：“e_1_3_2_1_24_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.smhl.2018.07.002“}”，{2“，“volume-title”：“机器学习国际会议”，“作者：“Santoro A.”，“年份”：“2016年”，“非结构化”：“Santoro，A.，Bartunov，S.，Botvinick，M.，Wierstra，D.和Lillicrap，T。基于记忆增强神经网络的元学习。在国际机器学习会议（2016）上，第1842-1850页。Santoro，A.、Bartunov，S.、Botvinick，M.、Wierstra，D.和Lillicrap，T.使用记忆增强神经网络进行元学习。在国际机器学习会议（2016）中，第1842--1850页。“}，{”key“：”e_1_3_2_1_26_1“，”first page“：“843”，”volume-title“：”International Conference on Machine Learning“，”author“：”Srivastava N“，”year“：”2015“，”unstructured“：”Srivastava，N.、Mansimov，E.和Salakhudinov，R。使用lstms进行视频表示的无监督学习。在国际机器学习会议（2015）上，第843--852页。Srivastava，N.、Mansimov，E.和Salakhudinov，R.使用lstms进行视频表征的无监督学习。在国际机器学习会议（2015）中，第843--852页。“}，{”key“：”e_1_3_2_1_27_1“，”first page“：“2440”，”volume-title“：”Conference and Workshop on Neural Information Processing Systems“，”author“：”Sukhbaatar S.“，“year”：“2015”，”unstructured“：”Sukhbaatar，S.，Weston，J.，Fergus，R.，端到端内存网络。神经信息处理系统会议和研讨会（2015年），第2440-2448页。Sukhbaatar，S.、Weston，J.、Fergus，R.等。端到端存储网络。在神经信息处理系统会议和研讨会（2015），第2440-2448页Suresh，H.、Szolovits，P.和Ghassemi，M。使用自动编码器发现患者表型。神经信息处理系统研讨会ML4H（2017）。Suresh，H.、Szolovits，P.和Ghassemi，M.使用自动编码器发现患者表型。神经信息处理系统研讨会ML4H（2017）。“}，{”key“：”e_1_3_2_1_29_1“，”首页“：”1“，”article-title“：”使用基于树的算法加速t-sne“，”volume“：“15”，”author“：”Van Der Maaten L“，”year“：”2014“，”unstructured“：”Van Der Maoten，L。使用基于树算法加速t-sane。《机器学习研究杂志》15，1（2014），3221-3245。Van Der Maaten，L.使用基于树的算法加速t-sne。《机器学习研究杂志》15，1（2014），3221--3245.“，“Journal-title”：“Journal of Machine Learning Research”}，{“key”：“e_1_3_2_1_30_1”，“first-page:”1578“，”volume-title“：“International Joint Conference on Neural Networks”，“author”：“Wang Z.”，“year”：“2017”，“unstructured”：“Wang，Z.、Yan，W.和Oates，T。用深度神经网络从头开始时间序列分类：一个强大的基线。在国际神经网络联合会议（2017）中，IEEE，第1578-1585页。Wang，Z.，Yan，W.和Oates，T.，用深度神经网络从头开始时间序列分类：一个强大的基线。在国际神经网络联合会议（2017）中，IEEE，第1578--1585页世界卫生组织。脉搏血氧仪培训手册，2011年。世界卫生组织。脉搏血氧饱和度训练手册，2011年。”}，{“卷标题”：“通过扩张卷积进行多尺度上下文聚合。arXiv预印本arXiv:11511.07122”，“年份”：“2015”，“作者”：“Yu F.”，“密钥”：“e_1_3_2_1_33_1”，“非结构化”：“Yu，F.和Koltun，V.通过扩张卷积进行多尺度上下文聚合。arXiv预印本arXiv:11511.07122（2015）.Yu，F.和Koltun，V.通过扩张卷积进行多尺度上下文聚合。arXiv预印本arXiv:1511.07122（2015）。}，{“volume-title”：“联合训练对深层自动编码器更好吗？arXiv预印本arXiv:1405.1380”，“年份”：“2014年”，“作者”：“周Y”，“密钥”：“e_1_3_2_1_34_1”，《非结构化》：“周，Y.，Arpit，D.，Nwogu，I.和Govindaraju，V.联合训练对深度自动编码器更好么？arXov预印本arXiv:140.5.1380（2014）.Zhou，Y.、Arpit，D.、Nwogu，I.和Govindaraju，V.联合训练对深度自动编码器更好吗？arXiv预印arXiv:1405.1380（2014）。“}，{”key“：”e_1_3_2_1_35_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICDMW.2017.19”}]，”event“：{”name“：”CIKM'22:第31届ACM国际信息与知识管理会议“，”spositor“：[”SIGWEB ACM超文本、超媒体和Web特别兴趣小组“，”SIGIR ACM信息检索特别兴趣小组”]，“location”：“”美国佐治亚州亚特兰大”，“缩写词”：“CIKM’22”}，“container-title”：[“第31届ACM信息与知识管理国际会议记录”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3511808.3557420”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放“：{“date-parts”：[[2023,6,27]]，“date-time”：“2023-06-27T18:19:23Z”，“timestamp”：1687889963000}，“score”：1，“resource”：{”primary“：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3511808.3557420”}}，”subtitle“：[]，”shorttitle“：[]，”issued“{”date-part“：[2022,10,17]}”，“references-”count“：35，”alternative-id“：[”10.1145\/3511808.3557420“，”10.1145\/3511808“]，”URL“：”http://\/dx.doi.org\/10.1145\/351808.3557420“，”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[2022,10,17]]}，“断言”：[{”值“：”2022-10-17“，”顺序“：2，”名称“：”发布“，”标签“：”已发布“，“组”：{“名称”：“publication_history”，“标签”：“发布历史”}}]}}