{“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”：[[2024,4,16]]，“日期时间”：“2024-04-16T06:28:31Z”，“时间戳”：1713248911358}，“参考计数”：65，“出版商”：“富士科技出版社”，“问题”：“5”，“内容域”：{-“域”：[]，“交叉标记限制”：false}，”short-container-title“：[“JACIII”，“J。高级计算。因特尔。因特尔。通知。“]，”已出版印刷品“：｛”日期部分“：[[2022,9,20]]｝，”摘要“：”摔倒是独居老人和残疾人面临的一大挑战。因此，他们需要可靠的监测，以便在摔倒时得到帮助。需要一个有效的坠落检测系统来为这些人提供良好的护理，因为这将允许与护理人员进行沟通。这样一个系统不仅可以减少与跌倒相关的医疗费用，还可以降低老年人和残疾人因跌倒导致的死亡率。本文综述了用于坠落检测的不同坠落检测技术和算法。分析和比较了各种坠落检测方法，包括可穿戴、视觉、环境和多模式系统，并提出了建议<\/jats:p>“，”DOI“：”10.20965\/jacii.2022.p0747“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,9,19]]，”date-time“：”2022-09-19T15:02:06Z“，”timestamp“：1663599726000}，”page“：“：”10.20965“，”卷“：”26“，”author“：[{”given“：”Tsepo Constantinus“，”family“：”Kolobe“，”sequence“：”first“，”affiliation“：[]}，{”name“：”茨瓦内理工大学计算机系统工程系，南非比勒陀利亚0001，Soshanguve，Aubrey Matlakala街2号”，“sequence”：“first”，“affiliance”：[]{“given”：“Chungling”，“family”：“Tu”，“序列”：“”additional“，”affiliation“：[]}，{“given”：“Pius Adewale”，“family”：“Owolavi”，“sequence”：“additional”，“affiliance”：[]2]，“member”：“8550”，“published-on-line”：{“date-parts”：[[2022,9,20]]}；“reference”：[{“key”：”key-10.20965\/jacii.2022.p0747-1“，”“unstructured”：“M.Lu\u0161trek and B。Kalu\u017ea，\u201cFall检测和机器学习的活动识别，\u201d Informatica，第33卷，第2期，第197-2042009页。Yu等人，《北京城市社区老年人跌倒的患病率及相关因素》，《生物医学与环境科学》，第22卷，第3期，第179-187页，2009年。“，“DOI”：“10.1016\/S0895-3988（09）60043-X”}，{“key”：“key-10.20965\/jacii.2022.p0747-3”，“DOI-asserted-by”：“crossref”，“unstructured”：“J.S。Williams等人，《低收入和中等收入国家老年人跌倒相关损伤的患病率、风险因素和残疾：来自世卫组织全球老龄化和成人健康研究（SAGE）的结果》，《BMC医学》，第13卷，第147条，2015年。”，“DOI”：“10.1186”，{“关键”：“key-10.20965\/jacii.222.p0747-4“，”doi asserted by“：”crossref“，”非结构化“：”R.Igual，C.Medrano，and I.Plaza，\u201c跌倒检测系统的挑战，问题和趋势，\u201d生物医学工程在线，第12卷，第66条，2013.“，”doi“：”10.1186\/1475-925X-12-66“}，{“key”：”key-10.20965\/jacii.222.p0747-5“，”doi asserted by“：”crossref”，“非结构化”：“N.B.Joshi和S.Nalbalwar，使用计算机视觉和物联网的老年人跌倒检测和警报系统，第二届IEEE国际电子信息通信技术近期趋势会议，第1276-1281页，2017年。”，“DOI”：“10.1109”，RTEICT.2017.8256804“}，{“关键”：“key-10.20965 \/jacii.2022.p0747-6“，”doi-asserted-by“：”crossref“，”unstructured“：”K.Adhikari，H.Bouchachia，and H.Nait-Charif，使用卷积神经网络进行室内坠落检测的活动识别，\u201d第15届IAPR机器视觉应用国际会议，第81-84页，2017年。“，”doi“：”10.23919 \/MVA.2017.7986795“}，{“key”：“key-10.20965 \/jacii.2022.p0747-7“，“doi-asserted-by”：“crossref”，“unstructured”：“V.Vaidehi等人，室内环境中基于视频的自动跌落检测，《信息技术最新趋势国际会议（ICRTIT）》，第1016-1020页，2011年。”，“doi”：“10.1109 \/ICRTIT.2011.5972252”}，{“key”：“key-10.201965 \/yacii.2022.p0747-8”doi-asserted-by“：”crossref“，”unstructured“：”H.Jian和H.Chen，\u201cA基于k-NN算法和远程医学的便携式跌倒检测和报警系统，中国通信，第12卷，第4期，第23-31页，2015年。“，”doi“：”10.1109\/CC.2015.7114066“}，{“key”：“key-10.20965\/jacii.2022.p0747-9”，“doi-assert-by”：“crossref.”，“unstructure”：“Z。Wu等人，《视频分类和字幕的深度学习》，第3-29页，S.-F.Chang（编辑），多媒体研究前沿，计算机械协会和Morgan&Claypool，2017.“，“DOI”：“10.1145”，{“key”：“key-10.20965”，jacii.2022.p0747-10”，“DOI-asserted-by”：“crossref”，“unstructured”：“A。Purushothaman、K.Vineetha和D.G.Kurup，使用人工神经网络的u201cFall检测系统，第二届国际发明通信与计算技术会议（ICICCT），第1146-1149页，2018年。Jahanjoo，M.N.Tahan和M.J.Rashti，使用三轴加速度传感器和MLF算法进行准确的跌倒检测，模式识别和图像分析第三届国际会议，第90-95页，2017年。“，“DOI”：“10.1109”，PRIA.2017.7983024“}，{“key”：“key-10.20965”，jacii.2022.p0747-12“，”DOI-asserted-by“，”：“crossref”，“unstructured”：“G.L。Santos等人，使用卷积神经网络基于加速度计的人体坠落检测，《传感器》，第19卷，第7期，第1644条，2019年。“，“DOI”：“10.3390”，{“key”：“key-10.20965”，jacii.2022.p0747-13“，“DOI-asserted-by”：“crossref”，“unstructured”：“N.Yodpijit，T.Sittiwanchai，and M。Jongprasithporn，\u201cThe development of artificial neural networks（ANN）for falls detection，\u201 d 3rd Int.Conf.on Control，Automation and Robotics（ICCAR），第547-550页，2017年。“DOI”：“10.1109”\/ICCAR.2017.7942757“}，{“key”：“key-10.20965”\/jacii.2022.p0747-14“，”DOI-asserted-by“，”：“crossref”，“unstructured”：“F.-T。Wang等人，使用三轴加速度计和陀螺仪混合的基于阈值的跌落检测，《生理测量》，第39卷，第10期，第105002条，2018年。Soni等人，《使用机器学习分类器增强跌倒检测的方法》，《计算智能与通信网络国际会议（CICN）第12届会议》，第229-2332020页。“，“DOI”：“10.1109”，“CICN49253.2020.9242634”}，{“key”：“key-10.20965”，jacii.2022.p0747-16“，”DOI-asserted-by“：”crossref“，“unstructured”：“I.W.W。Wisesa和G.Mahardika，基于使用递归神经网络的加速度计和陀螺仪传感器数据的u201cFall检测算法，\u201d IOP Conf.Series：Earth and Environmental Science，Vol.258，No.1，Article No.0120352019，“DOI”：“10.1088\/1755-1315\/258\/1\/012035”}，{“key”：“key-10.20965\/jacii.2022.p0747-17”，“DOI-asserted-by”：“crossref“，”unstructured“：”S.Huang，Y.Yang，and W.Liu，基于成本敏感性分析的增强坠落检测方法，第1届ACIS Int.Symp。关于软件和网络工程，第81-85页，2011年。“，”DOI“：”10.1109\/SSNE.2011.30“}，{”key“：”key-10.20965\/jacii.2022.p0747-18“，”DOI-asserted-by“：”crossref“，“unstructured”：“P.A.Fahmi，V.Viet，and C.Deok-Jai，\u201cSemi-supervised fall detection algorithm using fall indicators in smartphone，\u201 d Proc.of the 6th Int。Conf.on Ubiquitous Information Management and Communication，Article No.122，2012。“，“DOI”：“10.1145\/2184751.2184890”}，{“key”：“key-10.20965\/jacii.2022.p0747-19”，“DOI-asserted-by”：“crossref”、“unstructured”：“M.Vidigal，M.Lima，and A.D.A.Neto，基于人工神经网络的老年人跌倒检测，第14届墨西哥国际。人工智能会议（MICAI），第226-230页，2015年。”，“DOI”：“10.1109”，{“key”：“key-10.20965”，jacii.2022.p0747-20“，“DOI-asserted-by”：“crossref”，“unstructured”：“T.N.Gia等人，基于IoT的坠落检测系统，带节能传感器节点，IEEE Nordic Circuits and Systems Conf.（NORCAS），doi:10.1109\/NORCHIP.2016.7792890，2016.“，”doi“：”10.1109\/NOR CHIP.2016.7792890“}，{“key”：“key-10.20965\/jacii.2022.p0747-21”，“doi-asserted-by”：“crossref”，“unstructured”：“N.Otansap，\u201cPre-impact fall detection based on wearable device using dynamic threshold model，\u201 d 17th Int。并行和分布式计算、应用和技术会议（PDCAT），第362-365页，2016年。”，“DOI”：“10.1109”，{“key”：“key-10.20965”，jacii.2022.p0747-22”，“DOI-asserted-by”：“crossref”，“unstructured”：“S.Greene，H.Thapliyal，and D.Carpenter，基于IoT的智能家居环境坠落检测，\u201d IEEE Int。交响乐团。关于纳米电子和信息系统（iNIS），第23-28页，2016年。”，“DOI”：“10.1109”，{“key”：“key-10.20965”，jacii.2022.p0747-23“，“DOI-asserted-by”：“crossref”，“unstructured”：“A.Edgcomb and F.Vahid，\u201c增强型视频的自动坠落检测，\u201年国际。IEEE医学与生物学会工程委员会，第252-255页，2012年。”，“DOI”：“10.1109\/EMBC.2012.6345917”}，{“key”：“key-10.20965\/jacii.2022.p0747-24”，“DOI-asserted-by”：“crossref”，“unstructured”：“A.Sucerquia，J.D.L\u00f3pez，J.F。Vargas Bonilla，使用三轴加速度计进行实时老年人跌倒检测，《传感器》，第18卷，第4期，第1101条，2018年。Poynton，\u201cDigital video and HD:Algorithms and Interfaces，\u201d Elsevier，2012.”，“DOI”：“10.1016\/B78-0-12-391926-7.50063-1”}，｛“key”：“key-10.20965\/jacii.202.p0747-26”，“DOI asserted by”：“crossref”，“nonstructured”：“F.Merrouche and N.Baha，\u201c使用人体形状和运动的基于深度相机的跌倒检测，\u201d IEEE Int。《信号和图像处理会议》（ICSIP），第586-590页，2016年。“，“DOI”：“10.1109\/SIPROCESS.2016.7888330”}，{“key”：“key-10.20965\/jacii.2022.p0747-27”，“DOI-asserted-by”：“crossref”，“unstructured”：“H.Rajabi and M.Nahvi，\u201cAn intelligent video survice system for fall and insidence detection for older and patients，\u201 d 2nd Int。模式识别与图像分析委员会（IPRIA），doi:10.1109\/PRIA.2015.7161644，2015.“，”doi“：”10.1109\/PIRA.2015.761644“}，{“key”：“key-10.20965\/jacii.2022.p0747-28”，“doi-asserted-by”：“crossref”，“unstructured”：“A.N\u00fa\u00f1ez-Marcos，G.Azkune，and I。Arganda-Carreras，基于视觉的卷积神经网络跌倒检测，无线通信和移动计算，第9474806号，2017年。“，“DOI”：“10.1155\/2017\/9474806”}，{“key”：“key-10.20965\/jacii.2022.p0747-29”，“DOI-asserted-by”：“crossref”，“unstructured”：“G.Basavaraj and A。Kusagur，基于视觉的人体坠落检测监测系统，第二届IEEE国际会议，RTEICT，第1516-1520页，2017年。“，“DOI”：“10.1109”，RTEICT.2017.8256851“}，{“key”：“key-10.20965”，jacii.2022.p0747-30“，”DOI-asserted-by“：”crossref“，“unstructured”：“C。Rougier等人，基于人体形状变形的坠落检测鲁棒视频监控，IEEE Trans。视频技术电路和系统，第21卷，第5期，第611-622页，2011年。“，“DOI”：“10.1109”，{“key”：“key-10.20965”，jacii.2022.p0747-31”，“DOI-asserted-by”：“crossref”，“unstructured”：“M。Yu等人，\u201cAn online one-class support vector machine based person-specific fall detection system for monitoring an older individual in a room environment，生物医学与健康信息学杂志，第17卷，第6期，第1002-1014页，2013年。“，DOI”：“10.1109”，JBHI.2013.2274479“}，{“key”：“key-10.20965”，jacii.2022.p0747-32“，”DOI-asserted-by“：”crossref“，”unstructured“：”A.Y.Alaoui等人，使用von mises运动矢量分布的基于视频的人体跌倒检测，\u201d智能系统和计算机视觉（ISCV），doi:10.1109\/ISACV.2017.80549422017.“，doi”：“10.1109\/ISCAV.2017.8054942”}，{“key”：“key-10.20965\/jacii.2022.p0747-33”，“doi-asserted-by”：“crossref.”，“非结构化”：“S.Chhetri等人，基于视觉的坠落检测系统的深入学习：增强的光学动态流，《计算智能》，第37卷，第1期，第578-595页，2021年。”，“DOI”：“10.1111\/coin.12428”}，{“key”：“key-10.20965 \/jacii.2022.p0747-34”，“DOI-asserted-by”：“crossref”，“unstructured”：“X.Wang和K。贾，基于YOLOv3的人体坠落检测算法，IEEE第五届图像、视觉和计算国际会议（ICIVC），第50-54页，2020年。”，“DOI”：“10.1109”，“ICIVC50857.2020.9177447”}，{“key”：“key-10.20965”，“jacii.2022”，“非结构化”：“K.Adhikari，H.Bouchachia，and H。Nait-Charif，使用简化人体姿势进行基于深度学习的跌倒检测，《计算机与系统工程国际期刊》，第13卷，第5期，第251-256页，2019年。“}，{“key”：“key-10.20965”，jacii.2022.p0747-36“，”doi-asserted-by“：”crossref“，”unstructured“：”G.Mastorakis and D。Makris，使用Kinect\u2019s红外传感器的u201cFall检测系统，实时图像处理的u201d J.，第9卷，第4期，第635-646页，2014年。Auvinet et al.，\u201cFall detection using body volume reconstruction and vertical repartition analysis，\u201d Int.Conf.on Image and Signal Processing，pp.376-3832010。”，“DOI”：“10.1007\/978-3-642-13681-8_44”｝，｛“key”：“key-10.20965\/jacii.2022.p0747-38”，“DOI asserted by”：“crossref”，“nonstructured”：“T.-H.Tsai and C.-W。Hsu，\u201c基于3D骨架的坠落检测系统在深度学习技术中的实现，\u201 d IEEE Access，第7卷，第153049-153059页，2019年。“，“DOI”：“10.1109”\/ACCES.2019.2947518“}，{“key”：“key-10.20965”\/jacii.2022.p0747-39”，“DOI-asserted-by”：“crossref”，“unstructured”：“M.Mubashir，L.Shao，and L。Seed，《跌倒检测的调查：原理和方法》，《神经计算》，第100卷，第144-152页，2013年。“，“DOI”：“10.1016\/j.neucom.2011.09.037”}，{“key”：“key-10.20965\/jacii.2022.p0747-40”，“非结构化”：“Y.Huang和K。Newman，\u201c通过远程活动和使用超声波传感器进行跌倒检测来提高护理质量，\u201d IEEE医学和生物学会工程年度国际会议，第5854-5857页，2012年。Maglogiannis，《利用运动、声音和视觉感知组件检测辅助生活环境中的紧急坠落事件》，IEEE Trans。《生物医学信息技术》，第15卷，第2期，第277-289页，2010年。“，“DOI”：“10.1109\/TITB.2010.2091140”}，{“key”：“key-10.20965\/jacii.2022.p0747-42”，“DOI-asserted-by”：“crossref”，“unstructured”：“Y.Li，K.Ho，and M。Popescu，\u201cA自动坠落检测麦克风阵列系统，\u201 d IEEE Trans。《生物医学工程》，第59卷，第5期，第1291-1301页，2012年。“，“DOI”：“10.1109\/TBME.2012.2186449”}，{“key”：“key-10.20965\/jacii.2022.p0747-43”，“DOI-asserted-by”：“crossref”，“unstructured”：“M.Cheffena，使用智能手机音频功能进行跌倒检测，《生物医学与健康信息学IEEE J.》，第20卷，第4期，第1073-1080页，2015年。”，“DOI:”10.1109 \/JBHI.2015.2425932“}，{“key”：“key-10.20965 \/jacii.2022.p0747-44”，“doi-asserted-by”：“crossref”，“unstructured”：“D.Droghini等人，使用暹罗自动编码器进行一次性人体坠落检测的音频度量学习，IEEE Trans.on Emerging Topics in Computation Intelligence，Vol.5，No.1，pp.108-1182019。”，“doi”：“10.1109 \/TETCI.2019.2948151“}，{“key”：“key-10.20965 \/jacii.2022.p0747-45”，“doi-asserted-by”：“crossref”，“unstructured”：“H.Rimminen等人，使用近场地板传感器检测老年人跌倒，IEEE Trans.on Information Technology in Biomedicine，第14卷，第6期，第1475-1476页，2010年。”，“doi”：“10.1109 \/TITB.2010.2051956“}，{“key”：“key-10.20965 \/jacii.2022.p0747-46”，“doi-asserted-by”：“crossref”，“unstructured”：“F.Bianchi等人，基于气压和三轴加速度的跌落事件检测，IEEE Trans.on Neural Systems and Recovery Engineering，第18卷，第6期，第619-627页，2010年。”，“doi”：“10.1109 \/TNSRE.2010.2070807“}，{“key”：“key-10.20965 \/jacii.2022.p0747-47”，“unstructured”：“L.Liu等人，基于多普勒雷达运动特征的自动跌落检测，\u201d第五届国际医疗（普适健康）普适计算技术与研讨会会议，第222-225页，2011年doi-asserted-by“：”crossref“，”unstructured“：”H.Sadreazami、M.Bolic和S.Rajan，使用基于防区外雷达的传感和深度卷积神经网络的坠落检测，IEEE Trans。《电路与系统II：快讯》，第67卷，第1期，第197-2019页。Gaboury，使用UWB雷达和CNN-LSTM架构的u201cFall检测，生物医学和健康信息学IEEE J.，第25卷，第4期，第1273-12832020页。Dai等人，基于移动电话的普及跌倒检测，《个人和普适计算》，第14卷，第7期，第633-643页，2010年。“，“DOI”：“10.1007”，“0079-010-0292-x”}，{“key”：“key-10.20965”，jacii.2022.p0747-51”，“DOI-asserted-by”：“crossref”，”非结构化“A.Fleury，M.Vacher，and N。Noury，\u201cSVM-based Multimal classification of activities of daily living in health smart homes:sensors，algorithms，and first experimental results，基于SVM的健康智能家居日常生活活动多模式分类：传感器、算法和首次实验结果。《生物医学信息技术》，第14卷，第2期，第274-283页，2009年。“，“DOI”：“10.1109\/TITB.2009.2037317”}，{“key”：“key-10.20965\/jacii.2022.p0747-52”，“unstructured”：“S.Khawandi，P.Chauvet，and B.Daya，\u201c将神经网络体系结构应用于老年人多传感器监测系统，\u201 d 6th Int。高级工程计算与科学应用会议（ADVCOMP），第15-22页，2012年。“}，{“key”：“key-10.20965\/jacii.2022.p0747-53”，“doi-asserted-by”：“crossref”，“unstructured”：“M.Lustrek等人，使用位置传感器和加速度计进行坠落检测，IEEE普适计算，第14卷，第4期，第72-79页，2015年。”，“doi”：“10.1109\/MPRV.2015.84“}，{“key”：“key-10.20965\/jacii.2022.p0747-54”，“doi-asserted-by”：“crossref”，“unstructured”：“X.Yang，A.Dinh，and L.Chen，\u201cA基于Naive Bayes分类器的可穿戴式实时跌落检测器，\u201 d CCECE 2010，doi:10.1109\/CCE.2010.55751292010.”，“doi”：“10.1109\/CCCECE.2010.5575129”}key-10.20965\/jacii.2022.p0747-55“，“doi-asserted-by”：“crossref”，“unstructured”：“D.Yacchirema等人，使用物联网和大数据的老年人跌倒检测系统，《Procedia Computer Science》，第130卷，第603-610页，2018年。”，“doi”：“10.1016\/j.procs.2018.04.110”}，{“key”：“key-10.2096”\/jachirema.2022.p0.747-56“，”doi-assert-by“：“cross-ref”，“”非结构化”：“J.-S.Lee和H.-H.Tseng，使用内置加速计的智能手机开发增强型基于阈值的坠落检测系统，IEEE Sensors J.，第19卷，第18期，第8293-83022019页。”，“DOI”：“10.1109”，JSEN.2019.2918690“}，{“key”：“key-10.20965”，jacii.2022.p0747-57“，”DOI-asserted-by“，”：“crossref”，“unstructured”：“L。Palmerini等人，《使用机器学习的基于加速度计的坠落检测：真实坠落的训练和测试》，《传感器》，第20卷，第22期，第6479条，2020年。“，“DOI”：“10.3390\/s20226479”}，{“key”：“key-10.20965\/jacii.2022.p0747-58”，“DOI-asserted-by”：“crossref”，“unstructured”：“Y.-H.Nho，J.G.Lim，and D.-S。Kwon，\u201cCluster-analysis-based user-adaptive fall detection using fusion of heart rate sensor and accelerator in a wearable device，\u201 d IEEE Access，Vol.8，pp.40389-40401，2020。”，“DOI”：“10.1109 \/ACCES.200.2969453”}，{“key”：“key-10.20965 \/jacii.2022.p0747-59”，“DOI-asserted-by”：“crossref”，“unstructured”：“I.P.E.S.”。Putra等人，《基于加速度计的坠落检测的事件触发机器学习方法》，《传感器》，第18卷，第1期，第20条，2017年。“，“DOI”：“10.3390”。Chen等人，\u201c基于人体骨骼关键点的开放式跌倒检测，\u201d对称性，第12卷，第5期，第7442020条。”，“DOI”：“10.3390\/sym12050744”}，{“key”：“key-10.20965\/jacii.2022.p0747-61”，“非结构化”：“U。Asif等人，\u201c使用视频数据保护隐私的人体坠落检测，\u201 d Proc。健康专题讨论会机器学习，第116卷，第39-51页，2020年。“}，{“key”：“key-10.20965\/jacii.2022.p0747-62”，“doi-asserted-by”：“crossref”，“unstructured”：“F.Harrou et al.，\u201c\u201d IEEE Access，第7卷，第114966-1149742019页。”，“doi”：“10.1109 \/ACCESS.2019.2936320“}，{“key”：“key-10.20965 \/jacii.2022.p0747-63”，“doi-asserted-by”：“crossref”，“unstructured”：“T.Han，W.Kang，and G.Choi，使用CNN算法的基于u201cIR-UWB传感器的跌落检测方法，\u201d Sensors，第20卷，第20期，第5948号文章，2020年。”，“doi”：“10.3390 \/s20205948”}，}“key:”key-10.2096 \/jachii.2022.p07448 7-64英寸doi-asserted-by“：”crossref“，”unstructured“：”H.Li等人，\u201cBi-LSTM网络用于多模式连续人类活动识别和跌倒检测，《IEEE传感器杂志》，第20卷，第3期，第1191-1201页，2019年。“，”doi“：”10.1109 \/JSEN.2019.2946095“}，{“key”：“key-10.20965 \/jacii.2022.p0747-65”，“doi-assert-by”：“crossref.”，“unstructure”：“Y.M。Galv\u00e3o等人，使用深度学习进行跌倒检测的多模态方法，《应用专家系统》，第168卷，第1142262021号文章。“，“DOI”：“10.1016\/j.eswa.2020.114226”}]，“container-title”：[“高级计算智能和智能信息学杂志”]，“原文标题”：[]，“language”：“en”，“link”：[{URL“：”https:\/\/www.fujipress.jp\/main\/wp-content\/themes\/fujipress\/hyosetsu.php？ppno=JACII002600050010“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,9,19]]，”date-time“：“2022-09-19T15:04:06Z”，”timestamp“：1663599846000}，”score“：1，”resource“：”{“primary”：{“URL”：“https://www.fujipress.jp\/jaciiii\/jc\/jaciii002 600050747“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2022,9,20]]}，”references-count“：65，”journal-issue“：{“issue”：“5”，”published-online“：{”date-parts“：[[2022,9,20]]}”，“published-print”：{“date-part”：[[20202,9,20]]}}，“URL”：“http://\/dx.doi.org\/10.20965\/jacii.2022.p0747”，“关系”“：{}，”ISSN“：[”1883-8014“，”1343-0130“]，”ISSN-type“：[{”value“：”1883-80214“，“type”：“”电子“}，{”值“：”1343-0130“，”类型“：”打印“}]，”主题“：[]，”发布“：{”日期部分“：[2022,9,20]]}}}