发布求助
文献互助 智能选刊 最新文献

Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)最新文献

筛选
英文 中文
Abordagem Computacional Baseada em Deep Learning para o Diagnóstico de Endometriose Profunda através de Imagens de Ressonância Magnética 基于深度学习的磁共振成像诊断深度子宫内膜异位症的计算方法
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229567
W. K. R. Figueredo, I. F. S. D. Silva, J. O. B. Diniz, A. C. Silva, A. Paiva, Alice C. C. Brandão Salomão, M. Oliveira
{"title":"Abordagem Computacional Baseada em Deep Learning para o Diagnóstico de Endometriose Profunda através de Imagens de Ressonância Magnética","authors":"W. K. R. Figueredo, I. F. S. D. Silva, J. O. B. Diniz, A. C. Silva, A. Paiva, Alice C. C. Brandão Salomão, M. Oliveira","doi":"10.5753/sbcas.2023.229567","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229567","url":null,"abstract":"Endometriose é uma doença que atinge vários órgãos, principalmente aqueles na estrutura pélvica, e reduz consideravelmente a qualidade de vida da pessoa afetadas. A doença afeta, principalmente, mulheres em idade fértil. Pode ser identificada via exames de imagem. Neste trabalho, Propõe-se um método para identificação automática da lesão de endometriose em imagens de ressonância magnética usando técnicas de processamento de imagem e uma VGG-16 modificada, a fim de servir como auxílio no diagnóstico, na redução da necessidade da utilização de métodos invasivos para realização destes, o tempo de diagnóstico e os resultados falsos negativos. Acurácia de 83,89%, sensibilidade de 84,15%, e especificidade de 83,86% foram alcançadas.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"13 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127130504","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Redes neurais convolucionais para a classificação de nódulos tireoidianos através de ultrassonografia 超声对甲状腺结节分类的卷积神经网络
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229645
Igor Machado Seixas, Alexei Manso Correa Machado
{"title":"Redes neurais convolucionais para a classificação de nódulos tireoidianos através de ultrassonografia","authors":"Igor Machado Seixas, Alexei Manso Correa Machado","doi":"10.5753/sbcas.2023.229645","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229645","url":null,"abstract":"A detecção precoce de linfonodos malignos é crítica para o tratamento do câncer de tireoide. Neste estudo, um sistema de diagnóstico é proposto para classificar nódulos malignos com base em imagens de ultrassom, bem como na escala do Thyroid Imaging Reporting and Data System (TI-RADS). Os experimentos implementam 5 redes convolucionais e 3 máquinas de vetores de suporte aplicadas a um conjunto de dados público. Os resultados preliminares indicam o MobileNet como o melhor classificador binário com 89% de acurácia e o DenseNet121 com 56% de acurácia para as 4 categorias TI-RADS.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"22 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128107656","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Termografia como Ferramenta de Avaliação Durante o Tratamento Neoadjuvante para Câncer de Mama 热成像作为乳腺癌新辅助治疗中的评估工具
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229813
Adriel dos Santos Araújo, Milena H. S. Issa, A. Sánchez, D. Muchaluat-Saade, Aura Conci
{"title":"Termografia como Ferramenta de Avaliação Durante o Tratamento Neoadjuvante para Câncer de Mama","authors":"Adriel dos Santos Araújo, Milena H. S. Issa, A. Sánchez, D. Muchaluat-Saade, Aura Conci","doi":"10.5753/sbcas.2023.229813","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229813","url":null,"abstract":"A termografia é uma alternativa para a detecção de anomalias que afetam o padrão térmico das mamas. Embora amplamente estuda para triagem ou diagnóstico, poucos estudos a investigam para acompanhar a evolução do tratamento. Neste artigo, propõe-se uma metodologia que a use no tratamento neoadjuvante, identificando as regiões mais quentes por meio de um algoritmo de aprendizado não supervisionado k-means e construindo séries temporais baseadas em medidas estatísticas e homogeneidade. Os resultados acompanham a evolução do tratamento corretamente em pelo menos 79% dos casos com base nas medidas estatísticas e 95% dos casos quando essas são combinadas com as medidas de homogeneidade na avaliação do paciente.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"80 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133007957","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Trypanosoma cruzi Detection using LSTM Convolutional Autoencoder 基于LSTM卷积自编码器的克氏锥虫检测
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.230153
Geovani L. Martins, Daniel S. Ferreira, C. Carneiro, A. G. Bianchi
{"title":"Trypanosoma cruzi Detection using LSTM Convolutional Autoencoder","authors":"Geovani L. Martins, Daniel S. Ferreira, C. Carneiro, A. G. Bianchi","doi":"10.5753/sbcas.2023.230153","DOIUrl":"https://doi.org/10.5753/sbcas.2023.230153","url":null,"abstract":"The presence of Trypanosoma cruzi (T. cruzi) parasites in blood samples is proof of the medical diagnosis of Chagas disease. Since the motion of these microorganisms is conspicuous in optical microscopy videos, we propose a spatio-temporal autoencoder for anomaly detection caused by parasite motility. This approach includes a spatial feature extractor and a temporal sequencer ConvLSTM for learning the temporal evolution of the spatial features. We trained the autoencoder with no parasites videos to learn the normal pattern and measured the regularity score in test videos with parasites. Our results showed that an LSTM-based autoencoder may identify T. cruzi anomalous motion, being a promising method for detecting parasites in microscopy videos.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"180 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133382957","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Segmentação Semântica do Câncer de Pele Utilizando Aprendizado Profundo 使用深度学习对皮肤癌进行语义分割
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229926
J. P. D. Silva, Kelson Aires, A. F. D. Santos, Rodrigo M. S. Veras, Laurindo de S. B. Neto, L. P. D. Sousa, Francisco das C. I. Filho
{"title":"Segmentação Semântica do Câncer de Pele Utilizando Aprendizado Profundo","authors":"J. P. D. Silva, Kelson Aires, A. F. D. Santos, Rodrigo M. S. Veras, Laurindo de S. B. Neto, L. P. D. Sousa, Francisco das C. I. Filho","doi":"10.5753/sbcas.2023.229926","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229926","url":null,"abstract":"O câncer de pele é um dos grandes problemas enfrentados pela saúde pública, e a utilização de Aprendizado de Profundo pode permitir a classificação de lesões de pele em imagens. Nesse contexto, este trabalho tem o objetivo de desenvolver um método de segmentação de lesões de pele para facilitar a classificação de lesões. Nesse sentido, foi utilizado a arquitetura DeepLab3+ associada à limiarização global, refinado em três modelos específicos: (1) somente para lesões malignas, (2) somente para lesões benignas e (3) para todos os tipos de lesões. Os experimentos utilizaram quatro bases públicas, HAM10000, ISIC 2016, ISIC 2017 e PH2. Os melhores resultados atingiram um Dice de 94,42% na base HAM10000, 91,68% na base ISIC 2016, 87,19% na base ISIC 2017 e 92,12% na base PH2. Os melhores resultados foram alcançados com o modelo treinado para todos os tipos de lesões.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"57 4","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133292398","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Classificação de Doença Hepática Gordurosa Não Alcoólica em Imagens Térmicas usando Temporal Convolutional Networks 利用时间卷积网络热图像对非酒精性脂肪性肝病进行分类
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229802
Marcos Vinícius Araújo Farias, I. F. S. D. Silva, A. C. Silva, Henrique Manoel de Araújo Martins Filho, Anselmo Cardoso de Paiva
{"title":"Classificação de Doença Hepática Gordurosa Não Alcoólica em Imagens Térmicas usando Temporal Convolutional Networks","authors":"Marcos Vinícius Araújo Farias, I. F. S. D. Silva, A. C. Silva, Henrique Manoel de Araújo Martins Filho, Anselmo Cardoso de Paiva","doi":"10.5753/sbcas.2023.229802","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229802","url":null,"abstract":"Dentre as patologias hepáticas existentes, a Doença Hepática Gordurosa Não Alcoólica (DHGNA) é aquela que afeta a maior parcela da população mundial, aproximadamente 2 bilhões de pessoas. A DHGNA possui chances consideráveis de evoluir para quadros clínicos mais graves, como fibrose e cirrose hepática, representando sérios riscos à vida dos pacientes. Desse modo, é vital que sua detecção seja feita de maneira ágil, precisa e preferencialmente não invasiva, sendo a utilização de imagens térmicas um método de grande respaldo nesse âmbito. O presente trabalho apresenta o desenvolvimento de um modelo de classificação de DHGNA a partir de séries temporais em termografias. Foram utilizadas Temporal Convolutional Networks aliadas a estratégias de processamento de imagens na composição da proposta.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"18 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115986447","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Predição de Congelamento de Marcha por Meio da Detecção de Eventos de Pré-Congelamento 通过检测预冻结事件预测运行冻结
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229854
João Pedro A. Amoedo, P. H. N. Gonçalves, R. Albuquerque, E. Santos, Rafael Giusti, Renato C. F. Junior
{"title":"Predição de Congelamento de Marcha por Meio da Detecção de Eventos de Pré-Congelamento","authors":"João Pedro A. Amoedo, P. H. N. Gonçalves, R. Albuquerque, E. Santos, Rafael Giusti, Renato C. F. Junior","doi":"10.5753/sbcas.2023.229854","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229854","url":null,"abstract":"Congelamento de marcha (FOG) é um sinal clínico debilitante comumente observado em pacientes com doença de Parkinson. Utilizando dados normalmente capturados por sensores inerciais, a predição automática do FOG pode ajudar a melhorar a qualidade de vida dos pacientes—e.g., evitando quedas. Dentre as estratégias aplicadas, destaca-se o uso de métodos de aprendizagem de máquina para resolver um problema de classificação em três classes: FOG, Não-FOG e Pré-FOG. A classe Pré-FOG refere-se a segmentos de série temporal imediatamente anterior à ocorrência de um evento de FOG. A expectativa é que instâncias de Pré-FOG apresentem características únicas que permitam identificar aspectos de um episódio iminente de FOG. No entanto, essa classe não é bem definida e nem bem caracterizada na literatura devido à sua natureza transicional. Neste artigo nós analisamos o comportamento da classe Pré-FOG usando dois modelos de aprendizagem de máquina, SVM e a combinação de CNN com LSTM, em dados coletados por acelerômetros e giroscópios. Os resultados mostram que Pré-FOG pode ser detectada, mas com taxas de reconhecimento baixas, indicando a falta de padrões discriminantes da classe Pré-FOG em relação às instâncias de FOG ou de Não-FOG.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"117 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122088248","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Aprendizado profundo para assistência histopatológica: um estudo de classificação de micrometástases em câncer de mama 组织病理学辅助的深度学习:乳腺癌微转移分类的研究
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.230093
G. Kuhn, F. Zeiser, Adriana V. Roehe, C. Costa, Gabriel de O. Ramos
{"title":"Aprendizado profundo para assistência histopatológica: um estudo de classificação de micrometástases em câncer de mama","authors":"G. Kuhn, F. Zeiser, Adriana V. Roehe, C. Costa, Gabriel de O. Ramos","doi":"10.5753/sbcas.2023.230093","DOIUrl":"https://doi.org/10.5753/sbcas.2023.230093","url":null,"abstract":"Algoritmos de Deep Learning para detecção de micrometástases em câncer de mama podem melhorar os padrões-ouro e a eficiência das rotinas dos patologistas. Uma análise da literatura indica que os modelos ainda precisam melhorar seu desempenho na identificação de micrometástases e células tumorais. No caso de células tumorais isoladas, as taxas de detecção ficaram abaixo de 40%. Também há oportunidades para melhorar as taxas de falsos positivos, pois muitos modelos ainda detectam nervos ou contaminações como falsas micrometástases. Neste estudo, investigamos a implementação de uma rede neural para a classificação de metástases. O objetivo é que esta rede neural de classificação seja a primeira camada de um modelo final composto por duas redes neurais - classificação e segmentação. Como resultados parciais, este trabalho obteve uma AUC = 0,998 para a tarefa de classificação nos fragmentos da lâmina.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"21 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129686012","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
PavicNet-MC: Um modelo de classificação multilabel aplicado em ultrassonografia pulmonar PavicNet-MC:多标签分类模型在肺超声中的应用
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.230067
Clécio Elias Silva e Silva, Salomão Mafalda Machado, Ana Beatriz Alvarez, R. Chavez
{"title":"PavicNet-MC: Um modelo de classificação multilabel aplicado em ultrassonografia pulmonar","authors":"Clécio Elias Silva e Silva, Salomão Mafalda Machado, Ana Beatriz Alvarez, R. Chavez","doi":"10.5753/sbcas.2023.230067","DOIUrl":"https://doi.org/10.5753/sbcas.2023.230067","url":null,"abstract":"Nos últimos anos as consequências da Covid-19 e outras doenças pulmonares vem causando um aumento na demanda pelos serviços de saúde, o diagnóstico precoce e preciso dessas doenças é essencial para a recuperação dos pacientes. Este artigo propõe um modelo de classificação multirrótulo, denominado PavicNet-MC. Este modelo foi desenvolvido com a motivação de identificar cinco características visíveis em ultrassonografia pulmonar. O modelo proposto obteve uma precisão de 99% na classificação das cinco características. Resultados mostram que o modelo proposto é altamente eficaz na detecção e monitoramento das características visíveis que se correlacionam com doenças pulmonares, e possui uma complexidade relativamente baixa em comparação com outras arquiteturas encontradas na literatura.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128344511","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Image Processing Methods for Oral Macules and Spots Segmentation 口腔斑纹和斑点分割的图像处理方法
Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023) Pub Date : 2023-06-27 DOI: 10.5753/sbcas.2023.229664
Carolina Kelsch, Jean Schmith, R. Gomes, V. Carrard, R. M. D. Figueiredo
{"title":"Image Processing Methods for Oral Macules and Spots Segmentation","authors":"Carolina Kelsch, Jean Schmith, R. Gomes, V. Carrard, R. M. D. Figueiredo","doi":"10.5753/sbcas.2023.229664","DOIUrl":"https://doi.org/10.5753/sbcas.2023.229664","url":null,"abstract":"Oral cancers are the 16th most common type of cancer in the world and present a high mortality rate. This is mainly because they are frequently discovered in an advanced stage due to the lack of specialized professionals. Some clinical characteristics such as borders and symmetry can aid in cancer diagnosis, and therefore the segmentation of the lesions is important. In light of this, this work aimed to present and evaluate different analytic methods to perform automatic segmentation of oral macules and spots from 21 clinical images. From the tested methods, the one with the best result reached an accuracy of 84.9%, a precision of 70.1%, a recall of 75.3%, and an f1-score of 60.8%, which are similar outcomes of published works that used artificial intelligence.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133655637","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
首页 上一页 下一页 尾页
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整，为了账户安全，请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
请完成安全验证×
相关产品
×
本文献相关产品
联系我们：info@booksci.cn Book学术提供免费学术资源搜索服务，方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号：481959085
Book学术官方微信