{“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”：[[2024,9,12]，“日期时间”：“2024-09-12T00:10:24Z”，“时间戳”：1726099824305}，“出版商位置”：“查姆”，“参考计数”：33，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“类型”：”打印“，“值”：“9783030597092”}{“type”：“电子”，“value”：“9783030597108”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：0-01-01T00:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“延迟天数”：0，“URL”：“http:\/\/www.springer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：157783680000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https:\/\/www.springer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：157783680000｝，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[2020]]}，”DOI“：”10.1007\/978-3-030-59710-8_27“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,10,1]]，“date-time”：“2020-10-01T18:06:41Z”，“时间戳”：1601575601000}，“页面”：“273-283”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：11，”title“：[”通过使用图像翻译生成反事实数据的科学发现“]，”前缀“：”10.1007“，”作者“：[{”给定“Arunachalam”，“family”：“Narayanaswamy”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Subhashini”，“family”：“Venugopalan”，”sequence“：”additional“，”affiliance“：[]{，”given“：”Dale R.“，”family“：”Webster“，”segment“：”additional“”affidiation“：[]}，“givens”：“Lily”，“家庭”：“Peng”，“序列”：“additional”，“从属关系”：[]{“给定”：“Greg S.“，”family“：”Corrado“，”sequence“：“additional”，“affiliation”：[]}，{“given”：“Paisan”，“family”：“Ruamviboonsuk”，”sequence“：”additional序列“：”附加“，“affiliation”：[]}，{“given”：“Avinash V.”，“family”：“Varadarajan”，“sequence”：“additional”，“affaliance”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2020,9,29]]}：“Bau，D.，Zhou，B.，Khosla，A.，Oliva，A.，Torralba，A.：网络解剖：量化深层视觉表征的可解释性。In:CVPR（2017）”，“key”：“27_CR1”，“DOI”：“10.1109\/CVPR.2017.354”}，{“非结构化”：“Chang，C.H.，Creager，E.，Goldenberg，A.，Duvenaud，D.：通过反事实生成解释图像分类器。arXiv预印本arXiv:1807.08024（2018）”，“key”：“27_CR2”}，{“unstructured”：“Chu，C.，Zhmoginov，A.，Sandler，M.：Cyclegan，隐写术大师。arXiv预印本arXiv:1712.02950（2017）”，《key》：“27-CR3”}、{“非结构化”：“Dhurandhar，A.，Chen，P.Y.，Luss，R.，Tu，C.C.，Ting，P.，Shanmugam，K.，Das，P.：基于缺失的解释：与相关否定的对比解释。见：NeurIPS，pp.592\u2013603（2018）”，“key”：“27_CR4”}，{“doi-asserted-by”：“crossref”，“unstructured”：“Fong，R.，Patrick，M.，Vedaldi，A.：通过极值扰动和光滑掩码理解深网络。In:ICCV，pp.2950\u20132958（2019）”，“key”：“27_CR5”，“DOI”：“10.1109\/ICCV.2019.00304”}，{“DOI-asserted-by”：“crossref”，“unstructured”：“Fong，R.C.，Vedaldi，A.：用有意义的扰动解释黑箱。In:ICCV，pp.3429\u20133437（2017）”，“key”：“27_CR6”，“DOI”：“10.1109\/ICCV.2017.371”}，{“unstructured”：“Goodfellow，I.，et al.：生成对抗网。In:NeurIPS（2014）”：“Gulrajani，I.，Ahmed，F.，Arjovsky，M.，Dumoulin，V.，Courville，A.C.：改进wasserstein GANs的培训。见：NeurIPS，第5767\u20135777页（2017）”，“key”：“27_CR8”}，{“issue”：“22”，“key”：“V Gulshan”，“年份”：“2016年”，“非结构化”：“Gulshan，V.，et al.：在视网膜眼底照片中检测糖尿病视网膜病变的深度学习算法的开发和验证。JAMA 316（22），2402\u20132410（2016）”，“期刊标题”：“JAMA”}，{“问题”：“7013”，“密钥”：“27_CR10”，“doi-asserted-by”：“publisher”，“首页”：“1131”，“doi”：“10.1136”，bmj.311.7013.1131”，《卷》：“311”，《作者》：“S Harding”，“年份”：“1995年”，“非结构化”：“Harding，S.，Broadbent，D.，Neoh，C.，White，M.，Vora，J.：摄影和直接检眼镜在筛查视力威胁性眼病中的敏感性和特异性：利物浦糖尿病眼科研究。BMJ 311（7013），1131\u20131135（1995）”，“杂志标题”：“BMJ”}，{“非结构化的”：“Joshi，S.，Koyejo，O.，Vijitbenjaronk，W.，Kim，B.，Ghosh，J.：在黑盒决策系统中实现现实的个人追索和可操作的解释。arXiv预印本arXiv:1907.09615（2019）”，“key”：“27_CR11”}，{“doi-asserted-by”：“crossref”，“非结构化”：“Kapishnikov，A.，Bolukbasi，T.，Vi\u00e9gas，F.，Terry，M.：XRAI：通过地区进行更好的归属。收录于：ICCV，第4948\u20134957页（2019年）”，“key”：“27_CR12”，“DOI”：“10.1109\/ICCV.2019.00505”}，{“issue”：“8”，“key”：A.2018.01.034“，“卷”：“125”，“作者”：“j Krause”，“年份”：“2018”，“非结构化”：“Krause，J.等人：分级变异性和参考标准对糖尿病视网膜病变机器学习模型评估的重要性。眼科学125（8），1264\u20131272（2018）”，“期刊标题”：“眼科学”}，{“issue”：“1”，“key”：“27_CR14”，“doi-asserted-by”：“publisher”，“first page”：”1“doi”：“10.1186\/s40662-015-0026-2”，“volume”：“2”，“author”：“R Lee”，“year”：“2015”，“unstructured”：“Lee，R.，Wong，T.Y.，Sabanayagam，C.：糖尿病视网膜病变、糖尿病黄斑水肿及相关视力丧失的流行病学。Eye Vis.2（1），1\u201325：“Liu，S.，Kailkhura，B.，Loveland，D.，Han，Y.：为可解释的深度学习进行生成性反事实自省。arXiv预印本arXiv:1907.03077（2019）”，“key”：“27_CR15”，“DOI”：“10.1109”，{“issue”：“5”，”key“：”27_CR16“，”DOI-asserted-by“：”publisher“，”first page“e14811”，“DOI”：”10.1371。0014811“，”卷“：“6”，“author”：“S Mackenzie”，“year”：“2011”，“unstructured”：“Mackenzee，S.，et al.：SDOCT成像，通过数字摄影视网膜筛查程序诊断出糖尿病黄斑病变患者的黄斑病变。PLoS ONE 6（5），e14811（2011）”，“journal-title”：“PLoS ONE”}，{“doi-asserted-by”：“crossref”，“非结构化”：“Mahendran，A.，Vedaldi，A.：通过反转来理解深度图像表示。In：CVPR，pp.5188\u20135196（2015）”，“key”：“27_CR17”，“DOI”：“10.1109\/CVPR.2015.72991155”｝，｛“unstructured”：“Miller，A.，Obermeyer，Z.，Cunningham，J.，Mullainathan，S.：潜在变量模型的判别正则化及其在心电图中的应用。摘自：ICML.机器学习研究论文集，PMLR（2019）”，“key”：“27_CR18”}，{“非结构化”：“Mordvintsev，A.，Olah，C.，Tyka，M.：Deepdream-可视化神经网络的代码示例。谷歌研究2（5）（2015）”，“key”：“27_CR19”}，{“unstructured”：“Petsiuk，V.，Das，A.，Saenko，K.：上升：解释黑盒模型的随机输入采样（2018）”：“Pharmaceuticals，R.：递归细胞图像分类-Kaggle contest。www.Kaggle.com/c\/Recursion-Cellular-Image-Classification\/data”，“key”：“27_CR21”}，{“issue”：“3”，“密钥”：“27 _CR22”，“doi-asserted-by”：“publisher”，”first page“：”158“，”doi“：”10.1038\/s41551-018-0195-0“，“volume“2”，“author”：“R Poplin”，“year”：“2018”，“unstructured”“”：“Poplin，R.，et al.：通过深度学习从视网膜眼底照片预测心血管风险因素。Nat.Biomed.Eng.2（3），158（2018）”，“日记标题”：“Nat.Bimed.Eng.”}，{“doi-asserted-by”：“crossref”，“unstructured”：“Ribeiro，M.T.，Singh，S.，Guestrin，C.：为什么我应该信任你？：解释任何分类器的预测。In:ACM SIGKDD（2016）“，”key“：”27_CR23“，”DOI“：”10.1145 \/2939672.2939778“}，”DOI-asserted-by“：”crossref“，”unstructured“：”Samangouei，P.，Saeedi，A.，Nakagawa，L.，Silberman，N.：解释：通过决策边界交叉转换进行模型解释。In:ECCV（2018）“，由“：”插入crossref”，“非结构化”：“Selvaraju，R.R.，Cogswell，M.，Das，A.，Vedantam，R.，Parikh，D.，Batra，D.：梯度凸轮：通过基于梯度的定位从深度网络进行视觉解释。收录于：ICCV，第618\u2013626页（2017）“，“key”：“27_CR25”，“DOI”：“10.1109\/ICCV.2017.74”}，{“unstructured”：“Singla，S.，Pollack，B.，Chen，J.，Batmanghelch，K.：通过渐进式夸张进行解释。arXiv预印本arXiv:1911.00483（2019）”，“key”：Smilkov，D.，Thorat，N.，Kim，B.，Vigas，F.，Wattenberg，M.：Smoothgrad：通过添加噪音消除噪音（2017）“，“key”：“27_CR27”}，{“非结构化”：“Springenberg，J.T.，Dosovitskiy，A.，Brox，T.，Ried\u00e9millerSundararajan，M.，Taly，A.，Yan，Q.：深度网络公理化归属（2017）“，”key“：”27_CR29“}，{”issue“：”1“，”key“：“27_CR30”，”doi-asserted-by“：”publisher“，”first page“：Varadarajan，A.V.等人：利用深度学习从眼底照片预测光学相干断层摄影术衍生的糖尿病黄斑水肿分级。国家公社。11（1），1\u20138（2020）“，“新闻标题”：“国家通讯”。“}，{”issue“：”2“，”key“：”27_CR31“，”doi-asserted-by“：”publisher“，”first page“：“222”，”doi“：”10.1001\/jamaephthol.2015.5332“，“volume”：“134”，“author”：“YT Wang”，“year”：“2016”，“unstructured”：“Wang，Y.T.，Tadarati，M.，Wolfson，Y.，Bressler，S.B.，Bressler，N.M.：基于单目眼底摄影与光学相干断层扫描的糖尿病性黄斑水肿患病率比较。JAMA眼科。134（2），222\u2013228（2016）“，“杂志标题”：“JAMA眼科学。“}，{”key“：”27_CR32“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“818”，”doi“：”10.1007\/978-3319-10590-1_53“，”volume-title“：“Computer Vision\u2013 ECCV 2014”，”author“：”MD Zeiler“，”year“：”2014“，”unstructured“：”Zeiler，M.D.，Fergus，R.：卷积网络的可视化和理解。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8689卷，第818\u2013833页。查姆施普林格（2014）。https:\/\/doi.org/10.1007\/978-3-319-10590-1_53“｝，｛”doi断言者“：”crossref“，”非结构化“：”Zhu，J.Y.，Park，T.，Isola，P.，Efros，A.A.：使用循环一致对抗性网络的非配对图像到图像翻译。在：ICCV，pp.2223\u20132232（2017）“，”key“：”27_CR33“，”doi“：”10.1109\/ICCV.2017.244“｝]，”container title“：[”计算机科学课堂讲稿”，“医学图像计算和计算机辅助干预\u2013 MICCAI 2020”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-59710-8_27”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放“：{“date-parts”：[[2021,4,24]]，“date-time”：“2021-04-24T16:34:47Z”，“timestamp”：1619282087000}，“score”：1，“resource”：{主要”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3030-59710-8_27”}，”副标题“：[]，”短标题“：[]，”发布“：{“date-ports”：[2020]]}，《ISBN》：[“97830305970”92“，”9783030597108“]，”references-count“：33，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-030-59710-8_27“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”类型“：”打印“，”值“：”0302-7743“}，{”型号“：”电子“，”数值“：”1611-33049“}]，”主题“：[]，”已发布“：{”日期部分“：[2020]]}，“断言”：[{“值”：“29 2020年9月“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Ch章历史“}}，{“value”：“MICCAI”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，”lable“：”ConferenceInformation“}，”{“value”：“医学图像计算与计算机辅助干预国际会议”，“订单”：2，“name“：“confence_name”，“标签”：“”会议名称“，”组“：{“Name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“Lima”，“order”：3，“Name”:“Conference_city”，“标签”：“会议城市”，“group”：{名称“：”ConferenceInformo“，”label“：”会议信息“}，”{“值”：“秘鲁”，“订单”：4，“Name“，”label“：”会议信息“}}，{“value”：“2020”，“order”：5，“name”：“Conference_year”，“label”：“会议年份”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}value“：”2020年10月8日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：，“名称”：“conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/www.miccai2020.org\/en\/“，”order“：11，”name“:”conferenceurl“，“type”，“label”：“type”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”Microsoft CMT“，”order“：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：{同行评审信息（由会议组织者提供）“}}，{“value”：“1809”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”30%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评审信息（由会议组织者提供）external_reviewers_involved“，”label“：”涉及的外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}，”{“value”：“会议实际上是由于新冠肺炎疫情而召开的。”，“order”：10，“name”：“additional_info_on_Review_process”，“label”：“”评审过程附加信息“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}