{“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”：[[2024,6,13]]，“日期时间”：“2024-06-13T18:39:23Z”，“时间戳”：1718303963694}，“发布者位置”：“查姆”，“引用计数”：25，“发布商”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030597122”，“类型”：”打印“}，{“值”：“9783030597139”，“type”：“electronic”}]，“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”}0:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\/\www.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“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\/978-3-030-59713-9_50”，“type”：“book-capter”，“创建”：{“日期部分”：[[2020,10,2]，“日期时间”：“2020-10-02T09:06:21Z”，“timestamp”：1601629581000｝，“page”：“516-525”，“update policy”：“http:\/\/dx.doi.org/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，“由count引用”：6，“title”：[“MI$^2$GAN:使用相互信息约束的医学图像领域自适应生成对抗性网络”]，“prefix”：“10.1007”，“author”：[{“给定”：“新鹏”，“家庭”：“谢”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“加味”，“家族”：“陈”，“顺序”：“附加”，“隶属关系”：[]}“：”Kai“，”family“：”Ma“，”sequence“：“additional”，“affiliation”：[]}，{“given”：“Yefeng”，“family”：“Zheng”，“sequence”：“additive”，“filiance”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2020,9,29]]}；“reference”：[{“key”：”50_CR1“unstructured”：“Belghazi，I.，Rajeswar，S.，Baratin，A.，Hjelm，R.D.，Courville，A.C.：MINE:互信息神经估计。In:国际机器学习会议（2018）”}，{“key”：“50_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，C.，Dou，Q.，Chen，H.，Heng，P.A.：用于胸部X射线分割中无监督域自适应的语义软件生成对抗网。摘自：医学成像机器学习国际研讨会（2018）”，“DOI”：“10.1007\/978-3-030-00919-9_17”}，{“key”：“50_CR3”，“非结构化”：“Chen，L.C.，Papandreou，G.，Schroff，F.，Adam，H.：重新思考用于语义图像分割的反褶积。arXiv预印本arXiv:1706.05587（2017）”}，{“key”：“50_CR4”，“unstructured”：“Chen，X.，Duan，Y.，Houthooft，R.，Schulman，J.，Sutskever，I.，Abbeel，P.：InfoGAN:通过信息最大化生成对抗网进行可解释表征学习。In:神经信息处理系统年会（2016）”}，{“key”：“50_CR5”，“unstructured”：“Goodfellow，I.，et al.：生成对抗网。In:Annual Conference on Neural Information Processing Systems（2014）”}，{“key”：“50_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。In:IEEE Conferencement on Computer Vision and Pattern recognition（2016）”，“doi”：“10.1109\/CVPR.2016.90”}，{“key”：“50_CR7”，“unstructured”：“Hjelm，R.D.，et al.：通过相互信息估计和最大化学习深度表征。In:国际学习表征会议（2019）”}：“Huang，S.，Lin，C.，Chen，S.、Wu，Y.、Hsu，P.、Lai，S.:AugGAN：基于GAN的数据增强的跨域自适应。In:欧洲计算机视觉会议（2018）”，“DOI”：“10.1007\/978-3-030-01240-3_44”}，{“key”：“50_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Isola，P.，Zhu，J.Y.，Zhou，T.，Efros，A.A.：使用条件对抗网络进行图像到图像的转换。摘自：IEEE计算机视觉和模式识别会议（2017）”，“DOI”：“10.1109\/CVPR.2017.632”}，{“key”：“50_CR10”，“unstructured”：“Kim，T.，Cha，M.，Kim，H.，Lee，J.，Kin，J.：学习发现与生成性对抗网络的跨域关系。In:机器学习国际会议（2017）”}，{“key”：“50_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Lee，H.Y.，Tseng，H.Y..，Huang，J.B.，Singh，M.K.，Yang，M.H.：通过非纠缠表示进行多种图像到图像的转换。In:欧洲计算机视觉会议（2018）”，“DOI”：“10.1007\/978-3-030-01246-5_3”}，{“key”：“50_CR12”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1007\/978-3-319-46487-9_43”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“C Li”，“year”：“2016”，《unstructured》：“Li，C.，Wand，M.：使用马尔可夫生成对抗网络进行预计算实时纹理合成。In:Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（eds.）ECCV 2016。LNCS，第9907卷，第702\u2013716页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46487-9_43“}，{“key”：“50_CR13”，“unstructured”：“Liu，M.Y.，Breuel，T.，Kautz，J.：无监督的图像到图像翻译网络。In:Annual Conference on Neural Information Processing Systems（2017）”}，}“key:”50_CR14“，”doi-asserted-by“：”publisher“，”first page“：”101570“，”doi“：”10.1016\/J.media.2019.101570“卷：“59”，“作者”：“JI Orlando”，“年份”：“2020年”，“非结构化”：“Orlando，J.I.，et al.：REFUGE challenge:从眼底照片评估青光眼自动评估方法的统一框架。医学图像分析。59，101570（2020）“，“新闻标题”：“医学图像分析。“}，{”issue“：”8“，”key“：”50_CR15“，”doi-asserted-by“：”publisher“，”first-page“：”986“，”doi“：”10.1109\/TMI.2003.815867“，”volume“：“22”，“author”：“JPW Pluim”，“year”：“2003”，“unstructured”：“Pluim，J.P.W.，Maintz，J.B.A.，Viergever，M.A.：基于多信息的医学图像注册：一项调查。IEEE Trans.Med.Imaging 22（8），986\u 20131004（2003）“，”journal-title“：”IEEE Trans。Med.Imaging“}，{“key”：“50_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Ronneberger，O.，Fischer，P.，Brox，T.：U-net：用于生物医学图像分割的卷积网络。In:国际医学图像计算和计算机辅助干预会议（2015）”，“doi”：“10.1007\/978-3319-24574-4_28”}，}“issue”：“2”，“key“：”50_CR17“，”doi-asserted-by“：”publisher“，”first page“：”283“，”doi“：”10.1007\/s11548-013-0926-3“，”volume“：“9”，”author“：”J Silva“，”year“：”2013“，”unstructured“：”Silva，J.，Histace，A.，Romain，O.，Dray，X.，Granado，B.：关于在WCE图像中嵌入息肉检测以早期诊断结直肠癌。国际期刊计算。协助。无线电。外科学9（2），283\u2013293（2013）。https:\/\/doi.org\/10.1007\/s11548-013-0926-3“，”journal-title“：”国际计算杂志。协助。无线电。外科医师“}，{“key”：“50_CR18”，“unstructured”：“Ulyanov，D.，Vedaldi，A.，Lempitsky，V.：实例规范化：快速风格化的缺失成分。arXiv预印本arXiv:1607.08022（2016）”}，}，“key“：”50_CR19“，”doi-asserted-by“：”crossref“，”unstructure“：”Vazquez，D.等人：结肠镜图像腔内场景分割的基准。《医疗保健工程杂志》，第2017卷（2017），“DOI”：“10.1155\/2017\/40317190”｝，｛“key”：“50_CR20”，“DOI断言”：“crossref”，“非结构化”：“Wang，T.、Liu，M.、Zhu，J.、Tao，A.、Kautz，J.和Catanzaro，B.：使用条件GAN的高分辨率图像合成和语义操作。In：IEEE计算机视觉和模式识别会议（2018）“，”DOI“：”10.1109\/CVPR.2018.00917“}，{“key”：“50_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yi，Z.，Zhang，H.，Tan，P.，Gong，M.：DualGAN：无监督双重学习，用于图像到图像的转换。In:IEEE国际计算机视觉会议（2017）”，“DOI”：“10.1109 \/ICCV.2017.310“}，{“key”：“50_CR22”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”62“，“doi”：“10.1007 \/978-3030-35817-4_8”，“volume-title”：”医学成像中的图形学习“，”author“：”JM Wolterink“，”year“：”2019“，”unstructured“：”Wolterink，J.M.，Leiner，T.，I\u0161gum，I.：心脏CT血管造影术中冠状动脉分割的图形卷积网络。作者：Zhang，D.，Zhou，L.，Jie，B.，Liu，M.（编辑）GLMI 2019。LNCS，第11849卷，第62\u201369页。查姆施普林格（2019）。https://doi.org\/10.1007\/978-3-030-35817-4_8“}，{“key”：“50_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，Z.，Yang，L.，Zheng，Y.：翻译和分割具有循环和形状一致性生成对抗网络的多模态医疗卷。In:IEEE Conference on Computer Vision and Pattern Recognition（2018）”，“doi”：“10.1109\/CVPR.2018.00963“}，{“key”：“50_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhou，B.，Khosla，A.，Lapedriza，A.，Olivacrossref“，”unstructured“：”Zhu，J.，Park，T.，Isola，P.，Efros，A.A.：使用循环一致的对抗网络进行未成对的图像到图像转换。In:IEEE国际计算机视觉会议（2017）“，”DOI“：”10.1109\/ICCV.2017.244“}]，”container-title“：[”医学图像计算和计算机辅助干预\u2013 MICCAI 2020“，”计算机科学讲稿“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10007\/978-3030-59713-9_50“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,4,24]]，”date-time“：“2021-04-24T14:18:49Z”，”timestamp“：1619273929000}，”score“：1，”resource“：{“primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-59713-9_50”}}，“subtittle”：[]，“短标题”：[]，“已发布”：{“date-parts“：[[2020]]}，”ISBN“：[”9783030597122“，”978330597139“]，”references-count“：25，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-59713-9_50“，”relation“：{}，“ISSN”：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，”type“：”print“}，{“value”：“1611-3399”“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2020]]}，”assertion“：[{”value“：”2020年9月29日“，”order“：1，”name“：”first_online“，”label“：”first online“，”group“：｛”name“：”ChapterHistory“，”label“：”ChapterHistory“｝｝｝，｛”value“：”MICCAI“，”order“：1，”name“：”conference_首字母缩略词“，”label“：”ConferenceAcronym“，”group“：｛”name“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝｝，｛”value“：”国际医学图像计算与计算机辅助干预会议”，“order”：2，“name”：“Conference_name”，“label”：“会议名称”，“group”：{“name”:“ConferenceInfo”，“标签”：“Conferency Information”}}，{“value”：“Lima”，“订单”：3，“name“：”Conference_city“，”label“：”ConferenceCity“，”group“：{”name“：会议信息“}}，{“value”：“Peru”，“order”：4，“name”：“Conference_country”，“label”：“Conference-country”、“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}“”order“：7，”name“：”conference_start_date“，”label“：”会议开始日期“，”group“：conference_number“，”label“：”会议编号“，”group“：{”name“：”ConferenceInfo“，“label”：”会议信息“}}，{”value“：”miccai2020“，“order”：10，“name”：“conference_id”，“lable”：“会议id”，“group”：ence_url“，”标签“：”会议URL“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Double-blind”，“order”：1，“名称”：“类型”，“标签”：“type”，“group”：conference_management_system“，”label“：”会议管理系统“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{“value”：“542”，“order”：4，“name”：“number_of_full_papers_accepted”，“label”：“已接受的完整论文数”，“group”：{“name”:“ConfEventpeerReview Information”，“table”：“同行评审信息0“，”order“：5，”name“：”number_of_short_papers_accepted“，”label“：”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”/“发送供审查的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”全文接受率“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评议信息（由会议组织者提供）“}}，{“value”：“4”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部审阅者”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：”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”：“审核过程的附加信息”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审核信息（由会议组织者提供）”}}]}}