{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,2]，“日期-时间”：“2024-09-02T19:11:28Z”，“时间戳”：172530428861}，“参考-计数”：59，“发布者”：“Elsevier BV”，“许可证”：[{“开始”:{“日期-零件”：[2022,10,1]]，“日期时间”：”2022-10-01T00:00:00 0Z“，”时间戳“：1664582400000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,10,1]]，“date-time”：“2022-10-01T00:00:00Z”，“timestamp”：1664582400000}，“content-version”：“tdm”，“delay-in-days”：“0”，“URL“https:\\/www.else vier.com\/legal\/td”mrep-license“}，{“开始”：{“日期部分”：[[2022,10,1]]，“日期时间”：“2022-10-01T00:00:00Z”，“timestamp”：1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-017”}，{“start”：{“date-parts”：[[2022,10,1]]，“date-time”：“2022-10-01T00:00”，“时间戳”：1664.582400000{，“content-version“stm-as”，“delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-037“}，{“start”：{“date-parts”：[[2022,10,1]]，“date-time”：“2022-10-01T00:00:00Z”，“timestamp”：1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：{（日期-部件）：[[2022,10,1]]1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2022,10,1]]，“date-time”：“2022-10-01T00:00:00Z”，“timestamp”：1664582400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“http:\/\/doi.org\/10.15223\/policy-004”}]，“出资人”：[{“doi”：“10.1303”9\/501000001711“，”名称“：“Schweizerischer Nationalfonds zur F\u00f6rderung der Wissenschaftlichen Forschung”，“doi-asserted-by”：“出版商”，“奖项”：[“198388”]，“id”：[{“id”：“10.13039\/50110001711”，“id type”：“doi”，“asserted by”：“publisher”}]}r创新F\u00f6rderung“，”doi-asserted-by“：“publisher”，“adward”：[“31274.1”]，“id”：[{“id”:“10.13039\/50100013348”，“id-type”：“DOI”，“asserted-by”：“publicher”}]}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，”crossmark-restriction“：true}，”shortcontainer-title“：[”医学图像分析“]，”published-print“：{”date-parts“：[2022,10]]}，“DOI”：“10.1016\/j.media.2022.102551”，“类型”：“期刊文章”，“已创建”：｛“日期部分”：[[2022,7,22]]，“日期-时间”：“2022-07-22T03:48:19Z”，“时间戳”：1658461699000｝，“页面”：“102551”，“更新策略”：“http:\/\/dx.doi.org/10.1016\/elsevier_cm_policy”，“源”：“Crossref”，“由计数引用”：18，“special_numbering”：“C”，“title”：[“基于深度学习的医学图像的解释性引导归纳偏倚”]，“前缀”：“10.1016”，“卷”：“81”，“作者”：[{“给定”：“Dwarikanath”，“家族”：“Mahapatra”，“序列”：“第一”，“从属”：[]}：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“issue”：“1”，“key”：“10.1016\/j.media.2022.102551_bib0001”，”doi-asserted-by“：”crossref“，“first page”：”1“，”doi“：”10.1038\/s41746-021-00438-z“，”article-title“：”医学影像学深度学习的诊断准确性：系统综述和元分析“，”volume“：”4“，”author“Aggarwal”“”，“年份”：“2021”，“日志标题”：“NPJ Digit.Med.”}，{“问题”：“93”，“关键”：“10.1016\/j.media.2022.102551_bib0002”，“首页”：“1”，《文章标题》：“Innvestigate neural networks”，“卷”：“20”，“作者”：“Alber”，“年”：“2019”，“日记标题”：”j.Mach.Learn.Res.j.media.2022.102551_bib0003“，”doi-asserted-by“：”crossref“，“首页”：“e0130140”，“DOI”：“10.1371”\/journal.pone.0130140“，“文章标题”：“通过分层相关传播对非线性分类器决策进行像素级解释”，“卷”：“10”，“作者”：“巴赫”，“年”：“2015”，“日志标题”：”PLoS One“}，{“键”：“101016”\/j.media.2022.102551_bib0004“，”series-title“：“IEEE\/CVF国际计算机视觉会议论文集”，“首页”：“3286”，“文章标题”：“注意增强卷积网络”，“作者”：“Bello”，“年份”：“2019”}，{“问题”：“4”，“关键”：“10.1016\/j.media.2022.102551_bib0005”，“doi-asserted-by”：“crossref”，”首页“102062”，“doi”：“10116\/j.media.2021.02062”，“论文标题”：“关于医学图像分析的主动学习和人机交互深度学习的调查”，“卷”：“71”，“作者”：“巴德”，“年份”：“2021年”，“期刊标题”：“医学图像分析”}，{“关键”：“10.1016\/j.media.2022.102551_bib0006”，“系列标题”：“第三届国际研讨会，iMIMIC 2020，第二届国际研讨会MIL3ID 2020，第五届国际研讨会LABELS 2020，与MICCAI 2020联合举办，秘鲁利马，2013年10月4日，2020，会议记录”，“文章标题”：“医学图像计算的可解释和注释高效学习”，“作者”：“Cardoso”，“年份”：“2020”}，{“key”：“10.1016\/j.media.2022.102551_bib0007”，“非结构化”：“Chen，j.，Lu，Y.，Yu，Q.，Luo，X.，Adeli，E.，Wang，Y。Transunet：变压器为医学图像分割制作了强大的编码器。arXiv预印本arXiv:2102.04306.“}，{”key“：”10.1016\/j.media.2022.102551_bib0008“，”series-title“：”机器学习国际会议“，”首页“：”1597“，”article-title“：“视觉表征对比学习的简单框架”，“author”：“Chen”，“year”：“2020”}，“key”：“10.1016//j.media.2022.10255/bib0009”，“doi-asserted-by”：“”crossref“，“first page”：“610”，“DOI”：“10.1038”，“s42256-021-00338-7”，“article-title”：“Ai for radiography COVID-19 detection selects shortcuts over signal”，“volume”：”3“，“author”：“DeGrave”，“year”：“2021”，“journal title”：”Nat.Mach。智力。“}，{”key“：”10.1016\/j.media.2022.102551_bib0010“，”unstructured“：”Doshi-Velez，F.，Kim，B.，2017年。走向可解释机器学习的严格科学。arXiv预印本arXiv:1702.08608。“}，{“key”：“10.1016\/j.media.2022.102551_bib0011”，“非结构化”：“Dosovitskiy，A.，Beyer，L.，Kolesnikov，A.，Weissenborn，D.，Zhai，X.，Unterthiner，T.，Dehghani，M.，Minderer，M.、Heigold，G.，Gelly，S.，Uszkoreit，j.，Houlsby，N.，2020。一幅图像值16个字：用于大规模图像识别的变形金刚。arXiv预印本arXiv:2010.11929.“}，{“key”：“10.1016\/j.media.2022.102551_bib0012”，“series-title”：“医学图像计算中机器智能的可解释性和临床决策支持的多模态学习”，“首页”：“3”，“文章标题”：“测试卷积神经网络在基于mri的阿尔茨海默病\u2019s疾病分类中属性方法的稳健性”，“作者”：“Eitel”，“年份”：“2019”}，{“问题”：“1”，“关键”：“10.1016\/j.media.2022.102551_sbref0013”，“doi-asserted-by”：“crossref”，“首页”：“2”，“doi”：“101002\/mp.15359”，“文章标题”：“《可解释和可解释人工智能在新型冠状病毒肺炎成像中的应用综述》，“卷”：“49”，“作者”：“福尔曼”，“年份”：“2022年”，“期刊标题”：“医学物理学”。“}，{”issue“：”11“，”key“：”10.1016\/j.media.2022.102551_bib0014“，”doi-asserted-by“：”crossref“，”first page“：“665”，”doi“：”101038\/s42256-020-00257-z“，”article-title“：”deep neural networks“中的快捷学习”，“volume”：“2”，“author”：“Geirhos”，“year”：“2020”，“journal-title”：“Nat.Mach.Intell.”}，”{“key”：“10.1016\/j.media.2022.102551_bib0015”，“非结构化”：“Goyal，A.，Bengio，Y.，2020。高级认知深度学习的归纳偏见。arXiv预印本arXiv:2011.5091.“}，{“问题”：“8”，“关键”：“10.1016\/j.media.2022.102551_bib0016”，“doi-asserted-by”：“crossref”，“首页”：“357”，“doi”：“101016\/j.tics.2010.05.004”，“文章标题”：“认知的概率模型：探索表征和归纳偏见”，“卷”：“14”，“作者”：“格里菲斯”，“年份”：“2010”，“新闻标题“：”趋势认知。科学。“}，{”key“：”10.1016\/j.media.2022.102551_bib0017“，”unstructured“：”Hessel，M.，van Hasselt，H.，Modayil，j.，Silver，D.，2019。深度强化学习中的归纳偏差。arXiv预印本arXiv:1907.02908.“}，{“key”：“10.1016\/j.media.2022.102551_bib0018”，“series-title”：“IEEE计算机视觉与模式识别会议论文集”，“首页”：“7132”，“article-title”：”挤压与激励网络“，“author”：“Hu”，“year”：“2018”}，}“key:”10.1016\/j.meda.2022.1002551_bbib0019“，”doi-asserted-by“：”crossref”，“非结构化”：“Huang，G.，Liu，Z.，van der Maaten，L.，Weinberger，K.，2016年。密集连接的卷积网络。arXiv:1608.06993.“，”DOI“：”10.1109\/CVPR.2017.243“}，{“key”：“10.1016\/j.media.2022.102551_bib0020”，“DOI-asserted-by”：“crossref”，“unstructured”：“Irvin，j.，Rajpurkar，P.，et \u00a0al.，2019。Chexpert：具有不确定性标签和专家比较的大型胸片数据集。arXiv-print arXiv:1901.07031.“，”DOI“：”10.1609\/aaai.v33i01.3301590“}，{“issue”：“2”，“key”：“10.1016\/j.media.2022.102551_bib0021”，“DOI-asserted-by”：“crossref”，“first page”：”203“，“DOI”：“101038\/s41592-020-01008-z”，“article-title”：“nnU-Net:一种基于深度学习的生物医学图像分割的自设方法”，“volume”：“18”，“作者”：“Isensee”，“年份”：“2021年”，“新闻标题”：“自然方法”}，{“关键”：“10.1016\/j.media.2022.102551_bib0022”，“非结构化”：“Kingma，D.，Ba，j.，2014。亚当：一种随机优化方法。arXiv预印本arXiv:1412.6980.“}，{”issue“：”8“，”key“：”10.1016\/j.media.2022.102551_bib0023“，”doi-asserted-by“：”crossref“，”first-page“：”1160“，”doi“：”101016\/j.jacr.2021.02.008“，”article-title“：”放射学中人工智能模型的可信度和可解释性的作用“，”volume“：“18”，“author”：“Kitamura”，“year”：“2021”，“”新闻标题“：”J.Am.Coll。无线电。“}，{”key“：”10.1016\/j.media.2022.102551_bib0024“，”first page“：：“60”，“doi”：“10.1016\/j.media.2017.07.005“，“文章标题”：“医学图像分析深度学习调查”，“卷”：“42”，“作者”：“Litjens”，“年份”：“2017年”，“期刊标题”：《医学图像分析》。“｝，｛”issue“：”6“，”key“：”10.1016\/j.media.202.102551_bi0026“，”doi断言“：”crossref“，”首页“：”e271“，”doi“：”10.1016\/S2589-7500（19）30123-2“，”文章标题“：”深度学习与医疗保健专业人员在从医学成像中检测疾病方面的比较：系统综述和荟萃分析“，”卷“：”1“，”作者“：”刘，“年份”：“2019年”，“新闻标题”：“柳叶刀数字”。Health“}，{“key”：“10.1016\/j.media.2022.102551_bib0027”，“series-title”：“机器学习国际会议”，“首页”：“4114”，“文章标题”：“非监督学习解缠结表征中的挑战性共同假设”，“author”：“Locatello”，“year”：“2019”}，}“key”：《第31届神经信息处理系统国际会议论文集》，“首页”：“4768”，“文章标题”：“解释模型预测的统一方法”，“作者”：“伦德伯格”，“年份”：“2017年”}，{“关键”：“10.1016\/j.media.2022.102551_bib0029”，“doi-asserted-by”：“crossref”，“首版”：“102035”，“doi”：“10.1016\/j.media.2021.102035“，“文章标题”：“医学图像分割中的失落”，“卷”：“71”，“作者”：“马”，“年份”：“2021”，“期刊标题”：《医学图像分析》。“}，{”key“：”10.1016\/j.media.2022.102551_bib0030“，”series-title“：”IEEE CVAMD 2021“，”首页“：”3344“，”article-title“：“使用广义零炮学习的医学图像分类”，“author”：“Mahapatra”，“year”：“2021”}，“key”：“10.1016\/j.media.2022.102551_bb0031”，“series-ttle”：“Proc.MICCAI”，“首页”：“382”，”artice-title“：”使用生成对抗网络和局部盐度图进行视网膜图像分析的图像超分辨率”，“author”：“Mahapatra”，“year”：“2017”}，{“key”：“10.1016\/j.media.2022.102551_bib0032”，“series-title”：“Proc.MLMI”，“first-page”：“9”，“article-title”：”基于视觉显著性的主动学习用于前列腺MRI分割“，”author“：“Maha”，“年份：“2015”}，{“key”：“10.1016\/j.media.2022.102551_bib0033”，“首页”：“1”，“文章标题”：“使用新的可解释显著图进行医学图像分类的自我监督广义零炮学习”，“author”：“Mahapatra”，“year”：“2022”，“journal-title”：“IEEE Trans.Med.Imaging”}10.1016\/j.media.2022.102551_bib0034“，“doi-asserted-by”：“crossref”，“first page”：“2548”，“doi”：“10.1109\/TMI.2021.3061724”，“article-title”：“使用自监督学习进行解释性驱动样本选择，用于疾病分类和分割”，“volume”：”40“，“author”：“Mahapatra”，“year”：“2021”，“journal-title“：”IEEE Trans。医学成像“}，{“key”：“10.1016\/j.media.2022.102551_bib0035”，“series-title”：“MICCAI-MLMI程序”，“首页”：“172”，“文章-标题”：“使用显著性图和CNN进行视网膜图像质量分类”，“作者”：“Mahapatra”，“年份”：“2016”}，“key“：”10.1016\/j.media.2022.102551_bbib0036“，”series-ttle“：”MICCAI程序，“首页面”：“771”1“，”文章标题“：”使用基于显著性的MRF模型对动态肾脏MR图像进行非刚性配准”，“author”：“Mahapatra”，“year”：“2008”}，{“key”：“10.1016\/j.media.2022.102551_bib0037”，“series-title”：“Proc.MICCAI”，“first-page:”493，{“issue”：“4”，“key”：“10.1016\/j.media.2022.102551_bib0038”，“doi-asserted-by”：“crossref”，“首页”：“991”，“doi”：“101109\/TBME.2010.2093576”，“article-title”：“使用显著性信息的基于MRF的心脏灌注图像强度不变弹性配准”，“volume”：”58“author”：“Mahapatra”，“year”：“2011”，“journal title”：“IEEE Trans.Biomed.Eng.”}，{“issue”：“1”，“key”：“10.1016\/j.media.2022.102551_bib0039”，“doi-asserted-by”：“crossref”，“first page”：：“170”，“doi”：“101109\/TIP.2011.2162738”，“article-title”：“集成分段信息以改进基于MRF的弹性图像注册”，“volume”:“21”，“author”：“Mahapatra”，“year”：“2012”，“journal-title“：“IEEE Trans.Image Proc.”}，{“issue”：“6”，“key”：“10.1016\/j.media.2022.102551_bib0040”，“首页”：“e210031”，“article-title”：“计算机辅助分割中人工智能可解释性预测不确定性的放射学重点审查”，“volume”：《3》，“author”：“McCrindle”，“year”：“2021”，《journal-title》：“radiology”}：“10.1016\/j.media.2022.102551_bib0041”，“doi-asserted-by”：“交叉引用”，“首页”：“211”，“doi”：“10.116\/j.patcog.2016.11.008”，“文章标题”：“用深度泰勒分解解释非线性分类决策”，“卷”：“65”，“作者”：“Montavon”，“年份”：“2017”，“期刊标题”：”模式识别“}，{“密钥”：“10.1016\/j.media.2022.102551_bib0042”，“doi-asserted-by”：“crossref”，“unstructured”：“Pham，H.H.，Le，T.T.，Tran，D.Q.，Ngo，D.T.，Nguyen，H.Q.，2020。通过利用分级疾病依赖性和不确定性标签的CNN解释胸部X光。arXiv预印本arXiv:1911.06475.“，”DOI“：“10.1101\/19013342”}，{“key”：“10.1016\/j.media.2022.102551_bib0043”，“非结构化”：“Rajpurkar，P.，Irvin，j.，Zhu，K.，Yang，B.，Mehta，H.，Duan，T.，Ding，D.，Bagul，A.，Langlotz，C.，Shpanskaya，K.。，Lungren，M.，M.P.，Ng，A.，2017。Chexnet：在胸部X光片上进行放射科医生级肺炎检测，并进行深度学习。arXiv预印本arXiv:1711.05225.“}，{“key”：“10.1016\/j.media.2022.102551_bib0044”，“非结构化”：“Ramachandran，P.，Parmar，N.，Vaswani，A.，Bello，I.，Levskaya，A.，Shlens，j.，2019。视觉模型中的独立自我注意。arXiv预印本arXiv:1906.05909.“}，{“key”：“10.1016\/j.media.2022.102551_bib0045”，“非结构化”：“Reinke，A.，Eisenmann，M.，Tizabi，M.D.，Sudre，C.H.，R\u00e4dsch，T.，Antonelli，M.、Arbel，T.、Bakas，S.，Cardoso，M.j.，Cheplygina，V.，et \u00a0al.，2021。图像处理指标的常见限制：图片故事。arXiv预印本arXiv:2104.05642.“}，{”issue“：”3“，”key“：”10.1016\/j.media.2022.102551_bib0046“，”首页“：”e190043“，”article-title“：”On the interpretability of artificial intelligence in radiology：challenges and opportunities“，”volume“：“2”，”author“：”Reyes“，”year“：”2020“，”journal title“：“radiology”}，”{“key”：“10.1016\\j.media.2022.1022551_b0047”，“”series-title“：”程序。MICCAI“，“首页”：“234”，“文章标题”：“U-net：生物医学图像分割的卷积网络”，“作者”：“Ronneberger”，“年份”：“2015”}，{“关键”：“10.1016\/j.media.2022.102551_bib0048”，“系列标题”：《Proc.ICCV》，“首版”：“618”Selvaraju“，“年份”：“2017”}，{“key”：“10.1016\/j.media.2022.102551_bib0049”，“series-title”：“医学图像计算和计算机辅助干预国际会议”，“首页”：“305”，“文章标题”：“基于内容的解释性医学图像检索”，“作者”：“Silva”，“年份“2020”}10.1016\/j.media.2022.102551_bib0050“，”doi-asserted-by“：”crossref“，”first page“：”489“，”doi“：”10.1016\\j.media.2016.08.008“，”article-title“：”结肠组织学图像中的腺体分割：GlaS挑战赛“，”volume“：“35”，“author”：“Sirinukunwattana”，“year”：“2017”，“journal-title”：“Med.Image Anal”。“}，{”issue“：”5“，”key“：”10.1016\/j.media.2022.102551_bib0051“，”doi-asserted-by“：”crossref“，”first page“：“1299”，”doi“：”101109\/TMI.2016.2535302“，“article-title”：“医学图像分析的卷积神经网络：完全训练还是微调？”，“volume”：“35”，“author”：“Tajbakhsh”，“year”：“2016”，“journal-title“：”IEEE Trans.Med.Imaging“}，{“key“：”10.1016\/j.media.2022.102551_bi0052“，”系列标题“：”过程。CVPR”，“article-title”：“胸部x射线8：医院规模的胸部x射线数据库和常见胸部疾病弱监督分类和定位基准”，“作者”：“王”，“年份”：“2017年”}，{“问题”：“4”，“关键”：“10.1016\/j.media.2022.102551_bb0053”，“doi-asserted-by”：“crossref”，《首页》：“600”，“doi”：“101109\/TIP.2003.819861”，“article-title“：”图像质量评估：从错误可见性到结构相似性“，”卷“：”13“，”作者“：”王“，”年份“：”2004“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.media.2022.102551_bib0054“，”series-title“：”医学图像理解与分析“，”首页“：”118“，”article-title“：“大脑分割的转移学习：预任务选择和数据限制”，“author”：“Weatheritt”，“year”：“2020”}，“key”：“10.1016\\j.media.2022.10251_bib0055”，“series-ttle”：“”《欧洲计算机视觉会议论文集》，“article-title”：“CBAM：卷积块注意模块”，“author”：“Woo”，“year”：“2018”}，{“key”：“10.1016\/j.media.2022.102551_b0056”，“series-title”：《欧洲计算机视力会议论文集（ECCV）》，“article-title”：“CBAM：卷曲块注意模块》，“author“：”Woo“，”year“：”2018“}，{”key“：”10.1016\/j.media.2022.102551_bib0057“，”doi-asserted-by“：”crossref“，”unstructured“：”Wu，H.，Xiao，B.，Codella，N.，Liu，M.，Dai，X.，Yuan，L.，Zhang，L.“，2021。CVT：将卷积引入视觉变换器。arXiv预印本arXiv:2103.15808.“，”DOI“：”10.1109\/ICCV48922.2021.00009“}，{“key”：“10.1016\/j.media.2022.102551_bib0058”，“series-title”：“Proc.MICCAI”，“first page”：”417“，”article-title“：”用于半监督腺体分割的成对关系学习“，”author“：”Xie“，”year“2020”}，}“key:”10.1016\\j.media.2022.10255/bib009 59“，”series-title“：”IEEE计算机视觉和模式识别会议记录”，“首页”：“586”，“文章标题”：“深层特征作为感知度量的不合理有效性”，“作者”：“张”，“年份”：“2018”}]，“容器标题”：[“医学图像分析”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1361841522001980？httpAccept=text\/xml”，“内容类型”：“text\/xml”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝，｛“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S13618415222001980？httpAccept=text\/plain”，“内容类型”：“text\/plain”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝]，“deposited”：｛“日期部分”：[[2024,5,16]]，“date-time“：”2024-05-16T11:56:59Z“，”timestamp“：1715860619000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S1361841522001980”}}，“subtitle”：[]，“shorttitle”：[]，“issued”:{“date-parts”：[2022,10]}，，“references-count”：59，“alternative-id”：[“S1361841522001990”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.media.2022.102551“，”关系“：{}，”ISSN“：[”1361-8415“]，”ISSN-type“：[{”value“：”1361-8615“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2022,10]]}，“assertion”:[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}，{维护“值”：“基于深度学习的医学图像的解释性引导归纳偏倚”，“name”：“articletite”，“label”：“Article Title”}，{“value”：“医学图像分析”，“name:”journaltitle“，”label“：”Journal Title“}，”value“：”https:\/\/doi.org\/10.1016\/j.media.2022.102551“，”name“：”articlelink“，”标签“：”CrossRef doi链接到出版商维护的版本“}”，{value“：”article“，”name“：”content_type“，”label“：”content-type“}，{“value”：“\u00a9 2022 Elsevier B.V.保留所有权利。”，“name”：“copyright”，“label”：“copyright“}]，”article-number“：“102551”}}