基于低层感知线索、高层认知任务与决策过程的3D体数据分割分析

3D体数据分割是许多科学与医学应用中的基础任务。高效产生准确分割具有挑战性，部分源于较低的成像数据质量（如噪声与低图像分辨率）以及数据中仅靠结构的高层知识才能解决的歧义。自动算法确实存在，但在许多用例中会失效。金标准仍是手动分割或人工校审。遗憾的是，即便对专家而言，手动分割也费力、耗时且易出错。现有3D分割工具常基于底层算法设计，未考虑人的心智模型、其低层感知能力及高层认知任务。我们的目标是通过关键决策法（CDM）分析手动分割，以更好理解分割者所用的低层（感知与标记）动作与高层决策过程。我们面临的一个关键挑战是，决策由一组相互关联且难以口头表述的累积低层视觉空间决策构成。为此，我们开发了一种将CDM与眼动追踪、观察和针对性提问相融合的新颖混合协议。本文中，我们为这一混合数据集开发并验证了数据编码方案，以辨识分割者的低层动作、高层认知任务、整体任务结构与决策过程。我们基于任务序列与眼动数据中反映的微观决策成功检测出视觉处理变化，并识别出分割者所采用的不同分割决策策略。