数字病理学中的眼动追踪、鼠标追踪、刺激追踪与决策数据集
计算机视觉与模式识别
2025-10-29 v1 人机交互
摘要
对Giga像素全切片图像（WSIs）的解释是病理学家面临的重要但困难的任务。其诊断准确率平均约为70%。增加第二位病理学家并不显著提高决策一致性。该领域缺乏足够的行为数据来解释诊断错误和不一致性。为填补这一空白，我们提出了PathoGaze1.0，一个全面捕获癌症诊断期间动态视觉搜索和决策过程的行为数据集。该数据集包含来自19位病理学家对397个WSIs进行诊断期间收集的18.69小时的眼动追踪、鼠标交互、刺激追踪、视区导航和诊断决策数据（EMSVD）。数据收集过程通过一种称为PTAH的应用导向测试环境强调生态有效性。总体而言，我们记录了171,909次注视、263,320次眼球漂移和1,867,362次鼠标交互事件。此外，这些数据也可用于改进病理学家和可能支持人类专家的AI系统的训练。所有实验均在 https://osf.io/hj9a7 预先登记，完整数据集及分析代码可在 https://go.osu.edu/pathogaze 获取。
引用
@article{arxiv.2510.24653,
title = {Eye-Tracking, Mouse Tracking, Stimulus Tracking,and Decision-Making Datasets in Digital Pathology},
author = {Veronica Thai and Rui Li and Meng Ling and Shuning Jiang and Jeremy Wolfe and Raghu Machiraju and Yan Hu and Zaibo Li and Anil Parwani and Jian Chen},
journal= {arXiv preprint arXiv:2510.24653},
year = {2025}
}
备注
16 pages, 9 figures, submitted to Nature Scientific Data