Gaze2Segment：将眼动追踪技术整合到医学图像分割中的试点研究
计算机视觉与模式识别
2018-10-15 v1 人工智能
摘要
本研究介绍了一种名为 Gaze2Segment 的新系统，该系统整合了生物技术和计算机视觉技术，以通过自动图像分割任务支持放射科医生的阅读体验。在肺部 CT 扫描的诊断评估过程中，利用放射科医生的注视信息创建视觉注意力图。然后将该图与从灰度 CT 图像中提取的计算机衍生显著图相结合。视觉注意力图用作输入以大致指示感兴趣对象的位置。另一方面，利用计算机衍生的显著性信息，我们旨在寻找感兴趣对象的前景和背景线索。在最后一步，这些线索被用于启动基于种子的描绘过程。发现的 Gaze2Segment 分割精度为 86%（Dice 相似系数）和 1.45 mm（Hausdorff 距离）。据我们所知，Gaze2Segment 是首个真正将眼动追踪技术整合到医学图像分割任务中的系统，且无需任何进一步的用户交互。
引用
@article{arxiv.1608.03235,
title = {Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation},
author = {Naji Khosravan and Haydar Celik and Baris Turkbey and Ruida Cheng and Evan McCreedy and Matthew McAuliffe and Sandra Bednarova and Elizabeth Jones and Xinjian Chen and Peter L. Choyke and Bradford J. Wood and Ulas Bagci},
journal= {arXiv preprint arXiv:1608.03235},
year = {2018}
}
备注
MICCAI-Medical Computer Vision 2016, 11 pages