模型观察者中的拟人化决策
计算机视觉与模式识别
2015-07-01 v1 人机交互
摘要
通过分析人类阅读者在模拟数字乳腺断层合成背景中、在位置精确已知场景下检测小圆形病灶的性能，我们开发了一个模型观察者，能更好地预测人类在不同背景复杂度（即解剖学和量子噪声）下的表现。我们的分析表明，人类观察者通过结合若干子决策来执行病灶检测任务，每个子决策都是图像堆栈中是否存在病灶的指示。这与通道化Hotelling观察者（CHO）形成对比，后者通过阈值化单一决策变量整体地进行检测任务，该变量由通道的最优加权线性组合构成。然而，人类阅读者相比CHO的次优表现似乎不能仅凭其对子决策的依赖来完全解释，或者可能我们考虑的子决策数量不足。为了弥合人类阅读者与基于子决策的模型观察者之间的表现差距，我们采用了一个加性噪声模型，其功率随背景复杂度调制。所提出的模型观察者能更好地预测人类检测性能随背景复杂度的快速下降。
引用
@article{arxiv.1506.09169,
title = {On anthropomorphic decision making in a model observer},
author = {Ali R. N. Avanaki and Kathryn S. Espig and Tom R. L. Kimpe and Andrew D. A. Maidment},
journal= {arXiv preprint arXiv:1506.09169},
year = {2015}
}