基于智能眼动注视的组织病理学图像标注用于深度卷积神经网络训练

大规模训练数据集的缺乏是实现深度学习在组织病理学应用中真正潜力所必须克服的瓶颈。尽管通过全切片成像扫描仪进行的切片数字化提高了数据获取速度，但虚拟切片的标注仍需病理学家投入大量时间。眼动注视标注有潜力加速切片标注过程。本工作探讨了眼动注视标注相比传统手动标注在训练目标检测器方面的可行性与耗时比较。同时讨论了基于注视标注所面临的挑战，以及为后续目标检测精炼粗标注数据的方法。结果表明，基于注视追踪的标注能够节省病理学家宝贵的时间，并且在用于训练深度目标检测器时表现良好。以口腔鳞状细胞癌病例中角化珠的定位任务为测试用例，我们比较了使用手工标注和注视标注数据训练的深度目标检测器的性能差距。平均而言，与基于“边界框”的手工标注相比，注视标注每个标签所需时间减少 $57.6\%$；与“自由手绘”标注相比，注视标注每个标签平均所需时间减少 $85\%$。