PoseGaze-AHP：面向 AI 驱动的眼球性姿势诊断的基于知识的 3D 数据集
计算机视觉与模式识别
2025-10-07 v1 人工智能
摘要
诊断由眼球引起的异常头部姿势（AHP）需要综合分析头部姿态和眼球运动。然而，现有数据集分别关注这些方面，限制了整合诊断方法的发展，并restrictions（限制了）AI 驱动的 AHP 分析的发展。为此，我们引入 PoseGaze-AHP，一个新的 3D 数据集，同步捕获头部姿态和注视运动信息，用于眼球性 AHP 评估。从医学文献中提取结构化临床数据使用大语言模型（LLMs），通过与 Claude 3.5 Sonnet 模型的迭代过程，结合阶梯式、分层和复杂的提示策略。提取的记录被系统性地填补并转换为 3D 表示，采用 Neural Head Avatar（NHA）框架。该数据集包括 7920 张图像，由两个头部纹理生成，涵盖广泛的眼球疾病谱系。提取方法实现了 91.92% 的整体准确率，证明了其为临床数据集构建的可靠性。PoseGaze-AHP 是首个面向 AI 驱动的眼球性 AHP 诊断的公开资源，支持开发准确且符合隐私要求的诊断工具。
引用
@article{arxiv.2510.03873,
title = {PoseGaze-AHP: A Knowledge-Based 3D Dataset for AI-Driven Ocular and Postural Diagnosis},
author = {Saja Al-Dabet and Sherzod Turaev and Nazar Zaki and Arif O. Khan and Luai Eldweik},
journal= {arXiv preprint arXiv:2510.03873},
year = {2025}
}
备注
This is a preprint version of a manuscript under review. All rights reserved by the authors