强化放射诊断: 集成AI与人类专家的协作方法以纠正视觉遗漏
计算复杂性
2024-11-01 v2 离散数学
数据结构与算法
摘要
尚未探索过人类-AI协作以识别和纠正胸片放射学中的感知错误。本研究旨在开发一种协作AI系统CoRaX，将眼动数据和放射学报告整合，以提高胸部放射学诊断准确性，通过定位感知错误来细化决策过程。使用公开数据集REFLACX和EGD-CXR进行回顾性开发CoRaX，采用大型多模态模型分析图像嵌入、眼动数据和放射学报告。评估CoRaX的效果基于其referral-making过程、referral质量以及协作诊断环境中的性能。CoRaX在271个样本(其中332个样本中有28%(93个)漏诊异常)的测试中纠正了21%(332个样本中71个)这些错误，剩余7%(312个样本中22个)未解决。Referral-Usefulness得分(反映预测所有真实referral区域的准确性)为0.63(95%置信区间0.59, 0.68)。Total-Usefulness得分(反映CoRaX与放射科医生交互的诊断准确性)，显示84%(280个交互中237个)的交互得分高于0.40。总之，CoRaX能够高效地与放射科医生合作，解决各种异常的感知错误，具有潜在的教育和训练初学放射科医生的应用前景。
引用
@article{arxiv.2406.19685,
title = {The periodic structure of local consistency},
author = {Lorenzo Ciardo and Stanislav Živný},
journal= {arXiv preprint arXiv:2406.19685},
year = {2024}
}