当眼动追踪遇上机器学习：医学图像分析应用系统综述
图像与视频处理
2024-03-13 v1 计算机视觉与模式识别
摘要
眼动追踪研究在增强各种医疗相关任务方面展现出巨大潜力，尤其是在医学图像分析和解释方面。眼动追踪是一项监测和记录眼球运动的技术，可为人类视觉注意力模式提供有价值的见解。这项技术可以改变医疗专业人员和医学专家参与和分析诊断图像的方式，为医疗诊断提供更具洞察力和更高效的方法。因此，通过利用眼动数据从医学图像中提取有意义的特征和见解，可以增进我们对放射科医生和其他医学专家如何监测、解释和理解用于诊断的图像的理解。眼动追踪数据中嵌入了复杂的人类视觉注意力模式，为整合人工智能（AI）发展与人类认知提供了桥梁。这种整合允许新颖的方法将领域知识纳入机器学习（ML）和深度学习（DL）方法中，以增强它们与类人感知和决策的一致性。此外，大量眼动追踪数据集也使新颖的 ML/DL 方法能够分析人类视觉模式，为更好地理解人类视觉、注意力和认知铺平了道路。本系统综述深入调查了用于增强医学图像分析 ML/DL 算法的眼动追踪应用和方法。
引用
@article{arxiv.2403.07834,
title = {When Eye-Tracking Meets Machine Learning: A Systematic Review on Applications in Medical Image Analysis},
author = {Sahar Moradizeyveh and Mehnaz Tabassum and Sidong Liu and Robert Ahadizad Newport and Amin Beheshti and Antonio Di Ieva},
journal= {arXiv preprint arXiv:2403.07834},
year = {2024}
}