照亮放射学中的AI:深度学习中的眼睛凝视驱动可解释性的系统审查和分类
José Neves1, Chihcheng Hsieh2, Isabel Blanco Nobre3
1Instituto Superior Técnico / INESC-ID, University of Lisbon, Portugal.
European journal of radiology
|February 10, 2024
概括
眼睛跟踪数据与深度学习相结合,可以改善X射线分析,但结果各不相同. 本综述阐明了处理方法和模型选择如何影响诊断应用,并提供了更好的整合指南.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 人与计算机的互动.
背景情况:
- 射线成像对于诊断至关重要,但在全球范围内,放射科医生短缺限制了这一点.
- 眼睛跟踪数据和深度学习有可能提高X射线分析,提高准确性和训练.
- 现有的研究表明,眼睛跟踪在深度学习中用于检测异常的有效性有矛盾的结果.
结论:
- 开发了一种新的分类学,按任务分类文献,以指导眼动数据在放射学中的应用.
- 为特定的放射学应用提供了适合深度学习架构和视线处理技术的指导方针.
- 演示了眼神视线数据如何在放射性AI系统中显著促进可解释性.


