机器学习在医学成像中的眼睛跟踪研究中的使用:一篇评论

科学领域:

• 综合医学和医学成像学
• 医疗保健中的人工智能

背景情况:

• 机器学习 (ML) 已经改变了医学图像诊断.
• 眼睛跟踪是一个新兴领域,具有在医学成像中整合ML的巨大潜力.

研究的目的:

• 审查和分析医疗成像中的眼睛跟踪现有研究.
• 调查当前眼睛追踪研究的临床,算法和硬件方面.
• 评估眼睛跟踪设备和软件与研究目标和ML方法的一致性.

主要方法:

• 对医学成像中眼睛跟踪的文献进行系统审查.
• 评估眼睛跟踪硬件,软件要求 (UI开发,数据记录) 和ML方法.
• 基于解剖学,目光数据表示和临床应用的分析.

主要成果:

• 分析眼睛追踪设备适合于各种研究目标的分析.
• 评估软件对记录和处理凝视数据的需求,包括UI和命令记录.
• 基于解剖学重点,数据表示和临床目标的ML方法的分类.

结论:

• 凝视数据的整合显著扩大了ML在放射学中的应用.
• 未来的研究应该考虑全面的眼睛追踪系统评估.
• 潜在的影响包括增强的计算机辅助诊断 (CAD),基于视线的图像注释和医生错误/疲劳检测.