桥梁人类和机器智能:逆向工程放射科医生意图临床信任和采用

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 这是一个很棒的节目,这是一个很棒的节目.
• 黑盒子是一个黑盒子.
• 由于缺乏透明度,人工智能的性质阻碍了临床采用. 将AI与临床专业知识相结合,对于提高医学成像诊断精度至关重要.

研究的目的:

• 使用大型多式模式 (LMM) 开发一种新的系统,以弥合人工智能预测和放射科医生的认知过程之间的差距.
• 提高AI在临床实践中的可解释性和可信度.
• 提高诊断准确度,支持医学教育和培训.

主要方法:

• 这是一个新的系统,有两个模块:临时接地意图检测 (TGID) 和区域提取 (RE).
• TGID分析眼神热图视频和放射学报告,以预测放射科医生的意图.
• RE提取与预测意图一致的感兴趣区域,反映放射科医生的焦点. 这是密集视频标题 (DVC) 在医学中的第一个应用.

主要成果:

• 该系统在REFLACX和EGD-CXR数据集上生成临时接地意图方面表现出卓越的性能.
• 在医学异常的重叠得分和有效的区域提取中实现了强大的预测准确性,在欧盟 (IoU) 上有很高的交叉点.
• 在复杂的病例中表现出特别的有效性,如心壮病和.

结论:

• 拟议的AI系统提高了透明度,并与放射科医生的认知过程保持一致,促进信任和提高诊断准确性.
• 这种方法为自动纠错,指导初级放射科医生和改善培训提供了潜力.
• 在医疗保健中为以人为中心,透明和值得信赖的AI树立先例.