近年来，深度学习技术广泛应用于计算机辅助诊断，然而收集有经验专家的标注诊断结果数据，用以监督和训练深度神经网络计算机诊断模型成本较高。有研究显示，医生的眼动轨迹包含一定模式特征以及大量诊断相关信息，并与诊断结论密切相关。
近期，来自上海科技大学的研究团队使用放射科医生眼动信息构建计算机辅助诊断网络。研究成果发表于《IEEE Transactions on Medical Imaging》，题目为：Follow My Eye: Using Gaze to Supervise Computer Aided Diagnosis。研究人员使用眼动仪采集模拟临床工作状态下的医生眼动数据，使用软件记录使用者在屏幕上的注视位置和相应的时间戳，直到有信心做出诊断决定，眼动信息数据覆盖医生读片和诊断完整周期。在构建计算机辅助诊断网络时加入注意力一致性（Attention Consistency, AC）模块，对计算出的网络注意力图与眼动注意力图进行约束。研究在膝关节X光平片数据上进行了验证，结果表明，放射科医生的眼动信息约束可以有效提高网络对病变部位的定位能力，不需要额外标注时间的眼动监督模型在X光骨关节炎分级任务中性能优越。
研究证明了放射科医生阅片时的眼动信号可以作为监督深度神经网络训练的有效信息，探索得出了基于深度神经网络的计算机辅助诊断系统的简单有效的训练方法，为发展计算机辅助诊断提供了新的思路。
原文链接：https://ieeexplore.ieee.org/document/9694633
注：此研究成果摘自《IEEE Transactions on Medical Imaging》杂志，文章内容不代表本网站观点和立场，仅供参考。
免责声明：本网转载自其它媒体的文章，目的在于弘扬科技创新精神，传递更多科技创新信息，宣传国家科技政策，展示国家科技形象，增强国家科技软实力，参与国际科技舆论竞争，提高国际科技话语权，并不代表本网赞同其观点和对其真实性负责，在此我们谨向原作者和原媒体致以崇高敬意。如果您认为本网文章及图片侵犯了您的版权，请与我们联系，我们将第一时间删除。
