GazeSearch: Radiology Findings Search Benchmark

要約

医療アイトラッキング データは、放射線科医が医療画像を視覚的に解釈する方法を理解するための重要な情報源です。
この情報により、X 線解析用の深層学習モデルの精度が向上するだけでなく、その解釈可能性も向上し、意思決定の透明性が高まります。
しかし、現在の視線追跡データは分散しており、未処理で曖昧であるため、有意義な洞察を得ることが困難になっています。
したがって、より焦点を当てた目的のある視線追跡データを含む新しいデータセットを作成し、診断アプリケーションでの有用性を向上させる必要があります。
この研究では、ターゲットの存在を視覚的に検索するという課題に触発された改良方法を提案します。つまり、特定の発見があり、それを見つけるために注視が誘導されます。
既存の視線追跡データセットを改良した後、特に放射線医学所見を対象とした、GazeSearch と呼ばれる精選された視覚検索データセットに変換します。各注視シーケンスは、特定の所見を見つけるタスクに合わせて意図的に調整されています。
続いて、特に GazeSearch に合わせた ChestSearch と呼ばれるスキャンパス予測ベースラインを導入します。
最後に、現在の最先端の手法のパフォーマンスを評価するためのベンチマークとして新しく導入された GazeSearch を採用し、医用画像領域における視覚検索の包括的な評価を提供します。

要約(オリジナル)

Medical eye-tracking data is an important information source for understanding how radiologists visually interpret medical images. This information not only improves the accuracy of deep learning models for X-ray analysis but also their interpretability, enhancing transparency in decision-making. However, the current eye-tracking data is dispersed, unprocessed, and ambiguous, making it difficult to derive meaningful insights. Therefore, there is a need to create a new dataset with more focus and purposeful eyetracking data, improving its utility for diagnostic applications. In this work, we propose a refinement method inspired by the target-present visual search challenge: there is a specific finding and fixations are guided to locate it. After refining the existing eye-tracking datasets, we transform them into a curated visual search dataset, called GazeSearch, specifically for radiology findings, where each fixation sequence is purposefully aligned to the task of locating a particular finding. Subsequently, we introduce a scan path prediction baseline, called ChestSearch, specifically tailored to GazeSearch. Finally, we employ the newly introduced GazeSearch as a benchmark to evaluate the performance of current state-of-the-art methods, offering a comprehensive assessment for visual search in the medical imaging domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google