Vývoj algoritmov umelej inteligencie, ktoré sú viac „ľudsko-zamerané“, je kľúčovým cieľom v oblasti rádiológie. Nedávna štúdia uskutočnená v Lisabone, Portugalsku, naznačuje, že integrácia dát sledovania očí do hlbokých algoritmov umelej inteligencie by mohla byť riešením. Mapovaním toho, ako radiológovia interpretujú rentgenové snímky prostredníctvom údajov o pohľade, môžu tieto algoritmy stať sa interpretabilnejšími a transparentnejšími vo svojich rozhodovacích procesoch.
Hlboké modely učenia (DL) preukázali pozoruhodnú zručnosť v úlohách rádiológie. Avšak ich vnútorné rozhodovacie procesy zostávajú vo veľkej miere neprůhledné, vytvárajúc „black-box“ problém. Na premostenie tejto medzery navrhuje štúdia integráciu dát sledovania pohľadu získaných zo štúdií s použitím hardvéru a softvéru na sledovanie očí.
Výskumníci sa zameriavali na sakyády (rýchle pohyby očí pri prehadzovaní pohľadu) a fixácie (periódy relatívne mierneho pohľadu) ako kľúčové indikátory pre pozornosť. Tieto výskumníci cieľom predkladajú tieto údaje v kartách pozornosti, aby zarovnali funkcie vybrané hlbokými modelmi s obrazovými charakteristikami, ktoré radiológovia považujú za relevantné pre diagnózu.
Na preskúmanie optimálnych metód integrácie výskumníci vykonali systematický prehľad a analyzovali 60 vedeckých prác. Adresovali otázky týkajúce sa architektúry a techník fúzie na integráciu dát sledovania pohľadu, metód predspracovania a spôsobov, ako môžu dáta sledovania očí podporiť vysvetlenie v modeloch DL.
Závery štúdie naznačujú, že zahrnutie dát sledovania pohľadu do modelov DL zarovnáva vybrané funkcie s interpretáciou charakteristík rentgenových snímok radiológmi. Výsledkom je, že tieto modely sa stávajú viac interpretabilnými a ich proces rozhodovania sa stáva transparentnejším.
Táto výskumná práca poskytuje konkrétne odpovede týkajúce sa úlohy dát pohybov očí a toho, ako ich najlepšie integrovať do algoritmov rádiologickej DL. Je to významný krok smerom k vytváraniu algoritmov umelej inteligencie, ktoré lepšie pomáhajú klinickej praxi.
Zahrnutie dát sledovania pohľadu otvára cestu k ľudskocentrickým technológiám v rádiológii. Porozumením spôsobu, akým radiológovia interpretujú rentgenové snímky prostredníctvom pohybov očí, môžu algoritmy umelej inteligencie zlepšiť diagnostickú presnosť a poskytnúť cennú podporu pri klinickom rozhodovaní.
Celkovo môže zahrnutie dát sledovania pohľadu do hlbokých algoritmov umelej inteligencie revolučne ovplyvniť oblasť rádiológie a vytvoriť spolupracovnejší a transparentnejší prístup k asistovanej diagnostike umelej inteligencie.
The source of the article is from the blog oinegro.com.br