核心概念
眼球運動データの一致性を活用することで、医療画像のミトーシス検出AIモデルの性能を向上させることができる。
要約
本研究では、医療画像のミトーシス検出タスクにおいて、眼球運動データの一致性を活用する手法を提案した。実験では、14名の非医療従事者から眼球運動データを収集し、参加者数に応じて一致した眼球運動領域を抽出してラベルとして使用した。これらのラベルを用いてCNNモデルを訓練した結果、ヒューリスティックベースのラベルよりも高い精度を達成し、専門家が付与したラベルに近い性能を示した。特に、参加者数を増やすことで、ラベルの精度と再現率の安定性が向上した。本手法は、医療従事者の時間的負担を軽減しつつ、AIモデルの性能向上に寄与できる可能性がある。今後は、医療従事者を対象とした検証や、他の医療画像解析タスクへの適用が期待される。
統計
平均して参加者1人あたり1枚の画像を約2.63秒間観察していた。
専門家による手動アノテーションでは1枚の画像につき約10.27秒かかっていた。