俄罗斯因诺波利斯大学的科学家研发的一种新型神经网络，能够预测医生在分析X光片时的眼球运动轨迹。据研发者称，该算法不仅可以“教会”年轻的放射科医生如何观察图像，还能帮助他们注意到诊断中的一些重要细节。这项研究成果已在神经信息处理系统大会（NeurIPS）上发表。
根据不同的任务——例如，为了寻找肺炎、心力衰竭的症兆，或监测肋骨骨折的愈合情况，医生需要关注胸部X光片的不同区域。然而，因诺波利斯大学的科学家指出，现代的“诊断”神经网络往往只关注极暗或极亮的像素，而这些像素也有可能是由于X光室的背光或患者身上佩戴的首饰吸收辐射造成的。
这所大学的专家们研发出一种人工智能放射科医生助手。它不仅要依据图像，还依靠包括解剖学、诊断学和其他信息在内的医疗数据。
研究者之一、伊诺波利斯大学医学人工智能实验室专家德米特里·利沃夫（Dmitry Lvov）说：“我们的模型集视觉、语言和医学等知识于一体，能够预测放射科医生在查看医学图像时的视线方向。它不仅把像素与明亮区域联系起来，还能把这些区域的医学含义以及诊断任务联系起来。这种特殊的数据分析方法使我们能够看到神经网络内部，并从单个图像片段中提取出人类可读的语义描述，例如‘骨骼’、‘心脏’、‘暗区’”。
训练神经网络时使用了三类数据：从专门的医学算法中提取的视觉特征；对诊断标签的文本描述，例如“正常”或“肺炎”；以及语义数据——用人类可读的数据描述示例。结果，这种模型不仅能预测注意力热图，还能预测注视序列：图像区域的坐标以及注视持续的时间——这与放射科医生在寻找医学问题答案时分配注意力的方式完全相同。
伊诺波利斯大学人工智能实验室主任伊利亚·佩尔申表示，新系统检测肺炎和心力衰竭的准确率比同类系统高出 5%。然而，该模型的价值不在于它能够成为“独立医生”，而在于它能够训练年轻的医护人员不仅能够看到图像，还能正确地“观察”图像。
这项研究获得了俄罗斯联邦经济发展部的支持。
版本所有@2026 BOLE保留所有权
更多
APP下载
合作
商城
签到
0 
