摘要

本文介绍了一种名为Collaborative Radiology Expert (CoRaX)的创新型人工智能系统，旨在通过整合眼动追踪数据和放射学报告，提高胸部放射学诊断的准确性。该系统通过分析放射科医生与X光图像的交互，识别并纠正感知错误，从而提升决策过程。CoRaX系统的设计不仅提高了诊断效率，还具有教育潜力，可支持经验不足的放射科医生的培训。

原理

CoRaX系统采用了一种多模态模型，该模型能够处理图像嵌入、眼动追踪数据和放射学报告。系统主要由两个关键模块组成：Missed Abnormality Finder (MAF) 和 Spatio-Temporal Abnormal Region Extractor (STARE)。MAF模块负责总结放射学报告并识别任何遗漏的异常情况，而STARE模块则预测异常情况的空间和时间定位，以提高诊断准确性。这种先进的多模态分析方法使得系统能够更精确地识别和纠正放射科医生在解读胸部X光片时的感知错误。

流程

CoRaX系统的工作流程包括接收放射科医生提交的X光图像、报告和眼动追踪数据，然后通过MAF和STARE模块进行分析。MAF模块首先识别报告中可能遗漏的异常，STARE模块随后预测这些异常的具体位置。系统生成包含遗漏异常和相应感兴趣区域的推荐，供放射科医生进一步评估。例如，在某个案例中，系统成功识别了放射科医生未诊断出的胸腔积液、水肿和肺不透明度，并提供了具体的区域推荐。

应用

CoRaX系统的应用前景广泛，不仅可以在临床环境中提高诊断的准确性和效率，还可以作为教育工具，帮助培训经验不足的放射科医生。随着技术的进一步发展和优化，CoRaX有望成为放射学领域中不可或缺的辅助工具，特别是在处理复杂的胸部X光图像时。