深度学习中的眼动注视生理数据增强

本研究通过引入一种新型的基于生理的注视数据增强库，解决了眼动AI分析领域中限量注释医学数据所带来的挑战。与传统的增强方法不同，后者可能引入伪影并改变医学数据集中的病理特征，所提议的库在注视数据收集过程中模拟自然头部运动。这种方法增强了样本多样性而不妥协真实性。该库的评估在CNN和混合架构上进行，使用不同的数据集，证明了其在正则化训练过程和提高泛化能力方面的有效性。值得注意的是，在使用所提议的增强（EMULATE）与三个HTCE变体训练时，宏F1得分高达79%。这种开创性的方法利用领域特定知识促进了医学领域深度学习模型的稳健性和真实性。