麦考瑞大学计算神经外科实验室团队近日发布两项重要研究，首次利用分形数学与机器学习技术，成功将人类视觉专业知识转化为可量化的数学模型，为医疗影像人工智能的训练开辟了新路径。该研究由安东尼奥·迪伊埃瓦教授领衔，团队通过高精度眼动追踪设备，系统记录了医学生、外科规培生及资深神经外科医生观察X光、CT及MRI影像时的视觉扫描轨迹，并引入分形眼动专业知识指数进行几何特征建模。 分析数据显示，随着医学训练的深入，受试者的视线模式由初期的随机散乱逐步演变为高度结构化，呈现出明显的诊断驱动特征。基于凝视时长与三维分形维度构建的机器学习模型，能够以超过百分之九十三的准确率精准区分新手、受训者与领域专家。该成果证实视觉专业知识不仅体现在关注区域的差异，更深刻改变了视觉扫描的底层结构。团队指出，这一客观量化框架有望重塑医学影像教学评估与课程设计，并推动AI系统向具备专家级视觉认知能力的方向演进，助力更精准的医疗辅助诊断。