GazeVaLM: A Multi-Observer Eye-Tracking Benchmark for Evaluating Clinical Realism in AI-Generated X-Rays
Rattachement africain : us, fr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
We introduce GazeVaLM, a public eye-tracking dataset for studying clinical perception during chest radiograph authenticity assessment. The dataset comprises 960 gaze recordings from 16 expert radiologists interpreting 30 real and 30 synthetic chest X-rays (generated by diffusion based generative AI) under two conditions: diagnostic assessment and real-fake classification (Visual Turing test). For each image–observer pair, we provide raw gaze samples, fixation maps, scanpaths, saliency density maps, structured diagnostic labels, and authenticity judgments. We extend the protocol to 6 state-of-the-art multimodal LLMs, releasing their predicted diagnoses, authenticity labels, and confidence scores under matched conditions — enabling direct human–AI comparison at both decision and uncertainty levels. We further provide analyses of gaze agreement, inter-observer consistency, and benchmarking of radiologists versus LLMs in diagnostic accuracy and authenticity detection. GazeVaLM supports research in gaze modeling, clinical decision-making, human–AI comparison, generative image realism assessment, and uncertainty quantification. By jointly releasing visual attention data, clinical labels, and model predictions, we aim to facilitate reproducible research on how experts and AI systems perceive, interpret, and evaluate medical images. The dataset is available at https://huggingface.co/datasets/davidcwong/GazeVaLM.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- GazeVaLM: A Multi-Observer Eye-Tracking Benchmark for Evaluating Clinical Realism in AI-Generated X-Rays
- Date Crossref
- 31/05/2026
- Éditeur
- ACM
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Northwestern University Radiology pays non établi dans la noticeUniversité ou école supérieure
-
Sorbonne Université pays non établi dans la noticeUniversité ou école supérieure
-
Université Sorbonne Paris Nord pays non établi dans la noticeUniversité ou école supérieure
-
Historic Deerfield pays non établi dans la noticeInstitution
-
Emory University Imaging Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Sorbonne Paris Nord University pays non établi dans la noticeUniversité ou école supérieure
-
Radiology pays non établi dans la noticeInstitution
Radiology — Northwestern University, Sorbonne Université et Université Sorbonne Paris Nord, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.