본 논문은 방사선과 의사의 의도적 시선 추적 행동을 모델링하는 심층 학습 기반 접근 방식인 RadGazeIntent를 제시합니다. 기존 모델들이 시선 고정의 근본적인 의도를 포착하지 못하는 한계를 극복하기 위해, 변환기 기반 아키텍처를 사용하여 시선 데이터의 시간적 및 공간적 차원을 모두 처리합니다. 세분화된 고정 특징을 진단 의도의 의미있는, 조잡한 표현으로 변환하여 방사선과 의사의 목표를 해석합니다. RadSeq(체계적인 순차적 탐색), RadExplore(불확실성 기반 탐색), RadHybrid(혼합 패턴)의 세 가지 의도 레이블 하위 집합을 생성하여 방사선과 의사의 다양한 의도 기반 행동의 뉘앙스를 포착합니다. 실험 결과, RadGazeIntent는 방사선과 의사가 특정 시점에 어떤 소견을 검토하고 있는지 예측하는 능력이 모든 의도 레이블 데이터셋에서 기준 방법보다 우수함을 보여줍니다.
