Σχέσεις μεταξύ τεχνογνωσίας και ιδιαιτερότητας: Οι μη φυσιολογικές ιατρικές εικόνες οδηγούν σε βελτιωμένη απόδοση μνήμης μόνο σε ειδικούς Μέρος 2

Αφού εμφανίστηκε για 3 δευτερόλεπτα, κάθε εικόνα ακολουθήθηκε αμέσως από δύο ερωτήσεις απάντησης: (1) Ήταν η εικόνα μη φυσιολογική ή φυσιολογική; (2) Έχετε δει αυτήν την εικόνα στο παρελθόν;

Τα τελευταία χρόνια, ένας μεγάλος αριθμός μελετών έχει δείξει ότι υπάρχει στενή σχέση μεταξύ των ανωμαλιών της εικόνας και της μνήμης. Οι ανωμαλίες της εικόνας μπορεί να περιλαμβάνουν οφθαλμικά προβλήματα όπως αχρωματοψία, μυωπία, υπερμετρωπία, αστιγματισμό κ.λπ. Αυτά τα οφθαλμικά προβλήματα μπορεί να επηρεάσουν την όρασή μας και τις ικανότητες επεξεργασίας εικόνας. Η μνήμη είναι μια από τις σημαντικές ικανότητες του ανθρώπινου εγκεφάλου, που μας επιτρέπει να θυμόμαστε σημαντικές πληροφορίες και εμπειρίες και να παίρνουμε σωστές αποφάσεις.

Μελέτες έχουν δείξει ότι άτομα με οφθαλμικά προβλήματα όπως αχρωματοψία, μυωπία, αστιγματισμό κ.λπ. έχουν χειρότερη απόδοση στα τεστ μνήμης από τους κανονικούς ανθρώπους. Αυτό συμβαίνει επειδή το οπτικό τους πεδίο είναι περιορισμένο και δεν μπορούν να λάβουν πλήρως πληροφορίες για το περιβάλλον τους, γεγονός που τους προκαλεί ορισμένες δυσκολίες στη μνήμη. Επομένως, η διατήρηση της καλής όρασης και της οπτικής υγείας είναι ζωτικής σημασίας για τη μνήμη μας.

Ταυτόχρονα, η υγιής όραση μπορεί επίσης να μας βοηθήσει να επεξεργαστούμε και να θυμηθούμε καλύτερα τις πληροφορίες. Για παράδειγμα, όταν διαβάζουμε ένα βιβλίο ή παρακολουθούμε τηλεόραση, το καθαρό οπτικό πεδίο μπορεί να μας βοηθήσει να κατανοήσουμε και να επεξεργαστούμε καλύτερα κείμενο και εικόνες. Αυτό θα μας βοηθήσει να θυμόμαστε καλύτερα το περιεχόμενο και να το εφαρμόζουμε σε πραγματικές καταστάσεις.

Επομένως, θα πρέπει να προσέχουμε και να προστατεύουμε την υγεία της όρασής μας για να βελτιώσουμε τη μνήμη μας. Η διατήρηση της καλής όρασης και της υγείας των ματιών μέσω της καθημερινής άσκησης και δίαιτας και η επαρκής ανάπαυση μπορούν επίσης να βοηθήσουν στην προστασία των ματιών και της μνήμης μας. Η διατήρηση μιας θετικής στάσης, η αυτοπεποίθηση και η επιμονή μπορούν επίσης να βοηθήσουν στη βελτίωση της όρασης και της μνήμης μας.

Συνοψίζοντας, πρέπει να προσέχουμε και να προστατεύουμε την υγεία της όρασής μας, η οποία έχει μεγάλη σημασία για τη μνήμη και την προσωπική μας ανάπτυξη. Μόνο με την ανάπτυξη καλών συνηθειών όρασης και τρόπου ζωής μπορούμε να επιτύχουμε καλύτερα αποτελέσματα στην εργασία και τη ζωή. Μπορεί να φανεί ότι πρέπει να βελτιώσουμε τη μνήμη και το Cistanche deserticola μπορεί να βελτιώσει σημαντικά τη μνήμη, επειδή το Cistanche deserticola έχει αντιοξειδωτικά, αντιφλεγμονώδη και αντιγηραντικά αποτελέσματα, τα οποία μπορούν να βοηθήσουν στη μείωση της οξείδωσης και των φλεγμονωδών αντιδράσεων στον εγκέφαλο, προστατεύοντας έτσι τον υγεία του νευρικού συστήματος. Επιπλέον, το Cistanche deserticola μπορεί επίσης να προωθήσει την ανάπτυξη και την επισκευή των νευρικών κυττάρων, ενισχύοντας έτσι τη συνδεσιμότητα και τη λειτουργία των νευρωνικών δικτύων. Αυτά τα αποτελέσματα μπορούν να βοηθήσουν στη βελτίωση της μνήμης, της μάθησης και της ταχύτητας σκέψης και μπορεί επίσης να αποτρέψουν την ανάπτυξη γνωστικής δυσλειτουργίας και νευροεκφυλιστικών ασθενειών.

Κάντε κλικ στα συμπληρώματα γνώσης για να ενισχύσετε τη μνήμη

Χρησιμοποιώντας ένα τυπικό ποντίκι υπολογιστή, ειπώθηκε στους συμμετέχοντες να υποδείξουν το επίπεδο εμπιστοσύνης τους σε μια 6-βαθμολογική κλίμακα που κυμαίνεται από σίγουρο ναι/μη φυσιολογικό έως σίγουρο όχι/κανονικό (βλ. Εικ. 1).

Συλλέξαμε αξιολογήσεις εμπιστοσύνης αντί για απλές απαντήσεις ναι/όχι για να επιτρέψουμε την ανάλυση ROC. Δεν υπήρχε χρονικός περιορισμός για την απόκριση. Η έναρξη της επόμενης δοκιμής εξαρτάται από την απάντηση και στις δύο ερωτήσεις της τρέχουσας δοκιμής.

Πριν ξεκινήσει το πείραμα, οι συμμετέχοντες δόθηκαν οδηγίες και αρκετές δημογραφικές ερωτήσεις (Φύλο; Ηλικία; "Είστε ακτινολόγος;"; "Έχετε δουλειά όπου διαβάζετε ιατρικές εικόνες; π.χ. τεχνολογία, ιατρικός φυσικός;"). Έγιναν οδηγίες για έναν αρχάριο πληθυσμό χωρίς ιατρική εκπαίδευση.

Για τους αρχάριους συμμετέχοντες, οι μη φυσιολογικές περιπτώσεις ορίστηκαν ευρέως ως "εικόνες που μπορεί να περιέχουν βλάβες ή καρκίνο ή διαφορετικά μπορεί να είναι κάτι άξιο παρακολούθησης εάν ήσασταν ακτινολόγος".

Κριτήριο αποκλεισμού και σχέδιο ανάλυσης

Τα κριτήρια αποκλεισμού και οι αναλύσεις μας αποφασίστηκαν εκ των προτέρων (βλ. προεγγραφή, παραπάνω). Οι μεμονωμένες δοκιμές αποκλείστηκαν εάν οι συμμετέχοντες χρειάστηκαν λιγότερα από 1.500 ms ή περισσότερα από 15,{3}} ms για να ανταποκριθούν (βάσει πιλοτικών δεδομένων).

Οι συμμετέχοντες αποκλείστηκαν εάν χρειάστηκαν λιγότερα από 15 λεπτά (μηδενική εξαίρεση) ή περισσότερο από 1 ώρα για να ολοκληρώσουν τη μελέτη (3 εξαιρέθηκαν). Οι ακτινολόγοι αποκλείστηκαν (1 εξαιρέθηκε) όπως και εκείνοι με άλλη προηγούμενη εμπειρία στην ανάγνωση ιατρικών εικόνων (μηδενική εξαίρεση). Οι συμμετέχοντες αποκλείστηκαν επίσης εάν είχαν πάνω από 80% πανομοιότυπες απαντήσεις (π.χ. επέλεξαν την ίδια απάντηση σε σχεδόν κάθε δοκιμή· ένας αποκλείστηκε) ή είχαν αποκλειστεί περισσότερο από το 20% των δοκιμών με βάση τα κριτήρια χρόνου αντίδρασης (μία εξαιρείται).

Μετά την εφαρμογή αυτών των a priori κριτηρίων αποκλεισμού, επτά συμμετέχοντες αποκλείστηκαν από την ανάλυση, αφήνοντας ένα τελικό δείγμα 53 συμμετεχόντων. Μετά τις προκαταχωρισμένες αναλύσεις μας (παραπάνω), δεν πραγματοποιήσαμε μια συνολική ανάλυση διακύμανσης (ANOVA) αρχικά, αλλά ακολουθήσαμε τις συγκεκριμένες στοχευμένες δοκιμές μας. Αρχικά αναλύσαμε τις αξιολογήσεις εμπιστοσύνης για την ταξινόμηση μιας εικόνας ως μη φυσιολογικής ή κανονικής.

Στη συνέχεια αναλύσαμε τις αξιολογήσεις εμπιστοσύνης που αντιπροσωπεύουν τη μνήμη για τις εικόνες. Για να γίνει αυτό, πραγματοποιήσαμε ανάλυση ROC για 3-πίσω και 30-πίσω ως συνάρτηση του τύπου εικόνας (κανονικό/μη φυσιολογικό/ετερόπλευρο-μη φυσιολογικό). Δημιουργήσαμε επίσης ROC για τις κανονικές/μη φυσιολογικές κρίσεις. Τα ROC συνοψίστηκαν κατά εμβαδόν κάτω από την καμπύλη (AUC) και συγκρίθηκαν χρησιμοποιώντας τεστ t.

Όπως σημειώθηκε, μας ενδιαφέρει εάν, εντός της ομάδας των αρχαρίων συμμετεχόντων, υπάρχει πλεονέκτημα απόδοσης μνήμης για οποιοδήποτε τύπο εικόνας (π.χ., όπως κρίνεται από την κανονική έναντι της μη φυσιολογικής AUC). Δεδομένου ότι οι αρχάριοι στερούνται ιατρικής εμπειρίας, οποιοδήποτε τέτοιο εφέ θα μας έδινε μια εικόνα για τη φύση του συνόλου εικόνων (δηλαδή, την απομνημόνευση ή τη ιδιαιτερότητα).

Τέλος, πραγματοποιήσαμε αναλύσεις ομοιότητας εικόνων για να ποσοτικοποιήσουμε τον τρόπο με τον οποίο οι διαφορές εικόνας μπορεί να επηρεάζουν αυτά τα αποτελέσματα.

Σύγκριση ομοιότητας εικόνας

Επειδή οι κανονικές, εστιακά ανώμαλες και ετερόπλευρες ανωμαλίες είναι απαραίτητα διαφορετικά σύνολα εικόνων, είναι χρήσιμο να συγκρίνουμε πόσο διακριτό είναι κάθε σύνολο εικόνων από όλες τις άλλες εικόνες για να δούμε την επίδραση που έχει στη μνήμη.

Ένας τρόπος για να το πετύχετε αυτό είναι να βάζετε άτομα να δίνουν αξιολογήσεις ομοιότητας μεταξύ των εικόνων. Ωστόσο, αυτό θα απαιτούσε 120 ×120=14,440 αξιολογήσεις ομοιότητας. Αντίθετα, για τον εξορθολογισμό της διαδικασίας, βασιστήκαμε σε προηγουμένως καθιερωμένες τεχνικές όρασης υπολογιστή που είχαν σχεδιαστεί για να δίνουν μετρήσεις ομοιότητας για φυσικές σκηνές. Συγκεκριμένα, πραγματοποιήσαμε μια ανάλυση πυραμίδας κυματιδίων Gabor (GWP), η οποία υπολογίζει τα χαρακτηριστικά των εικόνων και τα συγκρίνει (Greene et al., 2016; Kay et al., 2008).

Υπολογίστε το επίπεδο ομοιότητας στους διαφορετικούς τύπους εικόνας, το GWP αντιπροσωπεύει κάθε εικόνα ως έξοδο μιας τράπεζας φίλτρων Gabor πολλαπλών κλιμάκων. Προηγούμενη εργασία έχει δείξει ότι αυτά τα χαρακτηριστικά μπορούν να μοντελοποιήσουν με επιτυχία την αναπαράσταση αντικειμένων σε πρώιμες οπτικές περιοχές (Kay et al., 2008).

Ακολουθώντας την ακριβή διαδικασία και τις παραμέτρους που παρέχονται από τους Greene et al. (2016), κάθε εικόνα μετατράπηκε σε κλίμακα του γκρι, υποβλήθηκε σε δειγματοληψία 128 × 128 εικονοστοιχεία και αντιπροσωπεύτηκε με μια ομάδα φίλτρων Gabor σε τριχωρικές κλίμακες (3, 6 και 11 κύκλους ανά εικόνα με ένα κυματίδιο μόνο φωτεινότητας που καλύπτει ολόκληρη την εικόνα), τέσσερις προσανατολισμούς (0, 45, 90 και 135 μοίρες) και δύο φάσεις (0 και 90 μοίρες).

Αυτό έδωσε ένα σύνολο χαρακτηριστικών για κάθε εικόνα, τα οποία συγκρίθηκαν με και τις 120 εικόνες για τον υπολογισμό μιας βαθμολογίας απόστασης/ανομοιότητας υπολογίζοντας το γινόμενο κουκίδων των χαρακτηριστικών κάθε εικόνας μεταξύ των εικόνων, αφού αφαιρέσαμε τις μέσες διασταυρούμενες εικόνες και κανονικοποιώντας τα διανύσματα χαρακτηριστικών σε μοναδιαίο μήκος.

Αποτελέσματα (Πείραμα 1: Αρχάριοι)

Απόδοση στην εργασία ταξινόμησης

Αρχικά, εξετάσαμε πόσο σίγουροι ήταν οι αρχάριοι στην ταξινόμηση μιας εικόνας είτε ως κανονικής είτε ως μη φυσιολογικής (βλ. Εικ. 2). Βρήκαμε μια σημαντική διαφορά μεταξύ φυσιολογικών και μη φυσιολογικών εικόνων, t(52)=4.78, p < .001, αλλά όχι μεταξύ κανονικών και ετερόπλευρων-μη φυσιολογικών εικόνων, t(52)=1.94, p > .05.Ενώ οι συμμετέχοντες δεν είχαν εκπαίδευση για να διακρίνουν τις φυσιολογικές από τις μη φυσιολογικές ιατρικές εικόνες, ένας μικρός αριθμός εικόνων στο σετ είναι εξαιρετικά μη φυσιολογικός (δηλαδή, ένα μόνο φωτεινό λευκό σημείο θα φαινόταν αμφίβολο ακόμη και στους αρχάριους θεατές).

Εξετάζοντας τις αξιολογήσεις ανά εικόνα (βλ. Εικ. 3) αποκαλύπτεται ότι αυτές οι εικόνες είναι σε μεγάλο βαθμό υπεύθυνες για τη σημαντική διαφορά μεταξύ κανονικών και μη φυσιολογικών αξιολογήσεων. Εν ολίγοις, για τουλάχιστον ένα μικρό υποσύνολο εικόνων, ακόμη και οι αρχάριοι συμμετέχοντες δεν μπορούν να αντιληφθούν την ανωμαλία, οδηγώντας σε απόδοση ταξινόμησης πάνω από την πιθανότητα σε γενικές γραμμές. Αλλά για τις περισσότερες εικόνες, οι αρχάριοι φαίνεται να έχουν λίγες πληροφορίες σχετικά με την κανονικότητα έναντι της ανωμαλίας.

Σημειώστε ότι ο άξονας y στο Σχήμα 2 αντιπροσωπεύει τις τιμές εμπιστοσύνης για αρχάριους. Οι αρχάριοι γενικά δεν είναι σίγουροι για τη διάκριση οποιουδήποτε τύπου εικόνας, με τις μέσες αποκρίσεις να συγκεντρώνονται σφιχτά κοντά στη μέση της κλίμακας αξιολόγησης για όλες τις συνθήκες. Ένας άλλος τρόπος οπτικοποίησης αυτών των δεδομένων είναι σε μια καμπύλη ROC (βλ. Εικ. 4), όπου οι αρχάριοι πέφτουν σχεδόν πάνω από τη διακεκομμένη διαγώνια γραμμή που δείχνει τυχαία απόδοση, με AUC μόνο 0.54 (όπου {{5 }}.50 είναι ευκαιρία και το 1,0 είναι τέλειο).

Αν και, όπως αναφέρθηκε παραπάνω, αυτή η διαφορά από τύχη είναι πολύ αξιόπιστη μεταξύ των συμμετεχόντων, t(52)=4.21, p< .001, largely because of the few images that participants could all reliably classify.

Μνήμη για μη φυσιολογικές εικόνες

Το σχήμα 5 δείχνει τα ROC για τις εργασίες μνήμης 3-πίσω και 30-πίσω. Δεδομένου ότι οι αρχάριοι δεν ήταν, ως επί το πλείστον, ικανοί να αντιληφθούν τις αντίπλευρες-ανώμαλες εικόνες ως διαφορετικές από τις κανονικές εικόνες στην εργασία ταξινόμησης, εστιάσαμε αποκλειστικά στις διαφορές μνήμης μεταξύ κανονικών και μη φυσιολογικών εικόνων. Συνολικά, ανεξάρτητα από τον τύπο εικόνας, και όπως αναμενόταν, οι αρχάριοι έχουν καλύτερη 3-πίσω μνήμη (μέση τιμή AUC 0.70 για τον εντοπισμό 3-πίσω) από{{8 }}πίσω μνήμη (μέση τιμή AUC 0,64 για ανίχνευση 30-πλάτης), t(52)=6.59, p < .001.

Είναι ενδιαφέρον ότι η ανάλυση της απόδοσης σε όλες τις συνθήκες εικόνας αποκαλύπτει ότι οι αρχάριοι εμφανίζουν μικρό πλεονέκτημα κανονικότητας: θυμούνται τις κανονικές εικόνες καλύτερα από τις μη φυσιολογικές εικόνες τόσο στην {{0}}κατάσταση της πλάτης όσο και στην 30-πίσω κατάσταση, με 3-επιστρέφει με σημαντική διαφορά. Βρήκαμε ένα πλεονέκτημα AUC 0.069 για κανονικές εικόνες στο3-πίσω, t(52)=5.48, p < .001, σε σύγκριση με μη φυσιολογική και διαφορά anAUC 0,026 για κανονικές εικόνες στο 30-πίσω, t(52) =1.70, p=.096, σε σύγκριση με μη φυσιολογικές. Δεδομένης της χαμηλής απόδοσης στη διάκριση των κανονικών από τις μη φυσιολογικές εικόνες, είναι μάλλον περίεργο ότι η κανονικότητα είχε κάποιο αποτέλεσμα.

Επομένως, εξετάσαμε τα δεδομένα για ενδείξεις πιο βασικών επιδράσεων οπτικής ομοιότητας. Διαπιστώσαμε ότι η χαμηλότερη απόδοση μνήμης στις μη φυσιολογικές συνθήκες οφειλόταν σε μεγάλο βαθμό από τον αυξημένο ρυθμό ψευδών συναγερμών στα ετερόπλευρα μη φυσιολογικά και μη φυσιολογικά σύνολα εικόνων.

Here, we are classifying as "new" all images with a confidence rating >3. Αυτό είναι σύμφωνο με έναν λογαριασμό ομοιότητας εικόνας στον οποίο οι αρχάριοι θα είναι πιο πιθανό να προκαλέσουν ψευδείς συναγερμούς για νέες εικόνες σε ετερόπλευρες-ανώμαλες και μη φυσιολογικές συνθήκες απλώς και μόνο επειδή αυτές οι εικόνες μοιάζουν περισσότερο μεταξύ τους παρά εικόνες στο κανονικό σύνολο (όπως προβλέπεται από την αθροιστική ομοιότητα λογαριασμοί μνήμης, π.χ., Nosofsky, 1991).

Με άλλα λόγια, εάν οι κανονικές εικόνες ήταν κάπως πιο ανόμοιες μεταξύ τους σε σύγκριση με τις άλλες εικόνες, αυτό θα μπορούσε να εξηγήσει γιατί οι αρχάριοι έχουν κάπως καλύτερη μνήμη για την κανονική κατάσταση (δηλαδή, είναι ευκολότερο να προσδιοριστεί εάν μια εικόνα ενός σκύλου είναι νέα εάν παρουσιάζεται αυτός ο σκύλος σε μια σειρά από διαφορετικά ζώα από ό,τι αν παρουσιάζεται σε ένα σύνολο παρόμοιων σκύλων Τα αποτελέσματα ομοιότητας στα ερεθίσματα μας είναι πολύ μικρότερα.). Δοκιμάζουμε αυτή την υπόθεση στη συνέχεια.

Ανάλυση πυραμίδας μήτρας ομοιότητας-κυματιδίου Gabor

Δοκιμάσαμε αυτήν την υπόθεση ομοιότητας εικόνας μετρώντας την ομοιότητα μεταξύ των εικόνων μας όπως περιγράφεται στις Μέθοδοι (Greene et al., 2016; Kay et al., 2008). Βρήκαμε αυξημένη ανομοιότητα μεταξύ των φυσιολογικών εικόνων σε σχέση με τις ετερόπλευρες μη φυσιολογικές και μη φυσιολογικές εικόνες (φυσιολογικές=0.174; μη φυσιολογικές =0.139; ετερόπλευρες-μη φυσιολογικές=0.133). Με άλλα λόγια, οι κανονικές εικόνες ήταν πιο διαφορετικές, κατά μέσο όρο, μεταξύ τους (και επομένως πιο διακριτές στη μνήμη) από τις μη φυσιολογικές ή τις ετερόπλευρες-ανώμαλες εικόνες.

Αυτό είναι συνεπές με την υπόθεση ότι η μικρή διαφορά στη μνήμη που ευνοεί τις κανονικές εικόνες οφείλεται σε διαφορές ομοιότητας εικόνας σε όλα τα σύνολα. Έτσι, το μικρό όφελος κανονικότητας που βρέθηκε στην τρέχουσα μελέτη είναι πιθανόν αποτέλεσμα της ομοιότητας της εικόνας.

Ουσιαστικά, αυτό μπορεί να παρέχει μια χρήσιμη βάση για την εξέταση της μνήμης για τις ίδιες εικόνες σε ειδικούς ακτινολόγους στο Πείραμα 2.

Πείραμα 2: Ακτινολόγοι

Το πείραμα 2 ήταν το ίδιο με το πείραμα 1, εκτός από το ότι διεξήχθη σε παρατηρητές ακτινολόγου.

Μέθοδος

Συμμετέχοντες

Τριάντα δύο ειδικοί ακτινολόγοι (14 γυναίκες συμμετέχουσες, μέσος όρος=49 ετών) προσλήφθηκαν κατά τη διάρκεια του συνεδρίου της Radiological Society of North America (RSNA) 2018 στο Σικάγο του Ιλινόις. Όλοι οι ακτινολόγοι έδωσαν ενημερωμένη συγκατάθεση και δεν έλαβαν αποζημίωση πέραν της συμμετοχής τους σε κλήρωση για μια δωροκάρτα 500 $. Οι διαδικασίες συναίνεσης μετά από ενημέρωση εγκρίθηκαν από την Επιτροπή Θεσμικής Αναθεώρησης του Πανεπιστημίου της Καλιφόρνια, Σαν Ντιέγκο.

Τα δεδομένα από τους συμμετέχοντες θα είχαν αποκλειστεί εάν χρειάζονταν λιγότερο από 15 λεπτά ή περισσότερο από 1 ώρα για να ολοκληρώσουν τη μελέτη, είχαν πάνω από 80% πανομοιότυπες απαντήσεις ή είχαν αποκλειστεί πάνω από το 20% των δοκιμών. Σύμφωνα με αυτές τις οδηγίες, κανένας ακτινολόγος δεν αποκλείστηκε από την ανάλυση, αφήνοντας ένα τελικό δείγμα 32 συμμετεχόντων.

Ερεθίσματα και διαδικασία

Τα ερεθίσματα και ο πειραματικός σχεδιασμός ήταν τα ίδια με αυτά που περιγράφονται στο Πείραμα 1. Η κύρια διαδικαστική διαφορά ήταν ότι το πείραμα διεξήχθη στη διάσκεψη RSNA όπου ο πειραματιστής εξήγησε τις οδηγίες αυτοπροσώπως.

Σε αντίθεση με το Πείραμα 1, στο Πείραμα 2, δώσαμε περισσότερες γενικές οδηγίες, ζητώντας οποιαδήποτε ανωμαλία αντί να ζητήσουμε συγκεκριμένα από τους συμμετέχοντες να αναζητήσουν εστιακές βλάβες ή καρκίνο: "Για κάθε εικόνα, κρίνετε αν η εικόνα είναι ανώμαλη ή φυσιολογική και εάν την έχετε δει στο παρελθόν κατά τη διάρκεια του πείραμα."

Αποτελέσματα

Σε αυτήν την ενότητα, συγκρίνουμε τις επιδόσεις ειδικών ακτινολόγων με τις επιδόσεις αρχαρίων συμμετεχόντων στο Πείραμα1. Συγκεκριμένα, διερευνούμε πώς οι μη ειδικοί συγκρίνουν τις κρίσεις των ειδικών για την ταξινόμηση εικόνων (δηλαδή, φυσιολογική έναντι μη φυσιολογική) και κριτικά, εάν οι ειδικοί εμφανίζουν διαφορική μνήμη για μη φυσιολογικές και κανονικές εικόνες. Κατά την ανάλυση της απόδοσης των ειδικών, λαμβάνουμε υπόψη τις ιδιοσυγκρασίες στο σύνολο εικόνων μας που μάθαμε από το Πείραμα 1, όπως ότι οι κανονικές μας εικόνες είναι πιο ανόμοιες και επομένως εγγενώς ελαφρώς πιο αξιομνημόνευτες.

Απόδοση στην εργασία ταξινόμησης

Παρόμοια με το Πείραμα 1, αναλύσαμε αρχικά την απόδοση στην εργασία ταξινόμησης εξετάζοντας τις αξιολογήσεις εμπιστοσύνης της ταξινόμησης κάθε εικόνας ως κανονικής ή μη φυσιολογικής. Πόσο καλοί είναι οι ακτινολόγοι στο να διακρίνουν απλώς τις μη φυσιολογικές από τις κανονικές εικόνες; Δεν αποτελεί έκπληξη το γεγονός ότι οι ακτινολόγοι είναι πολύ καλοί στο να διακρίνουν την ανωμαλία (βλ. Εικ. 6α). Οι ακτινολόγοι ήταν σημαντικά πιο σίγουροι ότι μια μη φυσιολογική εικόνα ήταν ανώμαλη αντί για φυσιολογική, t(31)=13.17, p < .001.

Το σχήμα 6β δείχνει την καμπύλη ROC για τη διάκριση εστιακών-ανώμαλων εικόνων από κανονικές εικόνες σε ακτινολόγους. Τα ROC συνοψίστηκαν ανά εμβαδόν κάτω από την καμπύλη (ακτινολόγος AUC=0.72, θυμηθείτε ότι ο αρχάριος AUC=0.54).

Όπως σημειώθηκε στο πείραμα 1, τα στοιχεία ελέγχου είναι κοντά στη διαγώνια γραμμή που δείχνει τύχη, ενώ ο ακτινολόγος προκαλεί ένα τυπικό καμπυλόγραμμο ROC ενδεικτικό μιας αντιληπτής (και σημαντικής) διαφοράς μεταξύ κανονικών και μη φυσιολογικών εικόνων με AUC πολύ πάνω από την πιθανότητα, t(31)=19 .8, p < .001. Στη συνέχεια, εξετάσαμε εάν οι ακτινολόγοι μπορούσαν να εντοπίσουν ανωμαλία στις ετερόπλευρες-μη φυσιολογικές εικόνες.

Δεν υπήρχε σημαντική διαφορά μεταξύ των φυσιολογικών και ετερόπλευρων καταστάσεων ανωμαλίας, t(31)=0.43, p=.67. Στην αρχική μελέτη των Evans et al. (2016), βρήκαν μια επίδραση ανωμαλίας στις πληροφορίες των θεματολόγων (δηλαδή, σε πολύ σύντομο χρόνο παρουσίασης ~250 ms). Οι οδηγίες και το σετ ερεθισμάτων μας μπορεί να προκατέλαβαν τους συμμετέχοντες να μην αναφέρουν ετερόπλευρες εικόνες ως μη φυσιολογικές.

Στο σύνολο εικόνων που περιλαμβάνουν ορατές βλάβες (τα μη φυσιολογικά περιστατικά) και ελλείψει οδηγιών για την αναζήτηση ασυμπτωματικών εικόνων από συμπτωματικούς ασθενείς (τις ετερόπλευρες περιπτώσεις), δεν αποτελεί, ίσως, έκπληξη το γεγονός ότι οι ακτινολόγοι επιφύλαξαν τις μη φυσιολογικές αξιολογήσεις τους για τις μη φυσιολογικές περιπτώσεις με βλάβες. Επιπλέον, είναι πιθανό ότι οι οδηγίες μας θα μπορούσαν να ωθήσουν τους ακτινολόγους για να αναζητήσουν καλοήθεις και κακοήθεις βλάβες, αν και στην παρούσα μελέτη υπήρχαν μη καλοήθεις βλάβες.

Μελλοντικές μελέτες θα μπορούσαν να διερευνήσουν τα αποτελέσματα της διδασκαλίας σε αυτό το έργο. Θυμηθείτε, ωστόσο, ότι το ενδιαφέρον μας για το παρόν πείραμα είναι στη μνήμη των ακτινολόγων για αυτές τις εικόνες. Οι ετερόπλευρες-ανώμαλες εικόνες, για παράδειγμα, θα μπορούσαν να εξακολουθήσουν να θυμούνται καλύτερα εάν η αόριστα ύποπτη εμφάνισή τους έκανε τους ακτινολόγους να αφιερώσουν περισσότερη προσοχή σε αυτές.

Μνήμη για μη φυσιολογικές εικόνες

Το σχήμα 7 δείχνει την απόδοση του ακτινολόγου στην εργασία μνήμης. Οι ακτινολόγοι έχουν καλύτερη μνήμη για μη φυσιολογικές εικόνες και στις δύο καταστάσεις μνήμης, αλλά το πλεονέκτημα για μη φυσιολογικές εικόνες είναι σημαντικό μόνο στην 30-πίσω κατάσταση, t(31)=2. 86, p =.008, διαφορά AUC=.051.

Βρήκαμε ένα πλεονέκτημα AUC 0.02 για μη φυσιολογικές εικόνες στο 3-πίσω. Αν και αυτό δεν ήταν σημαντικό, t(31)=1.62, p=.12, ακολουθεί την ίδια τάση με την κατάσταση της πλάτης. Οι ακτινολόγοι δεν έδειξαν κανένα όφελος μνήμης για τις ετερόπλευρες-μη φυσιολογικές εικόνες , ακόμη και σε μεγάλες καθυστερήσεις (p=.24). Δεδομένου ότι οι ακτινολόγοι δεν ήταν σε θέση να διακρίνουν μεταξύ ετερόπλευρων-μη φυσιολογικών εικόνων και φυσιολογικών εικόνων στην εργασία ταξινόμησης, αυτό το αποτέλεσμα μπορεί να είναι αναμενόμενο. Ωστόσο, υπενθυμίζουμε ότι αναζητούσαμε στοιχεία ότι μια έμμεσα αναγνωρισμένη μη φυσιολογική ουσία θα μπορούσε να ενισχύσει τη μνήμη.

Δεν είναι αυτό που βρήκαμε. Συνολικά, ανεξάρτητα από τον τύπο εικόνας, οι ακτινολόγοι έχουν καλύτερη μνήμη στο 3-πίσω (μέση τιμή AUC 0,852 για ανίχνευση 3-πλάτης) από 30-πίσω (μέση τιμή AUC 0,752 για ανίχνευση 30- πλάτες) για ιατρικές εικόνες. Γιατί οι ακτινολόγοι είναι καλύτεροι στο 3-πίσω παρά στο 30-πίσω; Αν και φαίνεται ξεκάθαρο ότι αυτή η διαφορά αντικατοπτρίζει σε μεγάλο βαθμό τυπικά αποτελέσματα της λήθης και της παρέμβασης (π.χ. Wixted, 2005), είναι επίσης πιθανό οι παρατηρητές να είναι πιο πιθανό να «πιάσουν» την παρουσία του 3-πίσω αντί του { {10}}πίσω επαναλήψεις.

Εάν ναι, ενδέχεται να υιοθετήσουν μια στρατηγική που δίνει προτεραιότητα στην 3-πίσω εργασία. Ωστόσο, δεδομένου ότι τα τεστ 3-πλάτης και 30-πίσω ήταν εξίσου πιθανά και κατανεμημένα σε όλη την εργασία, και ότι οι παρατηρητές είπαν σταθερά ότι θυμούνται να έχουν δει μαστογραφίες από 30 εικόνες πίσω (και επομένως γνώριζαν σαφώς ότι {{4} }το back δεν ήταν το μόνο τεστ n-back που υπήρχε), φαίνεται απίθανο οι παρατηρητές να μεταβούν σε μια στρατηγική που έδινε προτεραιότητα μόνο στην εργασία 3-πίσω μνήμης.

Συνολικά, αυτά τα αποτελέσματα υποδεικνύουν ότι οι ειδικοί έχουν συνολικά καλύτερη μνήμη στο 3-πίσω παρά στο30-πίσω, αλλά ότι ένα πλεονέκτημα μνήμης για μη φυσιολογικές εικόνες σε σύγκριση με κανονικές εικόνες είναι σημαντικό μόνο στο 30-πίσω Στις μελέτες μνήμης αναγνώρισης, σχεδόν πάντα διαπιστώνεται ότι τα ROC δεν είναι συμβατά με ένα μοντέλο ανίχνευσης σήματος ίσης διακύμανσης (π.χ. Egan, 1958, Wixted, 2007).

Ένας τρόπος για να το δούμε αυτό είναι να μετατρέψετε τα ποσοστά επιτυχιών και ψευδών συναγερμών σε zscores και να σχεδιάσετε τις συναρτήσεις zROC. Σε ένα γράφημα zROC, η ισότητα παράγει δεδομένα με κλίση zROC 1.0. Αντίθετα, όπως συνηθίζεται στις εργασίες μνήμης αναγνώρισης, οι κλίσεις των zROCs ήταν αξιόπιστα κάτω από 1.0 σε 3 από τις 4 συνθήκες μνήμης. Προσαρμόστε ένα γραμμικό μοντέλο μικτού εφέ με κλίση και ανακόψτε τυχαίους παράγοντες ανά θέμα (μέση κλίση[M]=0.68 για 3-πίσω για κανονικές εικόνες, η διαφορά από 1.0 : p < .0{{30}}1 M =1.05 για 30-πίσω για κανονικές εικόνες, δεν διαφέρει από 1, p {{19} },60; Καταρρέοντας σε όλες τις συνθήκες, επιτρέποντας έτσι την πιο αξιόπιστη εκτίμηση της κλίσης, η μέση κλίση zROC ήταν 0,68, σημαντικά διαφορετική από 1,0 (p < 0,00001).

Συνολικά, λοιπόν, τα ROCs που παρατηρήσαμε στη μνήμη ήταν ασυνεπή με ένα μοντέλο ανίχνευσης σήματος ίσης διακύμανσης και συνεπή με ένα μοντέλο ανισότητας, πιθανώς λόγω διακύμανσης στην ισχύ μνήμης μεταξύ διαφορετικών στοιχείων.

 Αυτό είναι χαρακτηριστικό της μνήμης αναγνώρισης και ο λόγος που η συλλογή κρίσεων εμπιστοσύνης και η εκτέλεση ανάλυσης ROC είναι απαραίτητη για την αξιολόγηση της ισχύος της μνήμης. Το Simple d', σε αυτό το πλαίσιο, δεν υπολογίζει σωστά τις διαφορές κριτηρίων απόκρισης (π.χ. Dougal & Rotello 2007).

For more information:1950477648nn@gmail.com