Взаимосвязь между экспертностью и отличительностью: аномальные медицинские изображения приводят к улучшению памяти только у экспертов. Часть 2

После показа в течение 3 секунд за каждым изображением сразу следовали два вопроса ответа: (1) Было ли изображение ненормальным или нормальным? (2) Вы видели это изображение раньше?

В последние годы большое количество исследований показало, что существует тесная связь между нарушениями изображения и памятью. Нарушения изображения могут включать проблемы со зрением, такие как дальтонизм, близорукость, дальнозоркость, астигматизм и т. д. Эти проблемы со зрением могут повлиять на наше зрение и возможности обработки изображений. Память — одна из важных способностей человеческого мозга, позволяющая нам запоминать важную информацию и опыт и принимать правильные решения.

Исследования показали, что люди с проблемами зрения, такими как дальтонизм, близорукость, астигматизм и т. д., хуже справляются с тестами на память, чем нормальные люди. Это связано с тем, что их поле зрения ограничено и они не могут в полной мере получать информацию об окружающей среде, что вызывает у них определенные трудности с памятью. Поэтому поддержание хорошего зрения и здоровья глаз имеет решающее значение для нашей памяти.

В то же время здоровое зрение может помочь нам лучше обрабатывать и запоминать информацию. Например, когда мы читаем книгу или смотрим телевизор, наличие четкого поля зрения может помочь нам лучше понять и обработать текст и изображения. Это поможет нам лучше запомнить содержание и применить его к реальным жизненным ситуациям.

Поэтому мы должны уделять внимание здоровью нашего зрения и защищать его, чтобы улучшить нашу память. Поддержание хорошего зрения и здоровья глаз посредством ежедневных упражнений и диеты, а также достаточного отдыха также может помочь защитить наши глаза и память. Поддержание позитивного настроя, уверенности и настойчивости также может помочь улучшить наше зрение и память.

Подводя итог, нам необходимо уделять внимание и беречь здоровье нашего зрения, которое имеет большое значение для нашей памяти и личностного развития. Только развивая хорошие зрительные привычки и образ жизни, мы можем достичь лучших результатов в работе и жизни. Видно, что нам необходимо улучшить память, а Cistanche Deserticola может значительно улучшить память, поскольку Cistanche Deserticola обладает антиоксидантным, противовоспалительным и омолаживающим действием, что может помочь уменьшить окислительные и воспалительные реакции в мозге, тем самым защищая здоровье нервной системы. Кроме того, Cistanche Deserticola может также способствовать росту и восстановлению нервных клеток, тем самым улучшая связь и функцию нейронных сетей. Эти эффекты могут помочь улучшить память, скорость обучения и мышления, а также предотвратить развитие когнитивной дисфункции и нейродегенеративных заболеваний.

Нажмите «Знайте добавки для улучшения памяти»

Используя стандартную компьютерную мышь, участникам было предложено указать уровень своей уверенности по 6-балльной шкале оценок в диапазоне от уверенного да/ненормально до уверенного нет/нормально (см. рис. 1).

Мы собрали рейтинги доверия вместо простых ответов «да/нет», чтобы можно было провести ROC-анализ. Для ответа не было никаких ограничений по времени. Начало следующего судебного разбирательства зависело от ответа на оба вопроса текущего судебного разбирательства.

Перед началом эксперимента участникам были представлены инструкции и несколько демографических вопросов (Пол; Возраст; «Вы радиолог?»; «У вас есть работа, где вы читаете медицинские изображения; например, техник, медицинский физик?»). Инструкции были написаны. для новичков без медицинской подготовки.

Для начинающих участников аномальные случаи определялись в широком смысле как «изображения, которые могли содержать поражения или рак или иным образом могли бы стать чем-то достойным дальнейшего наблюдения, если бы вы были рентгенологом».

Критерий исключения и план анализа

Наши критерии исключения и анализы были определены заранее (см. предварительную регистрацию выше). Отдельные испытания исключались, если участникам требовалось менее 1500 мс или более 15000 мс для ответа (на основе пилотных данных).

Участники были исключены, если на завершение исследования им потребовалось менее 15 минут (исключено ноль) или более 1 часа (исключено 3). Радиологи были исключены (исключен один), а также те, кто имел другой предыдущий опыт чтения медицинских изображений (исключен ноль). Участники также исключались, если у них было более 80% одинаковых ответов (например, они выбирали один и тот же ответ почти в каждом испытании; одно исключалось) или если у них было исключено более 20% испытаний на основании критериев времени реакции (одно исключено).

После применения этих априорных критериев исключения семь участников были исключены из анализа, в результате чего окончательная выборка составила 53 участника. Следуя нашим предварительно зарегистрированным анализам (выше), мы изначально не проводили общий дисперсионный анализ (ANOVA), а скорее следовали нашим конкретным целевым тестам. Сначала мы проанализировали рейтинги достоверности классификации изображения как ненормального или нормального.

Впоследствии мы проанализировали рейтинги достоверности, отражающие память на изображения. Для этого мы провели ROC-анализ для 3-спины и 30-спины в зависимости от типа изображения (нормальное/ненормальное/контралатерально-ненормальное). Мы также сгенерировали ROC для нормальных/ненормальных суждений. ROC суммировали по площади под кривой (AUC) и сравнивали с помощью t-тестов.

Как уже отмечалось, нас интересует, есть ли в группе начинающих участников улучшение производительности памяти для любого типа изображений (например, если судить по нормальной и аномальной AUC). Поскольку новичкам не хватает медицинского опыта, любой такой эффект позволил бы нам понять природу набора изображений (т. е. запоминаемость или отличительность).

Наконец, мы провели анализ сходства изображений, чтобы количественно определить, как различия изображений могут повлиять на эти результаты.

Сравнение сходства изображений

Поскольку нормальные, фокально-аномальные и контралатерально-аномальные изображения обязательно представляют собой разные наборы изображений, полезно сравнить, насколько каждый набор изображений отличается от всех других изображений, чтобы посмотреть, какое влияние это оказывает на память.

Один из способов добиться этого — предложить людям оценить сходство изображений. Однако для этого потребуется 120 ×120=14440 оценок сходства. Вместо этого, чтобы упростить процесс, мы полагались на ранее разработанные методы компьютерного зрения, предназначенные для измерения сходства природных сцен. В частности, мы провели анализ вейвлет-пирамиды Габора (GWP), который вычисляет характеристики изображений и сравнивает их (Greene et al., 2016; Kay et al., 2008).

Чтобы оценить уровень сходства различных типов изображений, GWP представляет каждое изображение как результат работы банка многомасштабных фильтров Габора. Предыдущие работы показали, что эти функции могут успешно моделировать представление объектов в ранних визуальных областях (Kay et al., 2008).

Следуя точной процедуре и параметрам, предоставленным Greene et al. (2016), каждое изображение было преобразовано в оттенки серого, уменьшено до 128 × 128 пикселей и представлено банком фильтров Габора в трех пространственных масштабах (3, 6 и 11 циклов на изображение с вейвлетом только яркости). охватывающее все изображение), четыре ориентации (0, 45, 90 и 135 градусов) и две фазы (0 и 90 градусов).

Это дало набор признаков для каждого изображения, который затем сравнивался со всеми 120 изображениями для вычисления показателя расстояния/несходства путем вычисления скалярного произведения характеристик каждого изображения друг на друга после вычитания среднего значения по изображениям и нормализации векторов признаков на единицу длины.

Результаты (Эксперимент 1: Новички)

Производительность при выполнении задачи классификации

Сначала мы посмотрели, насколько уверенно новички классифицируют изображение как нормальное или ненормальное (см. рис. 2). Мы обнаружили значительную разницу между нормальными и аномальными изображениями, t(52)=4,78, p < 0,001, но не между нормальными и контралатеральными аномальными изображениями, t(52)=1,94, p. > .05.Хотя участники не были обучены отличать нормальные медицинские изображения от аномальных, небольшое количество изображений в наборе крайне явно ненормальны (т. е. одно ярко-белое пятно выглядело бы сомнительно даже для начинающих зрителей).

Анализ оценок по изображениям (см. рис. 3) показывает, что именно эти изображения в значительной степени ответственны за значительную разницу между нормальными и ненормальными оценками. Короче говоря, по крайней мере, для небольшого подмножества изображений даже начинающие участники не могут заметить аномалию, что в целом приводит к сверхслучайной эффективности классификации. Но для большинства изображений новички, похоже, имеют мало информации о том, нормальность или ненормальность.

Обратите внимание, что ось Y на рис. 2 представляет уровни доверия для новичков. Новички, как правило, не уверены в различении какого-либо типа изображения, при этом средние ответы плотно сгруппированы около середины шкалы оценок для всех условий. Другой способ визуализировать эти данные — это кривая ROC (см. рис. 4), где новички попадают почти на вершину пунктирной диагональной линии, указывающей на случайную результативность, с AUC всего 0,54 (где {{5) }}.50 — это шанс, а 1.0 — идеально).

Хотя, как указано выше, это различие от случайности очень достоверно для всех участников, t(52)=4.21, p< .001, largely because of the few images that participants could all reliably classify.

Память на аномальные изображения

На рис. 5 показаны ROC для задач 3-обратной памяти и 30-обратной памяти. Поскольку в задаче классификации новички по большей части не могли воспринимать контралатеральные аномальные изображения как отличные от нормальных, мы сосредоточились исключительно на различиях в памяти между нормальными и аномальными изображениями. В целом, независимо от типа изображения, как и ожидалось, новички имеют лучшую 3-обратную память (средняя AUC 0,70 для обнаружения 3-обратной памяти), чем{{8 }}обратная память (средняя AUC 0,64 для обнаружения 30-задней памяти), t(52)=6.59, p < .001.

Интересно, что разбивка производительности по условиям изображения показывает, что новички демонстрируют небольшой выигрыш в нормальности: они запоминают нормальные изображения лучше, чем ненормальные изображения как в {{0}}обратном состоянии, так и в 30-обратном состоянии, причем только 3-обратно, что дает значительную разницу. Мы обнаружили преимущество AUC 0,069 для нормальных изображений на 3-спине, t(52)=5,48, p < 0,001, по сравнению с ненормальными, и разницу AUC 0,026. для нормальных изображений на 30-назад, t(52) =1.70, p=.096, по сравнению с ненормальными. Учитывая низкую производительность при различении нормальных изображений от аномальных, это довольно удивительно. эта нормальность имела какой-либо эффект.

Поэтому мы исследовали данные на наличие доказательств более фундаментальных эффектов визуального сходства. Мы обнаружили, что снижение производительности памяти в аномальных условиях во многом было обусловлено увеличением частоты ложных тревог в контралатеральных аномальных и аномальных наборах изображений.

Here, we are classifying as "new" all images with a confidence rating >3. Это согласуется с теорией сходства изображений, согласно которой новички с большей вероятностью будут давать ложную тревогу по поводу новых изображений в контралатерально-аномальных и ненормальных условиях просто потому, что эти изображения более похожи друг на друга, чем изображения в нормальном наборе (как предсказывает суммированное сходство). отчеты о памяти; например, Нософски, 1991).

Другими словами, если бы нормальные изображения были несколько более непохожими друг на друга по сравнению с другими изображениями, это могло бы объяснить, почему новички имеют несколько лучшую память на нормальное состояние (т. е. легче определить, является ли изображение собаки новым, если эту собаку представить в серии разных животных, чем если бы она была представлена ​​в серии похожих собак. Эффекты сходства в наших стимулах гораздо меньше.). Далее мы проверим эту гипотезу.

Матрица подобия - вейвлет-пирамидный анализ Габора

Мы проверили эту гипотезу сходства изображений, измерив сходство между нашими изображениями, как описано в методах (Greene et al., 2016; Kay et al., 2008). Мы обнаружили повышенное различие между нормальными изображениями по сравнению с контралатеральными аномальными и аномальными изображениями (нормальные=0.174; аномальные =0.139; контралатеральные аномальные=0.133). Другими словами, нормальные изображения в среднем больше отличались друг от друга (и, следовательно, более различимы в памяти), чем аномальные или контралатерально-аномальные изображения.

Это согласуется с гипотезой о том, что небольшая разница в памяти в пользу нормальных изображений обусловлена ​​различиями в сходстве изображений между наборами. Таким образом, небольшой выигрыш в нормальности, обнаруженный в текущем исследовании, вероятно, является результатом сходства изображений.

Важно отметить, что это может стать полезной основой для рассмотрения памяти на те же изображения у опытных рентгенологов в эксперименте 2.

Эксперимент 2: Радиологи

Эксперимент 2 был таким же, как Эксперимент 1, за исключением того, что он проводился с участием наблюдателей-рентгенологов.

Метод

Участники

Тридцать два эксперта-рентгенолога (14 участниц женского пола, средний возраст=49 лет) были набраны во время конференции Радиологического общества Северной Америки (RSNA) 2018 года в Чикаго, штат Иллинойс. Все рентгенологи дали информированное согласие и не получили никакой компенсации, кроме участия в лотерее на подарочную карту на 500 долларов. Процедуры информированного согласия были одобрены Институциональным наблюдательным советом Калифорнийского университета в Сан-Диего.

Данные участников были бы исключены, если бы им потребовалось менее 15 минут или более 1 часа для завершения исследования, они имели более 80% идентичных ответов или были исключены более 20% испытаний. В соответствии с этими рекомендациями ни один рентгенолог не был исключен из анализа, в результате чего окончательная выборка составила 32 участника.

Стимулы и процедура

Стимулы и дизайн эксперимента были такими же, как описано в эксперименте 1. Основное процедурное отличие заключалось в том, что эксперимент проводился на конференции RSNA, где экспериментатор лично объяснял инструкции.

В отличие от эксперимента 1, в эксперименте 2 мы давали более общие инструкции, спрашивая о любых аномалиях, а не конкретно предлагая участникам искать очаговые поражения или рак: «По каждому изображению, пожалуйста, оцените, является ли изображение ненормальным или нормальным, и видели ли вы его ранее во время эксперимента. эксперимент».

Полученные результаты

В этом разделе мы сравниваем работу опытных рентгенологов с работой новичков в эксперименте 1. В частности, мы исследуем, как неспециалисты сравнивают суждения экспертов о классификации изображений (т. е. нормальные и ненормальные) и, что особенно важно, демонстрируют ли эксперты дифференциальную память для аномальных и нормальных изображений. Анализируя работу экспертов, мы принимаем во внимание особенности нашего набора изображений, которые мы узнали из эксперимента 1, например, то, что наши обычные изображения более непохожи и, следовательно, по своей сути немного более запоминаются.

Производительность при выполнении задачи классификации

Как и в эксперименте 1, мы сначала проанализировали производительность при выполнении задачи классификации, рассматривая рейтинги достоверности классификации каждого изображения как нормального или ненормального. Насколько хорошо рентгенологи умеют просто отличать аномальные изображения от нормальных? Неудивительно, что рентгенологи очень хорошо распознают аномалии (см. рис. 6а). Радиологи были значительно более уверены в том, что аномальное изображение было ненормальным, а не нормальным, t(31)=13,17, p < 0,001.

На рисунке 6b показана кривая ROC для различения фокально-аномальных изображений от нормальных изображений у рентгенологов. ROC суммировались по площади под кривой (AUC для рентгенолога=0,72; напомним, что AUC для новичков=0,54).

Как отмечено в эксперименте 1, контрольные значения близки к диагональной линии, что указывает на случайность, тогда как рентгенологи обнаруживают типичную криволинейную ROC, указывающую на воспринимаемую (и значительную) разницу между нормальными и аномальными изображениями с AUC, значительно превышающим случайность, t(31)=19 0,8, p < 0,001. Далее мы посмотрели, смогут ли рентгенологи обнаружить аномалии на контралатеральных аномальных изображениях.

Не было существенной разницы между нормальными и контралатеральными аномальными условиями изображения, t(31)=0.43, p=.67. В оригинальном исследовании Evans et al. (2016) они обнаружили эффект аномалии в основной информации (т. е. за очень короткое время представления ~ 250 мс). Наши инструкции и набор стимулов могли склонить участников к тому, чтобы они не считали контралатеральные изображения ненормальными.

В наборе изображений, включающих видимые поражения (аномальные случаи), и при отсутствии инструкций по поиску бессимптомных изображений у пациентов с симптомами (контралатеральные случаи), возможно, неудивительно, что рентгенологи приберегли свои оценки аномалий для аномальных случаев с поражения. Более того, вполне возможно, что наши инструкции могли бы побудить рентгенологов искать как доброкачественные, так и злокачественные поражения, хотя в текущем исследовании доброкачественных поражений не было.

Будущие исследования могут изучить влияние инструкций на решение этой задачи. Напомним, однако, что наш интерес в настоящем эксперименте заключается в памяти радиологов об этих изображениях. Например, аномальные контралатеральные изображения все равно могли бы запоминаться лучше, если бы их смутно подозрительный вид заставлял рентгенологов уделять им больше внимания.

Память на аномальные изображения

На рисунке 7 показаны результаты работы радиолога при выполнении задания на запоминание. Радиологи лучше запоминают аномальные изображения в обоих состояниях памяти, но преимущество для аномальных изображений значимо только в 30-обратном состоянии, t(31)=2. 86, p =.008, разница AUC=.051.

Мы обнаружили преимущество AUC 0,02 для аномальных изображений на 3-сзади. Хотя это было незначительно, t(31)=1.62, p=.12, оно следует той же тенденции, что и состояние 30-на спине. Радиологи не выявили улучшения памяти для контралатеральных аномальных изображений. , даже при длительных задержках (p=.24). Поскольку рентгенологи не смогли отличить контралатеральные аномальные изображения от нормальных изображений в задаче классификации, такого результата можно было ожидать; однако напомним, что мы искали доказательства того, что неявно распознанная ненормальная суть может улучшить память.

Это не то, что мы нашли. В целом, независимо от типа изображения, рентгенологи имеют лучшую память на 3-сзади (средняя AUC 0,852 для обнаружения 3-сзади), чем 30-сзади (средняя AUC 0,752 для обнаружения 30-) спинки) для медицинских изображений. Почему рентгенологам лучше находиться на 3-спине, чем на 30-спине? Хотя кажется очевидным, что эта разница в значительной степени отражает типичные эффекты забывания и вмешательства (например, Wixted, 2005), также возможно, что наблюдатели с большей вероятностью «уловят» присутствие 3-обратной стороны, а не { {10}}обратные повторения.

Если да, то они могут принять стратегию, в которой приоритет отдается 3-обратной задаче. Однако, учитывая, что 3-обратные и 30-обратные тесты были одинаково вероятны и одинаково распределены по всей задаче, и что наблюдатели постоянно заявляли, что они помнят маммограммы из 30 изображений назад (и, следовательно, отчетливо осознавали, что {{4} }back был не единственным тестом n-back), кажется маловероятным, что наблюдатели перейдут к стратегии, в которой приоритет отдается только 3-задаче обратной памяти.

В совокупности эти результаты позволяют предположить, что эксперты в целом имеют лучшую память 3-назад, чем30-назад, однако преимущество в памяти для аномальных изображений по сравнению с нормальными изображениями существенно только на 30-назад. В исследованиях памяти узнавания почти всегда обнаруживается, что ROC не согласуются с моделью обнаружения сигналов равной дисперсии (например, Egan, 1958; Wixted, 2007).

Один из способов взглянуть на это — преобразовать показатели попаданий и ложных тревог в z-показатели и построить график функций zROC. На графике zROC метод равнодисперсии создает данные с наклоном zROC, равным 1.0. Вместо этого, как это типично для задач на распознавание памяти, наклоны наших zROC были достоверно ниже 1,0 в 3 из 4 состояний памяти. Мы подбираем линейную модель смешанного эффекта с наклоном и пересечением случайных факторов для каждого субъекта (средний наклон [M]=0,68 для 3-обратно для нормальных изображений, отличие от 1.0 : p < .0{{30}}1; =1.05 для 30-обратно для обычных изображений, не отличающихся от 1, p {{19} }.60; M=0.52 для 3-назад для аномальных изображений, p < 0,82 для 30-назад для аномальных изображений, p=.005). С учетом всех условий, что позволило более надежно оценить наклон, средний наклон zROC составил 0,68, что значительно отличалось от 1,0 (p < 0,00001).

Таким образом, в совокупности ROC, которые мы наблюдали в памяти, были несовместимы с моделью обнаружения сигнала с равной дисперсией и согласовывались с моделью неравной дисперсии, возможно, из-за различий в силе памяти между различными элементами.

 Это типично для узнавающей памяти и является причиной того, что сбор доверительных суждений и выполнение ROC-анализа необходимы для оценки силы памяти. В этом контексте Simple d' не учитывает должным образом различия в критериях ответа (например, Dougal & Rotello 2007).

For more information:1950477648nn@gmail.com