Взаємозв’язок між знаннями та відмінністю: аномальні медичні образи призводять до покращення пам’яті лише у експертів. Частина 2

Після того, як кожне зображення відображалося протягом 3 секунд, одразу ж супроводжувалося двома запитаннями: (1) Чи було це зображення ненормальним чи нормальним? (2) Ви бачили це зображення раніше?

В останні роки велика кількість досліджень показала, що існує тісний зв’язок між аномаліями зображення та пам’яттю. Аномалії зображення можуть включати такі проблеми з очима, як дальтонізм, короткозорість, далекозорість, астигматизм тощо. Ці проблеми з очима можуть вплинути на наш зір і можливості обробки зображень. Пам'ять є однією з важливих можливостей людського мозку, що дозволяє нам запам'ятовувати важливу інформацію та досвід і приймати правильні рішення.

Дослідження показали, що люди з проблемами зору, такими як дальтонізм, короткозорість, астигматизм тощо, гірше піддають тести на пам’ять, ніж звичайні люди. Це пов’язано з тим, що їхнє поле зору обмежене, і вони не можуть повною мірою отримувати інформацію про навколишнє оточення, через що у них виникають певні труднощі з пам’яттю. Тому підтримання хорошого зору та здоров’я зору має вирішальне значення для нашої пам’яті.

Водночас здоровий зір також може допомогти нам краще обробляти та запам’ятовувати інформацію. Наприклад, під час читання книги чи перегляду телевізора наявність чіткого поля зору може допомогти нам краще розуміти та обробляти текст і зображення. Це допоможе нам краще запам’ятовувати вміст і застосовувати його в реальних ситуаціях.

Тому ми повинні приділяти увагу та берегти здоров’я свого зору, щоб покращити пам’ять. Підтримання хорошого зору та здоров’я очей за допомогою щоденних фізичних вправ і дієти, а також достатнього відпочинку також може допомогти захистити наші очі та пам’ять. Збереження позитивного настрою, впевненості та наполегливості також може допомогти покращити наш зір і пам’ять.

Підводячи підсумок, ми повинні приділяти увагу та берегти здоров’я нашого зору, яке має велике значення для нашої пам’яті та особистого розвитку. Лише розвиваючи гарний зір і спосіб життя, ми можемо досягти кращих результатів у роботі та житті. Можна побачити, що нам потрібно покращити пам’ять, і Cistanche deserticola може значно покращити пам’ять, оскільки Cistanche deserticola має антиоксидантну, протизапальну та антистарільну дію, що може допомогти зменшити окислення та запальні реакції в мозку, тим самим захищаючи здоров'я нервової системи. Крім того, Cistanche deserticola також може сприяти росту та відновленню нервових клітин, таким чином покращуючи зв’язок і роботу нейронних мереж. Ці ефекти можуть допомогти покращити пам’ять, навчання та швидкість мислення, а також можуть запобігти розвитку когнітивної дисфункції та нейродегенеративних захворювань.

Клацніть знати добавки для покращення пам’яті

Використовуючи стандартну комп’ютерну мишу, учасникам було запропоновано вказати свій рівень впевненості за 6-бальною шкалою оцінок у діапазоні від впевнено так/ненормально до впевнено ні/нормально (див. рис. 1).

Ми зібрали оцінки надійності замість простих відповідей «так/ні», щоб забезпечити аналіз ROC. Для відповіді не було обмежень у часі. Початок наступного судового розгляду залежав від відповідей на обидва запитання поточного судового розгляду.

Перед початком експерименту учасникам надали інструкції та кілька демографічних запитань (стать; вік; «Ви рентгенолог?»; «Чи є у вас робота, де ви читаєте медичні зображення; наприклад, технік, медичний фізик?») Інструкції були написані. для початківців без медичної освіти.

Для учасників-початківців аномальні випадки в широкому сенсі визначали як «зображення, які можуть містити ураження або рак, або в іншому випадку можуть бути чимось гідним подальшого спостереження, якщо ви були рентгенологом».

Критерій виключення та план аналізу

Наші критерії виключення та аналізи були визначені заздалегідь (див. попередню реєстрацію вище). Індивідуальні випробування виключалися, якщо учасникам для відповіді знадобилося менше 1500 мс або більше 15 000 мс (на основі пілотних даних).

Учасники були виключені, якщо їм знадобилося менше 15 хвилин (нуль виключено) або більше 1 години, щоб завершити дослідження (3 виключено). Рентгенологів було виключено (1 виключено), а також тих, хто мав інший попередній досвід читання медичних зображень (нуль виключено). Учасників також виключали, якщо вони мали більше ніж 80% ідентичних відповідей (наприклад, вибрали однакову відповідь майже в кожному випробуванні; одне виключено) або було виключено більше 20% випробувань на основі критеріїв часу реакції (одне виключено).

Після застосування цих апріорних критеріїв виключення сім учасників було виключено з аналізу, залишивши остаточну вибірку з 53 учасників. Після наших попередньо зареєстрованих аналізів (вище) ми спочатку не проводили загальний дисперсійний аналіз (ANOVA), а дотримувалися наших конкретних цільових тестів. Спочатку ми проаналізували оцінки надійності класифікації зображення як ненормального або нормального.

Згодом ми проаналізували рейтинги надійності, що представляють пам'ять для зображень. Для цього ми провели аналіз ROC для 3-спини та 30-спини як функції типу зображення (нормальний/ненормальний/контралатеральний-аномальний). Ми також генерували ROC для нормальних/ненормальних суджень. ROC були узагальнені за площею під кривою (AUC) і порівнювалися за допомогою t-тестів.

Як зазначалося, нас цікавить, чи є в групі учасників-початківців перевага в продуктивності пам’яті для будь-якого типу зображення (наприклад, судячи за нормальною чи ненормальною AUC). Оскільки новачкам бракує медичного досвіду, будь-який такий ефект дав би нам зрозуміти природу набору зображень (тобто запам’ятовуваність чи відмінність).

Нарешті, ми провели аналіз подібності зображень, щоб кількісно визначити, як відмінності зображень можуть впливати на ці результати.

Порівняння подібності зображення

Оскільки нормальні, фокально аномальні та контралатерально аномальні зображення обов’язково є різними наборами зображень, корисно порівняти, наскільки кожен набір зображень відрізняється від усіх інших зображень, щоб побачити вплив, який це має на пам’ять.

Один зі способів досягти цього полягає в тому, щоб люди оцінювали схожість між зображеннями. Однак для цього знадобиться 120 ×120=14440 рейтингів подібності. Натомість, щоб спростити процес, ми покладалися на раніше розроблені методи комп’ютерного зору, призначені для вимірювання подібності природних сцен. Зокрема, ми провели аналіз вейвлет-піраміди Габора (GWP), який обчислює особливості зображень і порівнює їх (Грін та ін., 2016; Кей та ін., 2008).

Щоб оцінити рівень подібності в різних типах зображень, GWP представляє кожне зображення як результат банку багатомасштабних фільтрів Габора. Попередня робота показала, що ці функції можуть успішно моделювати представлення об’єктів у ранніх візуальних областях (Kay et al., 2008).

Дотримуючись точної процедури та параметрів, наданих Greene et al. (2016), кожне зображення було перетворено в градації сірого, зменшено до 128 × 128 пікселів і представлено за допомогою банку фільтрів Габора в трьох просторових масштабах (3, 6 і 11 циклів на зображення з вейвлетом лише яскравості). який охоплює все зображення), чотири орієнтації (0, 45, 90 і 135 градусів) і дві фази (0 і 90 градусів).

Це отримало набір характеристик для кожного зображення, який потім порівнювали з усіма 120 зображеннями для обчислення оцінки відстані/несхожості шляхом обчислення скалярного добутку характеристик кожного зображення на одне зображення одного після віднімання середніх зображень і нормалізації векторів ознак до одиничної довжини.

Результати (Експеримент 1: новачки)

Виконання класифікаційного завдання

По-перше, ми подивилися, наскільки новачки впевнено класифікували зображення як нормальне чи ненормальне (див. рис. 2). Ми виявили суттєву різницю між нормальними та аномальними зображеннями, t(52)=4.78, p <.001, але не між нормальними та контралатерально-ненормальними зображеннями, t(52)=1.94, p > .05. Хоча учасники не навчалися відрізняти нормальні медичні зображення від аномальних, невелика кількість зображень у наборі є надзвичайно помітними аномальними (тобто одна яскраво-біла пляма виглядатиме сумнівною навіть для початківців).

Перегляд рейтингів за зображеннями (див. рис. 3) показує, що ці зображення значною мірою є причиною значної різниці між нормальними та ненормальними рейтингами. Коротше кажучи, для принаймні невеликої підмножини зображень навіть учасники-початківці не можуть помітити аномалію, що призводить до більшої ймовірності класифікації в цілому. Але щодо більшості зображень новачки, схоже, мають мало інформації про норму та аномалію.

Зауважте, що вісь y на рис. 2 представляє конфіденційність для новачків. Новачки, як правило, не впевнені в розрізненні будь-якого типу зображення, із середніми відповідями, які щільно згруповані біля середини рейтингової шкали для всіх умов. Іншим способом візуалізації цих даних є крива ROC (див. рис. 4), де новачки потрапляють майже на вершину пунктирної діагональної лінії, що вказує на випадкові результати, з AUC лише 0.54 (де {{5 }}.50 — випадковість, а 1.0 — ідеально).

Хоча, як зазначено вище, ця відмінність від випадковості є дуже надійною для учасників, t(52)=4.21, с.< .001, largely because of the few images that participants could all reliably classify.

Пам'ять на аномальні зображення

На малюнку 5 показано ROC для завдань 3-back і 30-back memory. Оскільки новачки здебільшого не могли сприймати контрлатерально-ненормальні зображення як відмінні від звичайних зображень у класифікаційному завданні, ми зосередилися виключно на відмінностях пам’яті між нормальними та ненормальними зображеннями. Загалом, незалежно від типу зображення та, як і очікувалося, новачки мають кращу 3-задню пам’ять (усереднене значення AUC 0.70 для виявлення 3-назад), ніж{{8 }}задня пам’ять (усереднене значення AUC 0,64 для виявлення 30-назад), t(52)=6.59, p <.001.

Цікаво, що розподіл продуктивності за умовами зображення показує, що новачки демонструють невелику нормальну перевагу: вони запам’ятовують звичайні зображення краще, ніж аномальні зображення як у {{0}}стані задньої частини, так і в 30-стані задньої частини, лише з 3-назад, що дає значну різницю. Ми виявили перевагу AUC 0.069 для нормальних зображень 3-ззаду, t(52)=5.48, p < 0.001, порівняно з аномальним, і різницю AUC 0,026 для нормальних зображень 30-назад, t(52) =1.70, p=.096, порівняно з аномальними. Враховуючи слабку ефективність розрізнення нормальних зображень від аномальних, це досить дивно ця нормальність мала якийсь вплив.

Таким чином, ми перевірили дані для доказів більш основних ефектів візуальної подібності. Ми виявили, що нижча продуктивність пам’яті в ненормальних умовах була значною мірою зумовлена ​​збільшенням частоти помилкових тривог у контралатеральних аномальних і аномальних наборах зображень.

Here, we are classifying as "new" all images with a confidence rating >3. Це узгоджується з обліковим записом подібності зображень, у якому новачки мають більшу ймовірність помилкової тривоги щодо нових зображень у контралатерально-ненормальних та ненормальних умовах просто тому, що ці зображення більш схожі одне на одне, ніж зображення в нормальному наборі (як передбачено сумарною подібністю рахунки пам'яті; наприклад, Nosofsky, 1991).

Іншими словами, якби звичайні зображення дещо більше відрізнялися одне від одного порівняно з іншими зображеннями, це могло б пояснити, чому новачки мають дещо кращу пам’ять щодо нормального стану (тобто легше визначити, чи є зображення собаки новим, якщо ця собака представлена у ряді різних тварин, ніж у наборі схожих собак, ефекти подібності у наших стимулів набагато менші.). Далі перевіряємо цю гіпотезу.

Аналіз вейвлет-піраміди матриці подібності Габора

Ми перевірили цю гіпотезу подібності зображень, вимірявши подібність між нашими зображеннями, як описано в методах (Greene та ін., 2016; Кей та ін., 2008). Ми виявили підвищену різницю між звичайними зображеннями відносно контралатеральних аномальних і аномальних зображень (нормальні=0.174; аномальні =0.139; контралатеральні аномальні=0.133). Іншими словами, нормальні зображення в середньому більше відрізнялися одне від одного (і, отже, краще розрізнялися в пам’яті), ніж аномальні або контрлатерально-аномальні зображення.

Це узгоджується з гіпотезою про те, що невелика різниця в пам’яті на користь нормальних зображень зумовлена ​​відмінностями подібності зображень між наборами. Таким чином, невелика перевага нормальності, виявлена ​​в поточному дослідженні, ймовірно, є результатом подібності зображення.

Важливо, що це може стати корисною базою для розгляду пам’яті для тих самих зображень у експертів-рентгенологів в експерименті 2.

Експеримент 2: Рентгенологи

Експеримент 2 був таким самим, як експеримент 1, за винятком того, що він проводився на спостерігачах-рентгенологах.

метод

Учасники

Тридцять два експерта-рентгенологи (14 жінок-учасниць, середній вік=49 років) були залучені під час конференції Радиологічного товариства Північної Америки (RSNA) у Чикаго, штат Іллінойс, у 2018 році. Усі радіологи дали інформовану згоду й не отримали компенсації, крім участі в лотереї на подарункову картку на 500 доларів США. Процедури інформованої згоди були схвалені Інституційною наглядовою радою Каліфорнійського університету в Сан-Дієго.

Дані від учасників були б виключені, якщо їм знадобилося менше 15 хвилин або більше 1 години, щоб завершити дослідження, було б більше 80% ідентичних відповідей або було виключено більше 20% досліджень. Згідно з цими рекомендаціями, жоден радіолог не був виключений з аналізу, залишивши остаточну вибірку з 32 учасників.

Стимули та процедура

Стимули та дизайн експерименту були такими ж, як описано в експерименті 1. Основна процедурна відмінність полягала в тому, що експеримент проводився на конференції RSNA, де експериментатор особисто пояснював інструкції.

На відміну від Експерименту 1, в Експерименті 2 ми дали більш загальні інструкції, вимагаючи будь-яких аномалій, а не конкретно просили учасників шукати вогнищеві ураження або рак: «Для кожного зображення оцініть, чи є зображення ненормальним чи нормальним, і чи бачили ви це раніше під час експеримент».

Результати

У цьому розділі ми порівнюємо продуктивність експертів-рентгенологів із продуктивністю новачків у Експерименті 1. Зокрема, ми досліджуємо, як неексперти порівнюють оцінки класифікації зображень (тобто, нормальні та ненормальні) із судженнями експертів, і критично, чи демонструють експерти різну пам’ять для аномальних та нормальних зображень. Аналізуючи ефективність експертів, ми беремо до уваги особливості нашого набору зображень, які ми дізналися з Експерименту 1, наприклад те, що наші звичайні зображення є більш несхожими і, отже, за своєю суттю трохи краще запам’ятовуються.

Виконання класифікаційного завдання

Подібно до експерименту 1, ми спочатку проаналізували продуктивність завдання класифікації, розглянувши рейтинги достовірності класифікації кожного зображення як нормального чи ненормального. Наскільки добре рентгенологи просто відрізняють патологічні зображення від нормальних? Не дивно, що радіологи дуже добре розрізняють аномалії (див. рис. 6а). Рентгенологи були значно більш упевнені, що аномальне зображення було аномальним, а не нормальним, t(31)=13.17, p <.001.

На малюнку 6b показано ROC-криву для розрізнення фокально-аномальних зображень від нормальних зображень у радіологів. ROC були узагальнені за площею під кривою (радіолог AUC=0.72; нагадаємо, що новачок AUC=0.54).

Як зазначено в Експерименті 1, контрольні елементи розташовані близько до діагональної лінії, що вказує на випадковість, тоді як рентгенологи вибирають типовий криволінійний ROC, що вказує на сприйняту (і значну) різницю між нормальними та аномальними зображеннями з AUC, що значно перевищує ймовірність, t(31)=19 0,8, p < 0,001. Далі ми перевірили, чи можуть радіологи виявити аномалію на контралатеральних аномальних зображеннях.

Не було значної різниці між нормальними та контралатеральними патологічними умовами зображення, t(31)=0.43, p =.67. В оригінальному дослідженні Evans et al. (2016), вони виявили ефект аномалії в основній інформації (тобто за дуже короткий час представлення ~250 мс). Наші інструкції та набір стимулів могли спонукати учасників не вважати контралатеральні зображення аномальними.

У наборі зображень, які включають видимі ураження (ненормальні випадки) та за відсутності вказівок щодо пошуку безсимптомних зображень у пацієнтів із симптомами (контралатеральні випадки), можливо, не дивно, що радіологи зарезервували свої аномальні оцінки для аномальних випадків із ураження. Крім того, можливо, наші інструкції могли б підготувати радіологів до пошуку як доброякісних, так і злоякісних утворень, хоча в поточному дослідженні не було жодних злоякісних уражень.

У майбутніх дослідженнях можна було б дослідити вплив навчання на це завдання. Пам’ятайте, однак, що наш інтерес у цьому експерименті полягає в пам’яті радіологів для цих зображень. Наприклад, контралатеральні аномальні зображення могли б краще запам’ятовуватися, якби їхній смутно підозрілий вигляд спонукав радіологів приділяти їм більше уваги.

Пам'ять на аномальні зображення

На рисунку 7 показана продуктивність радіолога при виконанні завдання пам’яті. Радіологи мають кращу пам’ять для аномальних зображень в обох умовах пам’яті, але перевага для аномальних зображень є значною лише в 30-задньому стані, t(31)=2. 86, p =.008, різниця AUC=.051.

Ми виявили перевагу AUC 0.02 для аномальних зображень на 3-назад. Хоча це було незначним, t(31)=1.62, p =.12, воно має ту саму тенденцію, що й 30-захворювання спини. Радіологи не показали жодної користі в пам’яті для контралатеральних аномальних зображень , навіть із великими затримками (p=.24). Оскільки радіологи не змогли відрізнити аномальні контралатеральні зображення від нормальних зображень у завданні класифікації, цей результат можна було очікувати; однак нагадаємо, що ми шукали докази того, що неявно розпізнана аномальна суть може покращити пам’ять.

Це не те, що ми знайшли. Загалом, незалежно від типу зображення, радіологи мають кращу пам’ять на 3-заді (середня AUC 0,852 для виявлення 3-зади), ніж 30-зади (середня AUC 0,752 для виявлення 30- спини) для медичних зображень. Чому рентгенологи краще на 3-спині, ніж на 30-спині? Хоча здається очевидним, що ця різниця значною мірою відображає типові ефекти забування та втручання (наприклад, Wixted, 2005), також можливо, що спостерігачі з більшою ймовірністю «вловлять» присутність 3-назад, а не { {10}}назад повторення.

Якщо так, вони можуть прийняти стратегію, яка віддає пріоритет 3-завданню. Однак, враховуючи те, що тести 3-на спині та 30-назад були однаково вірогідними та рівномірно розподіленими протягом усього завдання, і що спостерігачі постійно говорили, що вони пам’ятають, що бачили мамограми з 30 зображень минулого (і тому чітко усвідомлювали, що {{4} }back був не єдиним наявним тестом n-back), здається малоймовірним, що спостерігачі перейдуть до стратегії, яка встановлює пріоритет лише 3-завданню back memory.

У сукупності ці результати свідчать про те, що експерти мають кращу пам’ять на 3-задній частині, ніж на30-задній частині, але перевага пам’яті для аномальних зображень у порівнянні зі звичайними зображеннями є значною лише на 30-задній частині У дослідженнях пам’яті розпізнавання майже завжди виявляється, що ROC не узгоджуються з моделлю виявлення сигналу рівної дисперсії (наприклад, Egan, 1958; Wixted, 2007).

Один із способів подивитися на це — перетворити частоту звернень і хибних тривог у zscores і побудувати графік функцій zROC. На графіку zROC equationvariance дає дані з нахилом zROC 1.0. Натомість, як це типово для завдань пам’яті розпізнавання, нахили наших zROCs були достовірно нижчими за 1.0 у 3 із 4 умов пам’яті. Ми використовуємо лінійну модель змішаного ефекту з нахилом і перехопленням як випадковими факторами для суб’єкта (середній нахил [M]=0.68 для 3-назад для нормальних зображень, різниця від 1.0 : p < .0{{30}}1; M =1.05 для 30-назад для звичайних зображень, не відмінних від 1, p {{19} }.60; M=0.52 для 3-назад для ненормальних зображень, p < .001; 0.82 для 30-назад для ненормальних зображень, p =. Згортаючи в усіх умовах, що дозволяє більш надійно оцінити нахил, середній нахил zROC становив 0,68, значно відрізняючись від 1,0 (p < 0,00001).

Отже, взяті разом ROCs, які ми спостерігали в пам’яті, не узгоджувалися з моделлю виявлення сигналу рівної дисперсії та не узгоджувалися з моделлю нееквалваріантності, потенційно через різницю в силі пам’яті між різними елементами.

 Це типово для пам’яті розпізнавання та є причиною того, що для оцінки міцності пам’яті необхідно збирати достовірні оцінки та виконувати аналіз ROC. Simple d' у цьому контексті не враховує належним чином відмінності критеріїв відповіді (наприклад, Dougal & Rotello 2007).

For more information:1950477648nn@gmail.com