Relacions entre l'experiència i la distinció: les imatges mèdiques anormals condueixen a un rendiment de memòria millorat només a la part 2 dels experts

Després de mostrar-se durant 3 segons, cada imatge va ser seguida immediatament de dues preguntes de resposta: (1) La imatge era anormal o normal? (2) Has vist aquesta imatge abans?

En els darrers anys, un gran nombre d'estudis han demostrat que hi ha una estreta relació entre les anomalies de la imatge i la memòria. Les anomalies d'imatge poden incloure problemes oculars com el daltonisme, la miopia, la hipermetropia, l'astigmatisme, etc. Aquests problemes oculars poden afectar la nostra visió i les capacitats de processament d'imatges. La memòria és una de les habilitats importants del cervell humà, que ens permet recordar informació i experiències importants i prendre decisions correctes.

Els estudis han demostrat que les persones amb problemes oculars com el daltonisme, la miopia, l'astigmatisme, etc. tenen pitjor rendiment en les proves de memòria que les persones normals. Això es deu al fet que el seu camp de visió és limitat i són incapaços de rebre completament informació sobre el seu entorn, la qual cosa fa que tinguin certes dificultats en la memòria. Per tant, mantenir una bona vista i salut visual és crucial per a la nostra memòria.

Al mateix temps, una visió saludable també ens pot ajudar a processar i recordar millor la informació. Per exemple, quan llegim un llibre o mirem la televisió, tenir un camp de visió clar ens pot ajudar a entendre i processar millor el text i les imatges. Això ens ajudarà a recordar millor el contingut i aplicar-lo a situacions de la vida real.

Per tant, hem de parar atenció i protegir la nostra salut visual per millorar la nostra memòria. Mantenir una bona visió i salut ocular mitjançant l'exercici diari i la dieta, i descansar adequadament també pot ajudar a protegir els nostres ulls i la nostra memòria. Mantenir una actitud positiva, confiança i perseverança també pot ajudar a millorar la nostra visió i memòria.

En resum, hem de prestar atenció i protegir la salut de la nostra vista, que és de gran importància per a la nostra memòria i desenvolupament personal. Només desenvolupant uns bons hàbits de visió i un estil de vida podem aconseguir millors resultats a la feina i a la vida. Es pot veure que hem de millorar la memòria, i Cistanche deserticola pot millorar significativament la memòria, perquè Cistanche deserticola té efectes antioxidants, antiinflamatoris i antienvelliment, que poden ajudar a reduir l'oxidació i les reaccions inflamatòries al cervell, protegint així el salut del sistema nerviós. A més, Cistanche deserticola també pot promoure el creixement i la reparació de les cèl·lules nervioses, millorant així la connectivitat i la funció de les xarxes neuronals. Aquests efectes poden ajudar a millorar la memòria, l'aprenentatge i la velocitat de pensament, i també poden prevenir el desenvolupament de disfuncions cognitives i malalties neurodegeneratives.

Feu clic a Coneix suplements per augmentar la memòria

Utilitzant un ratolí d'ordinador estàndard, se'ls va demanar als participants que indiquessin el seu nivell de confiança en una 6-escala de valoració de punts que va des de segur sí/anormal fins a confiat no/normal (vegeu la figura 1).

Hem recollit puntuacions de confiança en lloc de respostes simples sí/no per permetre l'anàlisi ROC. No es va imposar cap limitació de temps per respondre. L'inici del següent judici estava supeditada a respondre ambdues preguntes del judici actual.

Abans de començar l'experiment, els participants van rebre instruccions i diverses preguntes demogràfiques (Gènere; Edat; "Ets radiòleg?"; "Teniu una feina on llegiu imatges mèdiques; és a dir, tècnic, físic mèdic?"). Es van escriure instruccions. per a una població novell sense formació mèdica.

Per als participants novells, els casos anormals es van definir a grans trets com "imatges que podrien contenir lesions o càncer, o que, en cas contrari, podrien ser alguna cosa digne de seguiment si fossis radiòleg".

Criteri d'exclusió i pla d'anàlisi

Els nostres criteris d'exclusió i anàlisis es van decidir per endavant (vegeu el preregistre, més amunt). Es van excloure els assaigs individuals si els participants trigaven menys de 1.500 ms o més de 15,000 ms per respondre (segons les dades del pilot).

Els participants van ser exclosos si van trigar menys de 15 minuts (exclòs zero) o més d'1 hora per completar l'estudi (exclosos 3). Els radiòlegs van ser exclosos (1 exclòs) com els que tenien una altra experiència prèvia llegint imatges mèdiques (zero exclòs). Els participants també van ser exclosos si tenien més d'un 80% de respostes idèntiques (p. ex., van triar la mateixa resposta en gairebé tots els assaigs; un exclòs) o tenien més del 20% dels assaigs exclosos segons els criteris de temps de reacció (un exclòs).

Després d'aplicar aquests criteris d'exclusió a priori, set participants van ser exclosos de l'anàlisi, deixant una mostra final de 53 participants. Després de les nostres anàlisis preregistrades (a dalt), inicialment no vam realitzar una anàlisi global de la variància (ANOVA), sinó que vam seguir les nostres proves específiques dirigides. Primer vam analitzar les classificacions de confiança de classificar una imatge com a anormal o normal.

Posteriorment es van analitzar les classificacions de confiança que representen la memòria de les imatges. Per fer-ho, hem realitzat una anàlisi ROC per 3-esquena i 30-esquena en funció del tipus d'imatge (normal/anormal/contralateral-anormal). També vam generar ROC per als judicis normals/anormals. Els ROC es van resumir per àrea sota la corba (AUC) i es van comparar mitjançant proves t.

Com s'ha assenyalat, ens interessa saber si, dins del grup de participants novells, hi ha un benefici en el rendiment de la memòria per a qualsevol tipus d'imatge (p. ex., segons es jutja per l'AUC normal vs. anormal). Com que els novells no tenen experiència mèdica, qualsevol efecte d'aquest tipus ens donaria una visió de la naturalesa del conjunt d'imatges (és a dir, la memorabilitat o la distinció).

Finalment, vam realitzar anàlisis de semblança d'imatges per quantificar com les diferències d'imatge podrien estar influint en aquests resultats.

Comparació de semblança d'imatges

Com que les imatges normals, focals anormals i contralaterals anormals són necessàriament diferents conjunts d'imatges, és útil comparar com de distintiu és cada conjunt d'imatges de totes les altres imatges per veure l'efecte que això té en la memòria.

Una manera d'aconseguir-ho és que els individus donin puntuacions de similitud entre imatges. Tanmateix, això requeriria 120 ×120=14,440 puntuacions de semblança. En canvi, per agilitzar el procés, ens hem basat en tècniques de visió per ordinador establertes prèviament dissenyades per donar mesures de similitud per a escenes naturals. Concretament, hem realitzat una anàlisi de la piràmide d'onades de Gabor (GWP), que calcula les característiques de les imatges i les compara (Greene et al., 2016; Kay et al., 2008).

Per avaluar el nivell de similitud dels diferents tipus d'imatge, el GWP representa cada imatge com la sortida d'un banc de filtres Gabor multiescala. El treball previ ha demostrat que aquestes característiques poden modelar amb èxit la representació d'objectes en àrees visuals primerenques (Kay et al., 2008).

Seguint el procediment i els paràmetres exactes proporcionats per Greene et al. (2016), cada imatge es va convertir a escala de grisos, es va mostrar una mostra inferior a 128 × 128 píxels i es va representar amb un banc de filtres Gabor a tres escales espacials (3, 6 i 11 cicles per imatge amb una onelet només de luminància). que cobreix tota la imatge), quatre orientacions (0, 45, 90 i 135 graus) i dues fases (0 i 90 graus).

Això va donar un conjunt de característiques per a cada imatge, que es van comparar amb les 120 imatges per calcular una puntuació de distància / dissemblança calculant el producte puntual de les característiques de cada imatge entre les imatges després de restar les imatges mitjanes i normalitzar els vectors de característiques a la longitud d'unitat.

Resultats (Experiment 1: novells)

Realització de la tasca de classificació

En primer lloc, vam analitzar la confiança que tenien els novells a l'hora de classificar una imatge com a normal o anormal (vegeu la figura 2). Hem trobat una diferència significativa entre imatges normals i anormals, t(52)=4.78, p < .001, però no entre imatges normals i contralateral-anormals, t(52)=1.94, p > .05.Si bé els participants no tenien formació per distingir imatges mèdiques normals de les anormals, un petit nombre d'imatges del conjunt són extremadament anormals (és a dir, un sol punt blanc brillant semblaria qüestionable fins i tot per als espectadors novells).

Si observem les classificacions per imatge (vegeu la figura 3) es revela que aquestes imatges són en gran part responsables de la diferència significativa entre les valoracions normals i anormals. En resum, almenys per a un petit subconjunt d'imatges, fins i tot els participants novells no s'adonen de l'anormalitat, cosa que condueix a un rendiment de classificació superior a l'oportunitat en general. Però per a la majoria d'imatges, els novells semblen tenir poca informació sobre la normalitat versus l'anormalitat.

Tingueu en compte que l'eix y de la figura 2 representa les confidencialitats per als novells. En general, els novells no confien en distingir cap tipus d'imatge, amb les respostes mitjanes molt agrupades prop de la meitat de l'escala de qualificació per a totes les condicions. Una altra manera de visualitzar aquestes dades és en una corba ROC (vegeu la figura 4), on els novells cauen gairebé a sobre de la línia diagonal puntejada indicativa del rendiment atzar, amb un AUC de només 0,54 (on {{5} }},50 és atzar i 1,0 és perfecte).

Tot i que, com s'ha dit anteriorment, aquesta diferència de l'atzar és altament fiable entre els participants, t(52)=4.21, p< .001, largely because of the few images that participants could all reliably classify.

Memòria per a imatges anormals

La figura 5 mostra els ROC per a les tasques de memòria 3-esquena i 30-esquena. Com que els novells no eren, en la seva majoria, capaços de percebre les imatges contralaterals anormals com a diferents de les imatges normals en la tasca de classificació, ens vam centrar exclusivament en les diferències de memòria entre imatges normals i anormals. En general, independentment del tipus d'imatge, i com era d'esperar, els novells tenen una millor 3-memoria posterior (AUC mitjana de 0,7{0 per detectar 3-esquelles) que{{8 }}memoria posterior (AUC mitjana de 0,64 per detectar 30-esquelles), t(52)=6,59, p < .001.

Curiosament, el desglossament del rendiment en les condicions d'imatge revela que els novells mostren un petit benefici de normalitat: recorden millor les imatges normals que les imatges anormals tant en la {{{0}}condició posterior com en la 30-condició posterior, amb només la 3-esquena amb una diferència significativa. Hem trobat un avantatge d'AUC de 0.069 per a imatges normals a3-esquena, t(52)=5.48, p <.001, en comparació amb anormal, i una diferència d'AUC de 0.026 per a imatges normals a 30-esquena, t(52) =1,70, p=.096, en comparació amb anormal. Atès el rendiment feble per discriminar imatges normals d'anormals, és força sorprenent aquella normalitat va tenir cap efecte.

Per tant, vam examinar les dades per trobar proves d'efectes més bàsics de la similitud visual. Vam trobar que el menor rendiment de la memòria en condicions anormals va ser impulsat en gran mesura per un augment de la taxa de falses alarmes en els conjunts d'imatges anormals i anormals contralaterals.

Here, we are classifying as "new" all images with a confidence rating >3. Això és coherent amb un relat de similitud d'imatges en què els novells tindrien més probabilitats d'alarma falsa davant noves imatges en condicions anormals i contralaterals, simplement perquè aquestes imatges són més semblants entre elles que les imatges del conjunt normal (tal com es preveu per la similitud sumada). comptes de la memòria, per exemple, Nosofsky, 1991).

En altres paraules, si les imatges normals fossin una mica més diferents entre si en comparació amb les altres imatges, això podria explicar per què els novells tenen una memòria una mica millor per a la condició normal (és a dir, és més fàcil determinar si una imatge d'un gos és nova si aquest gos es presenta). en una sèrie d'animals diferents que si es presenta en un conjunt de gossos similars Els efectes de semblança en els nostres estímuls són molt menors.). Comprovem aquesta hipòtesi a continuació.

Anàlisi de la matriu de semblança-Piràmide d'onades de Gabor

Vam provar aquesta hipòtesi de semblança d'imatges mesurant la similitud entre les nostres imatges tal com es descriu als mètodes (Greene et al., 2016; Kay et al., 2008). Hem trobat una major dissemblança entre les imatges normals en relació amb les imatges anormals i anormals contralaterals (normal=0.174; anormal =0.139; contralateral-anormal=0.133). En altres paraules, les imatges normals eren més diferents, de mitjana, les unes de les altres (i, per tant, més discriminables en la memòria) que les imatges anormals o contralaterals anormals.

Això és coherent amb la hipòtesi que la petita diferència de memòria que afavoreix les imatges normals està impulsada per diferències de semblança d'imatges entre tots els conjunts. Per tant, el petit benefici de normalitat trobat en l'estudi actual és probablement el resultat de la similitud d'imatges.

De manera crítica, això pot proporcionar una línia de base útil per considerar la memòria per a les mateixes imatges en radiòlegs experts de l'Experiment 2.

Experiment 2: Radiòlegs

L'experiment 2 va ser el mateix que l'experiment 1, excepte realitzat amb observadors radiòlegs.

Mètode

Participants

Durant la conferència de la RadiologicalSociety of North America (RSNA) de 2018 a Chicago, Illinois, es van reclutar trenta-dos radiòlegs experts (14 dones participants, mitjana de=49 anys). Tots els radiòlegs van donar el seu consentiment informat i no van ser compensats més enllà d'entrar a una loteria per una targeta de regal de 500 dòlars. Els procediments de consentiment informat van ser aprovats per la Junta de Revisió Institucional de la Universitat de Califòrnia, SanDiego.

Les dades dels participants s'haurien exclòs si triguessin menys de 15 minuts o més d'1 hora a completar l'estudi, tinguessin més del 80% de respostes idèntiques o s'excloguessin més del 20% dels assaigs. D'acord amb aquestes directrius, no es va excloure cap radiòleg de l'anàlisi, deixant una mostra final de 32 participants.

Estímuls i procediment

Els estímuls i el disseny experimental eren els mateixos que es descriuen a l'experiment 1. La principal diferència de procediment va ser que l'experiment es va dur a terme a la conferència RSNA on l'experimentador va explicar les instruccions en persona.

A diferència de l'Experiment 1, a l'Experiment 2, vam donar instruccions més generals, demanant qualsevol anormalitat en lloc de demanar específicament als participants que cerquessin lesions focals o càncer: "Per a cada imatge, si us plau, jutja si la imatge és anormal o normal i si l'has vist prèviament durant el experiment".

Resultats

En aquesta secció, comparem el rendiment dels radiòlegs experts amb el rendiment dels participants novells a l'Experiment1. En particular, investiguem com es comparen els no experts amb els judicis dels experts sobre la classificació d'imatges (és a dir, normal vs. anormal) i, de manera crítica, si els experts mostren una memòria diferencial per a imatges anormals versus normals. Mentre analitzem el rendiment dels experts, tenim en compte les idiosincràsies del nostre conjunt d'imatges que vam aprendre de l'Experiment 1, com ara que les nostres imatges normals són més diferents i, per tant, inherentment una mica més memorables.

Realització de la tasca de classificació

De manera similar a l'experiment 1, primer vam analitzar el rendiment de la tasca de classificació mirant les classificacions de confiança de classificar cada imatge com a normal o anormal. Què tan bons són els radiòlegs per distingir simplement imatges anormals de les normals? No és sorprenent que els radiòlegs siguin molt bons per distingir l'anormalitat (vegeu la figura 6a). Els radiòlegs estaven significativament més segurs que una imatge anormal era anormal en lloc de normal, t(31)=13.17, p < .001.

La figura 6b mostra la corba ROC per distingir les imatges focals anormals de les imatges normals en radiòlegs. Els ROC es van resumir per àrea sota la corba (AUC del radiòleg=0,72; recordeu que AUC novell=0,54).

Com s'ha assenyalat a l'experiment 1, els controls estan a prop de la línia diagonal indicativa de l'atzar, mentre que els radiòlegs demanen un ROC curvilini típic indicatiu d'una diferència percebuda (i significativa) entre imatges normals i anormals amb un AUC molt per sobre de l'atzar, t(31)=19 .8, p < .001. A continuació, vam mirar si els radiòlegs podien detectar anormalitats en les imatges contralaterals anormals.

No hi va haver una diferència significativa entre les condicions d'imatge normal i contralateral, t(31)=0.43, p=.67. En l'estudi original d'Evans et al. (2016), van trobar un efecte d'anormalitat en la informació general (és a dir, en un temps de presentació molt curt de ~ 250 ms). El nostre conjunt d'instruccions i estímuls pot haver esbiaixat els participants per no informar d'imatges contralaterals com a anormals.

En un conjunt d'imatges que inclouen lesions visibles (els casos anormals) i en absència d'una instrucció per buscar imatges asimptomàtiques de pacients simptomàtics (els casos contralaterals), potser no és d'estranyar que els radiòlegs reserven les seves qualificacions anormals per als casos anormals amb lesions. A més, és possible que les nostres instruccions hagin preparat els radiòlegs per buscar lesions tant benignes com malignes, tot i que en l'estudi actual hi havia lesions no benignes.

Estudis futurs podrien investigar els efectes de la instrucció en aquesta tasca. Recordem, però, que el nostre interès en el present experiment està en la memòria dels radiòlegs per a aquestes imatges. Les imatges contralaterals anormals, per exemple, encara es podrien recordar millor si la seva aparença vagament sospitosa fes que els radiòlegs hi dediquessin més atenció.

Memòria per a imatges anormals

La figura 7 mostra el rendiment del radiòleg en la tasca de memòria. Els radiòlegs tenen una millor memòria per a les imatges anormals en ambdues condicions de memòria, però l'avantatge de les imatges anormals només és important en la 30-condició posterior, t(31)=2. 86, p =,008, diferència AUC=.051.

Hem trobat un avantatge AUC de0,02 per a imatges anormals al 3-darrera. Tot i que això no va ser significatiu, t(31)=1.62, p=.12, segueix la mateixa tendència que l'afecció de l'30-esquena. Els radiòlegs no van mostrar cap benefici de la memòria per a les imatges anormals contralaterals. , fins i tot amb retards llargs (p=.24). Atès que els radiòlegs no van poder distingir entre imatges anormals contralaterals i imatges normals en la tasca de classificació, es podria esperar aquest resultat; però, recordeu que estàvem buscant proves que una essència anormal reconeguda implícitament podria millorar la memòria.

Això no és el que hem trobat. En general, independentment del tipus d'imatge, els radiòlegs tenen millor memòria a l'esquena 3-(AUC mitjà de ,852 per detectar 3-esquelles) que 30-enrere (AUC mitjà de ,752 per detectar 30- esquena) per a imatges mèdiques. Per què els radiòlegs són millors a 3-darrera que a 30-enrere? Tot i que sembla clar que aquesta diferència reflecteix en gran mesura els efectes típics de l'oblit i la interferència (per exemple, Wixted, 2005), també és possible que els observadors tinguin més probabilitats de "captar" la presència de 3-esquena en lloc de la {{ {10}}repeticions posteriors.

Si és així, podrien adoptar una estratègia que prioritzi la 3-tasca d'esquena. Tanmateix, tenint en compte que les proves d'3-esquena i 30-esquena eren igual de probables i distribuïdes per igual al llarg de la tasca, i que els observadors deien constantment que recordaven haver vist mamografies de 30 imatges enrere (i, per tant, eren clarament conscients que {{4} }back no era l'única prova n-back present), sembla poc probable que els observadors facin la transició a una estratègia que només prioritzés 3-tasca de memòria posterior.

En conjunt, aquests resultats suggereixen que els experts tenen una millor memòria en general 3-que al darrere30-, però que un benefici de memòria per a imatges anormals en comparació amb imatges normals només és significatiu a 30-esquena. .En els estudis de memòria de reconeixement, gairebé sempre es troba que les ROC no són coherents amb un model de detecció de senyals de variància igual (per exemple, Egan, 1958; Wixted, 2007).

Una manera de mirar-ho és convertir les taxes d'èxit i de falses alarmes en zscores i traçar funcions zROC. En un gràfic zROC, l'equalvariance produeix dades amb un pendent zROC d'1.0. En canvi, com és habitual en les tasques de memòria de reconeixement, les pendents del nostre zROCs eren de manera fiable per sota d'1.0 en 3 de les 4 condicions de memòria. Ajustem un model lineal d'efectes mixts amb pendent i intercepció com a factors aleatoris per subjecte (pendent mitjà[M]=0,68 per 3-enrere per a imatges normals, diferència d'1.0 : p < .0{{30}}1 M =1,05 per 30-enrere per a imatges normals, no diferent de 1, p {{19}; },60; M=0,52 per a 3-enrere per a imatges anormals, p < 0,82 per a 30-enrere per a imatges anormals, p=.005). Col·lapsant-se en totes les condicions, permetent així una estimació més fiable del pendent, el pendent mitjà de zROC va ser de 0,68, significativament diferent d'1,0 (p <.00001).

En conjunt, doncs, els ROCs que vam observar a la memòria eren incompatibles amb un model de detecció de senyal de variància igual i coherents amb un model de desigualtat, potencialment a causa de la variació de la força de la memòria entre diferents elements.

 Això és típic de la memòria de reconeixement i la raó per la qual és necessari recollir judicis de confiança i realitzar anàlisis ROC per avaluar la força de la memòria. Simple d', en aquest context, no té en compte correctament les diferències de criteris de resposta (per exemple, Dougal i Rotello 2007).

For more information:1950477648nn@gmail.com