ความสัมพันธ์ระหว่างความเชี่ยวชาญและความโดดเด่น: รูปภาพทางการแพทย์ที่ผิดปกตินำไปสู่ประสิทธิภาพหน่วยความจำที่เพิ่มขึ้นเฉพาะในผู้เชี่ยวชาญเท่านั้น ตอนที่ 2

หลังจากแสดงเป็นเวลา 3 วินาที แต่ละภาพก็ตามด้วยคำถามคำตอบ 2 ข้อทันที: (1) ภาพนั้นผิดปกติหรือปกติหรือไม่? (2) คุณเคยเห็นภาพนี้มาก่อนหรือไม่?

ในช่วงไม่กี่ปีที่ผ่านมา มีการศึกษาจำนวนมากแสดงให้เห็นว่ามีความสัมพันธ์ใกล้ชิดระหว่างความผิดปกติของภาพและความจำ ความผิดปกติของภาพอาจรวมถึงปัญหาสายตา เช่น ตาบอดสี สายตาสั้น สายตายาว สายตาเอียง ฯลฯ ปัญหาสายตาเหล่านี้อาจส่งผลต่อความสามารถในการมองเห็นและการประมวลผลภาพของเรา ความทรงจำเป็นหนึ่งในความสามารถที่สำคัญของสมองมนุษย์ ช่วยให้เราจดจำข้อมูลและประสบการณ์ที่สำคัญและตัดสินใจได้อย่างถูกต้อง

ผลการศึกษาพบว่าผู้ที่มีปัญหาสายตา เช่น ตาบอดสี สายตาสั้น สายตาเอียง ฯลฯ มีการทดสอบความจำได้แย่กว่าคนปกติ เนื่องจากขอบเขตการมองเห็นของพวกเขามีจำกัด และพวกเขาไม่สามารถรับข้อมูลเกี่ยวกับสภาพแวดล้อมโดยรอบได้อย่างเต็มที่ ซึ่งทำให้พวกเขามีปัญหาในความทรงจำ ดังนั้นการรักษาสายตาที่ดีและสุขภาพสายตาจึงเป็นสิ่งสำคัญสำหรับความจำของเรา

ในขณะเดียวกัน การมองเห็นที่ดียังสามารถช่วยให้เราประมวลผลและจดจำข้อมูลได้ดีขึ้น ตัวอย่างเช่น เมื่ออ่านหนังสือหรือดูทีวี การมีขอบเขตการมองเห็นที่ชัดเจนสามารถช่วยให้เราเข้าใจและประมวลผลข้อความและรูปภาพได้ดีขึ้น วิธีนี้จะช่วยให้เราจดจำเนื้อหาได้ดีขึ้นและนำไปใช้กับสถานการณ์ในชีวิตจริง

ดังนั้นเราจึงควรใส่ใจและปกป้องสุขภาพการมองเห็นของเราเพื่อปรับปรุงความจำของเรา การรักษาการมองเห็นและสุขภาพดวงตาที่ดีด้วยการออกกำลังกายและการรับประทานอาหารทุกวัน และการพักผ่อนอย่างเพียงพอยังช่วยปกป้องดวงตาและความทรงจำของเราอีกด้วย การรักษาทัศนคติเชิงบวก ความมั่นใจ และความอุตสาหะยังช่วยปรับปรุงวิสัยทัศน์และความจำของเราได้อีกด้วย

โดยสรุป เราต้องใส่ใจและปกป้องสุขภาพสายตาของเรา ซึ่งมีความสำคัญอย่างยิ่งต่อความจำและการพัฒนาส่วนบุคคลของเรา มีเพียงการพัฒนานิสัยการมองเห็นและวิถีชีวิตที่ดีเท่านั้นที่ทำให้เราบรรลุผลลัพธ์ที่ดีขึ้นในการทำงานและชีวิตได้ จะเห็นได้ว่าเราต้องปรับปรุงความจำ และ Cistanche Deserticola สามารถปรับปรุงความจำได้อย่างมีนัยสำคัญ เนื่องจาก Cistanche Deserticola มีฤทธิ์ต้านอนุมูลอิสระ ต้านการอักเสบ และต่อต้านวัย ซึ่งสามารถช่วยลดปฏิกิริยาออกซิเดชันและการอักเสบในสมอง จึงช่วยปกป้อง สุขภาพของระบบประสาท นอกจากนี้ Cistanche Deserticola ยังสามารถส่งเสริมการเจริญเติบโตและการซ่อมแซมเซลล์ประสาท ซึ่งจะช่วยปรับปรุงการเชื่อมต่อและการทำงานของโครงข่ายประสาทเทียม ผลกระทบเหล่านี้สามารถช่วยปรับปรุงความจำ การเรียนรู้ และความเร็วในการคิด และยังอาจป้องกันการพัฒนาของความผิดปกติทางสติปัญญาและโรคทางระบบประสาทอีกด้วย

คลิกรู้อาหารเสริมเพื่อเพิ่มความจำ

ผู้เข้าร่วมใช้เมาส์คอมพิวเตอร์มาตรฐานเพื่อระบุระดับความเชื่อมั่นของตนในระดับคะแนน 6- ตั้งแต่มั่นใจว่าใช่/ผิดปกติ จนถึงมั่นใจว่าไม่/ปกติ (ดูรูปที่ 1)

เรารวบรวมคะแนนความเชื่อมั่นแทนคำตอบใช่/ไม่ใช่แบบธรรมดาเพื่อให้สามารถวิเคราะห์ ROC ได้ ไม่มีการจำกัดเวลาในการตอบสนอง การเริ่มต้นการพิจารณาคดีครั้งถัดไปขึ้นอยู่กับการตอบคำถามทั้งสองข้อของการพิจารณาคดีในปัจจุบัน

ก่อนการทดลองเริ่มต้น ผู้เข้าร่วมจะได้รับคำแนะนำและคำถามเชิงประชากรศาสตร์หลายข้อ (เพศ;อายุ; "คุณเป็นนักรังสีวิทยาหรือไม่"; "คุณมีงานที่ต้องอ่านภาพทางการแพทย์ เช่น เทคโนโลยี นักฟิสิกส์ทางการแพทย์หรือไม่") มีการเขียนคำแนะนำไว้ สำหรับประชากรมือใหม่ที่ไม่มีการฝึกอบรมด้านการแพทย์

สำหรับผู้เข้าร่วมมือใหม่ กรณีที่ผิดปกติถูกกำหนดอย่างกว้างๆ ว่า "ภาพที่อาจมีรอยโรคหรือมะเร็ง หรืออาจเป็นสิ่งที่ควรค่าแก่การติดตามหากคุณเป็นนักรังสีวิทยา"

เกณฑ์การยกเว้นและแผนการวิเคราะห์

เกณฑ์การยกเว้นและการวิเคราะห์ของเราได้รับการตัดสินใจล่วงหน้า (ดูการลงทะเบียนล่วงหน้าด้านบน) การทดลองส่วนบุคคลจะถูกแยกออก หากผู้เข้าร่วมใช้เวลาน้อยกว่า 1,500 มิลลิวินาที หรือมากกว่า 15,000 มิลลิวินาที ในการตอบสนอง (ขึ้นอยู่กับข้อมูลนำร่อง)

ผู้เข้าร่วมจะถูกแยกออกหากพวกเขาใช้เวลาน้อยกว่า 15 นาที (ไม่รวมศูนย์) หรือมากกว่า 1 ชั่วโมงในการทำการศึกษาให้เสร็จสิ้น (ไม่รวม 3 คน) นักรังสีวิทยาได้รับการยกเว้น (ยกเว้น 1 คน) เช่นเดียวกับผู้ที่มีประสบการณ์ด้านการอ่านภาพทางการแพทย์อื่นๆ มาก่อน (ไม่รวมศูนย์) ผู้เข้าร่วมยังถูกแยกออกหากพวกเขามีคำตอบที่เหมือนกันมากกว่า 80% (เช่น เลือกคำตอบเดียวกันในเกือบทุกการทดลอง ยกเว้นหนึ่งรายการ) หรือการทดลองมากกว่า 20% ถูกแยกออกตามเกณฑ์เวลาตอบสนอง (ยกเว้นหนึ่งรายการ)

หลังจากใช้เกณฑ์การยกเว้นเบื้องต้นเหล่านี้ ผู้เข้าร่วมเจ็ดคนถูกแยกออกจากการวิเคราะห์ โดยเหลือตัวอย่างสุดท้ายของผู้เข้าร่วม 53 คน หลังจากการวิเคราะห์ที่ลงทะเบียนไว้ล่วงหน้าของเรา (ด้านบน) เราไม่ได้ดำเนินการการวิเคราะห์โดยรวมของความแปรปรวน (ANOVA) ในขั้นต้น แต่ทำตามการทดสอบที่กำหนดเป้าหมายเฉพาะของเรา ขั้นแรก เราวิเคราะห์คะแนนความเชื่อมั่นในการจัดประเภทภาพว่าผิดปกติหรือปกติ

ต่อมาเราวิเคราะห์คะแนนความเชื่อมั่นซึ่งแสดงถึงความทรงจำของรูปภาพ ในการดำเนินการนี้ เราได้ทำการวิเคราะห์ ROC สำหรับ 3-ด้านหลังและ 30-ด้านหลังเป็นฟังก์ชันของประเภทภาพ (ปกติ/ผิดปกติ/ตรงกันข้าม-ผิดปกติ) นอกจากนี้เรายังสร้าง ROC สำหรับการตัดสินปกติ/ผิดปกติ ROC ถูกสรุปตามพื้นที่ใต้เส้นโค้ง (AUC) และเปรียบเทียบโดยใช้การทดสอบที

ดังที่ระบุไว้ เราสนใจว่าภายในกลุ่มผู้เข้าร่วมมือใหม่ มีประสิทธิภาพในหน่วยความจำที่เป็นประโยชน์สำหรับภาพประเภทใดก็ตาม (เช่น ตามที่ตัดสินโดย AUC ปกติกับ AUC ที่ผิดปกติ) เนื่องจากมือใหม่ขาดประสบการณ์ทางการแพทย์ ผลกระทบใดๆ ดังกล่าวจะทำให้เราเข้าใจถึงธรรมชาติของชุดภาพ (เช่น ความจดจำหรือความโดดเด่น)

สุดท้าย เราได้ทำการวิเคราะห์ความคล้ายคลึงกันของภาพเพื่อระบุปริมาณว่าความแตกต่างของภาพอาจส่งผลต่อผลลัพธ์เหล่านี้อย่างไร

การเปรียบเทียบความคล้ายคลึงกันของภาพ

เนื่องจากรูปภาพปกติ ผิดปกติทางโฟกัส และผิดปกติทางตรงข้ามกันจำเป็นต้องชุดรูปภาพที่แตกต่างกัน จึงมีประโยชน์ในการเปรียบเทียบว่ารูปภาพแต่ละชุดมีความโดดเด่นจากรูปภาพอื่นๆ ทั้งหมดอย่างไร เพื่อดูผลกระทบที่สิ่งนี้มีต่อหน่วยความจำ

วิธีหนึ่งที่จะบรรลุผลสำเร็จคือการให้แต่ละบุคคลให้คะแนนความคล้ายคลึงกันระหว่างรูปภาพ อย่างไรก็ตาม สิ่งนี้จะต้องมีการให้คะแนนความคล้ายคลึงกันที่ 120 ×120=14,440 เพื่อปรับปรุงกระบวนการนี้ให้ดีขึ้น เราอาศัยเทคนิคการมองเห็นด้วยคอมพิวเตอร์ที่สร้างขึ้นก่อนหน้านี้ ซึ่งออกแบบมาเพื่อให้การวัดความคล้ายคลึงกันสำหรับฉากธรรมชาติ โดยเฉพาะอย่างยิ่ง เราทำการวิเคราะห์ปิรามิดคลื่นขนาดเล็กของกาบอร์ (GWP) ซึ่งคำนวณคุณลักษณะของภาพและเปรียบเทียบ (Greene et al., 2016; Kay et al., 2008)

เพื่อประเมินระดับความคล้ายคลึงกันของรูปภาพประเภทต่างๆ GWP จะแสดงรูปภาพแต่ละรูปเป็นเอาต์พุตของกลุ่มตัวกรอง Gabor หลายขนาด งานก่อนหน้านี้ได้แสดงให้เห็นว่าคุณลักษณะเหล่านี้สามารถสร้างแบบจำลองการนำเสนอวัตถุในพื้นที่การมองเห็นเบื้องต้นได้สำเร็จ (Kay et al., 2008)

ปฏิบัติตามขั้นตอนและพารามิเตอร์ที่แน่นอนที่ Greene และคณะให้ไว้ (2016) แต่ละภาพถูกแปลงเป็นระดับสีเทา โดยสุ่มตัวอย่างลงเป็น 128 × 128 พิกเซล และแสดงด้วยตัวกรอง Gabor ในระดับพื้นที่สามระดับ (3, 6 และ 11 รอบต่อภาพด้วยเวฟเล็ตเฉพาะความสว่าง ซึ่งครอบคลุมทั้งภาพ) การวางแนวสี่ทิศทาง (0, 45, 90 และ 135 องศา) และสองเฟส (0 และ 90 องศา)

สิ่งนี้ทำให้มีชุดคุณลักษณะสำหรับแต่ละภาพ ซึ่งเราจะเปรียบเทียบกับภาพทั้งหมด 120 ภาพเพื่อคำนวณคะแนนระยะทาง/ความแตกต่างโดยการคำนวณผลคูณดอทของคุณลักษณะแต่ละภาพกับภาพอื่นๆ หลังจากลบภาพค่าเฉลี่ยข้ามและปรับเวกเตอร์คุณลักษณะให้เป็นความยาวหน่วยแล้ว

ผลลัพธ์ (การทดลองที่ 1: สามเณร)

ประสิทธิภาพในงานจำแนกประเภท

อันดับแรก เราดูว่ามือใหม่มีความมั่นใจเพียงใดในการจำแนกภาพว่าเป็นเรื่องปกติหรือผิดปกติ (ดูรูปที่ 2) เราพบความแตกต่างที่มีนัยสำคัญระหว่างภาพปกติและภาพผิดปกติ t(52)=4.78, p < .001 แต่ไม่ระหว่างภาพปกติและภาพผิดปกติด้านตรงข้าม t(52)=1.94, p > .05.แม้ว่าผู้เข้าร่วมไม่ได้รับการฝึกอบรมเพื่อแยกแยะภาพปกติจากภาพทางการแพทย์ที่ผิดปกติ แต่มีภาพจำนวนเล็กน้อยในชุดที่มีความผิดปกติอย่างเห็นได้ชัดอย่างยิ่ง (เช่น จุดสีขาวสว่างเพียงจุดเดียวอาจดูน่าสงสัยแม้แต่กับผู้ชมมือใหม่)

การดูการให้คะแนนตามภาพ (ดูรูปที่ 3) เผยให้เห็นว่าภาพเหล่านี้ส่วนใหญ่รับผิดชอบต่อความแตกต่างที่มีนัยสำคัญระหว่างการให้คะแนนปกติและผิดปกติ กล่าวโดยสรุป สำหรับรูปภาพชุดย่อยเล็กๆ น้อยๆ แม้แต่ผู้เข้าร่วมมือใหม่ก็ไม่สามารถสังเกตเห็นความผิดปกติดังกล่าวได้ ซึ่งนำไปสู่ประสิทธิภาพการจำแนกประเภทที่มีโอกาสสูงกว่าในวงกว้าง แต่สำหรับภาพส่วนใหญ่ ดูเหมือนว่ามือใหม่จะมีข้อมูลเพียงเล็กน้อยเกี่ยวกับความปกติและความผิดปกติ

โปรดทราบว่าแกน y ในรูปที่ 2 แสดงถึงระดับความเชื่อมั่นสำหรับมือใหม่ โดยทั่วไปแล้ว มือใหม่ไม่มั่นใจในการแยกแยะประเภทรูปภาพใดๆ โดยการตอบสนองโดยเฉลี่ยจะกระจุกกันแน่นใกล้กับกึ่งกลางของระดับการให้คะแนนสำหรับทุกสภาวะ อีกวิธีหนึ่งในการแสดงภาพข้อมูลนี้คือบนเส้นโค้ง ROC (ดูรูปที่ 4) โดยที่มือใหม่ตกลงไปเกือบบนเส้นทแยงมุมประซึ่งบ่งบอกถึงประสิทธิภาพโอกาส โดยมี AUC เพียง 0.54 (โดยที่ {{5 }}.50 คือโอกาส และ 1.0 คือสมบูรณ์แบบ)

แม้ว่าตามที่ระบุไว้ข้างต้น ความแตกต่างจากโอกาสนี้มีความน่าเชื่อถือสูงระหว่างผู้เข้าร่วม t(52)=4.21, p< .001, largely because of the few images that participants could all reliably classify.

หน่วยความจำสำหรับภาพที่ผิดปกติ

รูปที่ 5 แสดง ROC สำหรับงานหน่วยความจำด้านหลัง 3- และ 30- เนื่องจากโดยส่วนใหญ่แล้วมือใหม่ไม่สามารถรับรู้ภาพที่ผิดปกติด้านข้างที่แตกต่างจากภาพปกติในงานจำแนกประเภทได้ เราจึงมุ่งเน้นไปที่ความแตกต่างของหน่วยความจำระหว่างภาพปกติและภาพที่ผิดปกติโดยเฉพาะ โดยรวมแล้ว ไม่ขึ้นอยู่กับประเภทรูปภาพ และตามที่คาดไว้ มือใหม่มี 3- หน่วยความจำด้านหลัง (AUC เฉลี่ยที่ 0.70 สำหรับการตรวจจับ 3- ด้านหลัง) มากกว่า {{8 }}หน่วยความจำด้านหลัง (AUC เฉลี่ย 0.64 สำหรับการตรวจจับ 30- ด้านหลัง), t(52)=6.59, p < .001

สิ่งที่น่าสนใจคือ การแบ่งประสิทธิภาพตามสภาพของภาพ เผยให้เห็นว่ามือใหม่แสดงข้อดีของความปกติเล็กน้อย: พวกเขาจำภาพปกติได้ดีกว่าภาพที่ผิดปกติทั้งในสภาพด้านหลัง {{0}} และ 30- โดยมีเพียง 3-กลับให้ผลลัพธ์ที่แตกต่างอย่างมีนัยสำคัญ เราพบประโยชน์ของ AUC ที่ 0.069 สำหรับภาพปกติที่3-ด้านหลัง, t(52)=5.48, p < .001 เมื่อเปรียบเทียบกับภาพที่ผิดปกติ และความแตกต่างของ AUC ที่ 0.026 สำหรับภาพปกติที่ 30- ด้านหลัง t(52) =1.70, p=.096 เมื่อเทียบกับภาพที่ผิดปกติ เมื่อพิจารณาจากประสิทธิภาพที่อ่อนแอในการแยกแยะภาพปกติจากภาพที่ผิดปกติ จึงค่อนข้างน่าแปลกใจ ความปกตินั้นย่อมมีผลทั้งสิ้น

ดังนั้นเราจึงตรวจสอบข้อมูลเพื่อหาหลักฐานเพิ่มเติมถึงผลกระทบพื้นฐานของความคล้ายคลึงกันทางสายตา เราพบว่าประสิทธิภาพของหน่วยความจำที่ลดลงในสภาวะที่ผิดปกตินั้นส่วนใหญ่ได้รับแรงหนุนจากอัตราการเตือนที่ผิดพลาดที่เพิ่มขึ้นในชุดภาพที่ผิดปกติและผิดปกติในด้านตรงกันข้าม

Here, we are classifying as "new" all images with a confidence rating >3. สิ่งนี้สอดคล้องกับบัญชีความคล้ายคลึงกันของภาพซึ่งมือใหม่มีแนวโน้มที่จะส่งสัญญาณเตือนที่ผิดพลาดให้กับภาพใหม่ในสภาวะที่ผิดปกติและผิดปกติตรงข้ามกัน เพียงเพราะภาพเหล่านี้มีความคล้ายคลึงกันมากกว่าภาพในชุดปกติ (ตามที่ทำนายโดยความคล้ายคลึงกันแบบสรุป บัญชีของความทรงจำ เช่น Nosofsky, 1991)

กล่าวอีกนัยหนึ่ง หากภาพปกติค่อนข้างจะแตกต่างกันมากกว่าเมื่อเทียบกับภาพอื่นๆ สิ่งนี้สามารถอธิบายได้ว่าทำไมมือใหม่จึงมีความจำที่ดีกว่าสำหรับสภาพปกติ (กล่าวคือ จะง่ายกว่าที่จะตัดสินว่าภาพสุนัขเป็นรูปใหม่หรือไม่ หากสุนัขตัวนั้นปรากฏอยู่ ในชุดของสัตว์ที่แตกต่างกันมากกว่าที่จะนำเสนอในชุดของสุนัขที่คล้ายกัน เราจะทดสอบสมมติฐานนี้ต่อไป

การวิเคราะห์ปิรามิดของเวฟเล็ตเมทริกซ์ความคล้ายคลึงกัน

เราทดสอบสมมติฐานความคล้ายคลึงกันของภาพนี้โดยการวัดความคล้ายคลึงกันระหว่างภาพของเราตามที่อธิบายไว้ในวิธีการ (Greene et al., 2016; Kay et al., 2008) เราพบความแตกต่างที่เพิ่มขึ้นระหว่างภาพปกติเมื่อเทียบกับภาพผิดปกติและผิดปกติด้านตรงกันข้าม (ปกติ=0.174; ผิดปกติ =0.139; ผิดปกติด้านตรงกันข้าม=0.133) กล่าวอีกนัยหนึ่ง รูปภาพปกติมีความแตกต่างกันโดยเฉลี่ยมากกว่า (และทำให้แยกแยะได้ในหน่วยความจำมากกว่า) มากกว่ารูปภาพที่ผิดปกติหรือผิดปกติตรงข้ามกัน

ซึ่งสอดคล้องกับสมมติฐานที่ว่าความแตกต่างเล็กน้อยในหน่วยความจำที่ชื่นชอบภาพปกตินั้นได้รับแรงผลักดันจากความแตกต่างที่คล้ายคลึงกันของภาพในชุดต่างๆ ดังนั้นประโยชน์ปกติเล็กน้อยที่พบในการศึกษาปัจจุบันน่าจะเป็นผลมาจากความคล้ายคลึงกันของภาพ

ในเชิงวิกฤต สิ่งนี้สามารถเป็นพื้นฐานที่เป็นประโยชน์สำหรับการพิจารณาหน่วยความจำสำหรับภาพเดียวกันในนักรังสีวิทยาผู้เชี่ยวชาญในการทดลองที่ 2

การทดลองที่ 2: นักรังสีวิทยา

การทดลองที่ 2 เหมือนกับการทดลองที่ 1 ยกเว้นที่ทำกับผู้สังเกตการณ์ของนักรังสีวิทยา

วิธี

ผู้เข้าร่วม

นักรังสีวิทยาผู้เชี่ยวชาญ 32 คน (ผู้เข้าร่วมเป็นผู้หญิง 14 คน อายุเฉลี่ย=49 ปี) ได้รับคัดเลือกในระหว่างการประชุม RadioologicalSociety of North America (RSNA) ปี 2018 ในเมืองชิคาโก รัฐอิลลินอยส์ นักรังสีวิทยาทุกคนให้ความยินยอมและไม่ได้รับการชดเชยนอกเหนือจากการถูกลอตเตอรีเพื่อรับบัตรของขวัญมูลค่า 500 ดอลลาร์ ขั้นตอนการยินยอมโดยแจ้งได้รับการอนุมัติโดยคณะกรรมการพิจารณาสถาบันของมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก

ข้อมูลจากผู้เข้าร่วมจะถูกแยกออกหากพวกเขาใช้เวลาน้อยกว่า 15 นาทีหรือมากกว่า 1 ชั่วโมงเพื่อทำการศึกษาให้เสร็จสิ้น มีคำตอบที่เหมือนกันมากกว่า 80% หรือไม่รวมการทดลองมากกว่า 20% ภายใต้แนวทางเหล่านี้ ไม่มีนักรังสีวิทยาคนใดถูกแยกออกจากการวิเคราะห์ เหลือกลุ่มตัวอย่างสุดท้ายที่มีผู้เข้าร่วม 32 คน

สิ่งกระตุ้นและขั้นตอน

สิ่งเร้าและการออกแบบการทดลองเหมือนกับที่อธิบายไว้ในการทดลองที่ 1 ความแตกต่างขั้นตอนหลักคือการทดลองดำเนินการในการประชุม RSNA โดยผู้ทดลองอธิบายคำแนะนำด้วยตนเอง

ไม่เหมือนในการทดลองที่ 1 ในการทดลองที่ 2 เราได้ให้คำแนะนำทั่วไปมากกว่า โดยถามถึงความผิดปกติใดๆ แทนที่จะขอให้ผู้เข้าร่วมมองหารอยโรคโฟกัสหรือมะเร็งโดยเฉพาะเจาะจง: "สำหรับแต่ละภาพ โปรดตัดสินว่าภาพนั้นผิดปกติหรือปกติ และคุณเคยเห็นมันมาก่อนหรือไม่ในระหว่าง การทดลอง."

ผลลัพธ์

ในส่วนนี้ เราจะเปรียบเทียบประสิทธิภาพของนักรังสีวิทยาผู้เชี่ยวชาญกับประสิทธิภาพของผู้เข้าร่วมมือใหม่ในการทดลองที่ 1 โดยเฉพาะอย่างยิ่ง เราจะตรวจสอบว่าผู้ไม่มีผู้เชี่ยวชาญเปรียบเทียบกับการตัดสินของผู้เชี่ยวชาญในการจำแนกประเภทภาพ (เช่น ปกติหรือผิดปกติ) และในเชิงวิกฤตว่าผู้เชี่ยวชาญแสดงหน่วยความจำที่แตกต่างกันสำหรับภาพที่ผิดปกติกับภาพปกติหรือไม่ ในขณะที่วิเคราะห์ประสิทธิภาพของผู้เชี่ยวชาญ เราจะคำนึงถึงลักษณะเฉพาะในชุดรูปภาพของเราที่เราเรียนรู้จากการทดลองที่ 1 เช่น รูปภาพปกติของเรามีความแตกต่างกันมากกว่า ดังนั้นจึงน่าจดจำมากกว่าโดยเนื้อแท้

ประสิทธิภาพในงานจำแนกประเภท

เช่นเดียวกับการทดลองที่ 1 อันดับแรกเราได้วิเคราะห์ประสิทธิภาพของงานการจัดประเภทโดยดูที่ระดับความเชื่อมั่นของการจัดประเภทแต่ละภาพว่าปกติหรือผิดปกติ นักรังสีวิทยาแยกแยะความผิดปกติจากภาพปกติได้ดีแค่ไหน? ไม่น่าแปลกใจเลยที่นักรังสีวิทยาสามารถแยกแยะความผิดปกติได้ดีมาก (ดูรูปที่ 6ก) นักรังสีวิทยามั่นใจมากขึ้นอย่างมีนัยสำคัญว่าภาพที่ผิดปกตินั้นผิดปกติแทนที่จะเป็นภาพปกติ t(31)=13.17, p < .001

รูปที่ 6b แสดงเส้นโค้ง ROC สำหรับแยกแยะภาพโฟกัสผิดปกติจากภาพปกติในนักรังสีวิทยา ROC ถูกสรุปโดยพื้นที่ใต้เส้นโค้ง (นักรังสีวิทยา AUC=0.72; จำได้ว่า AUC มือใหม่=0.54)

ดังที่ระบุไว้ในการทดลองที่ 1 ส่วนควบคุมอยู่ใกล้กับเส้นทแยงมุมที่บ่งบอกถึงโอกาส ในขณะที่นักรังสีวิทยาระบุ ROC เส้นโค้งทั่วไปที่บ่งบอกถึงความแตกต่างที่รับรู้ (และมีนัยสำคัญ) ระหว่างภาพปกติและภาพที่ผิดปกติโดยมี AUC สูงกว่าโอกาสอย่างมาก t(31)=19 .8, p < .001 ต่อไป เราจะดูว่านักรังสีวิทยาสามารถตรวจพบความผิดปกติในภาพผิดปกติด้านตรงข้ามได้หรือไม่

ไม่มีความแตกต่างที่มีนัยสำคัญระหว่างสภาวะของภาพปกติและตรงกันข้าม-ผิดปกติ, t(31)=0.43, p=.67 ในการศึกษาดั้งเดิมของอีแวนส์ และคณะ (2016) พวกเขาพบผลกระทบของความผิดปกติในข้อมูลหลัก (เช่น ในเวลาการนำเสนอที่สั้นมาก ~ 250 มิลลิวินาที) คำแนะนำและชุดกระตุ้นเศรษฐกิจของเราอาจทำให้ผู้เข้าร่วมมีอคติต่อการรายงานภาพด้านตรงข้ามว่าผิดปกติ

ในส่วนของภาพที่มีรอยโรคที่มองเห็นได้ (กรณีผิดปกติ) และในกรณีที่ไม่มีคำแนะนำให้ค้นหาภาพที่ไม่มีอาการจากคนไข้ที่มีอาการ (กรณีตรงกันข้าม) ก็ไม่น่าแปลกใจที่นักรังสีวิทยาจะสงวนระดับที่ผิดปกติไว้สำหรับกรณีผิดปกติด้วย รอยโรค นอกจากนี้ อาจเป็นไปได้ว่าคำแนะนำของเราอาจทำให้นักรังสีวิทยาเตรียมมองหารอยโรคทั้งที่ไม่ร้ายแรงและร้ายแรง แม้ว่าจะมีรอยโรคที่ไม่เป็นพิษเป็นภัยในการศึกษาปัจจุบันก็ตาม

การศึกษาในอนาคตสามารถตรวจสอบผลของการสอนต่องานนี้ได้ อย่างไรก็ตาม โปรดจำไว้ว่าความสนใจของเราในการทดลองนี้อยู่ในความทรงจำของนักรังสีวิทยาสำหรับภาพเหล่านี้ ตัวอย่างเช่น ภาพที่ตรงกันข้ามและผิดปกติอาจยังจำได้ดีกว่าหากรูปลักษณ์ที่น่าสงสัยอย่างคลุมเครือทำให้นักรังสีวิทยาทุ่มเทความสนใจให้กับภาพเหล่านั้นมากขึ้น

หน่วยความจำสำหรับภาพที่ผิดปกติ

รูปที่ 7 แสดงประสิทธิภาพของนักรังสีวิทยาในด้านความจำ นักรังสีวิทยามีความจำที่ดีกว่าสำหรับภาพที่ผิดปกติในสภาวะหน่วยความจำทั้งสองแบบ แต่ข้อดีของภาพที่ผิดปกตินั้นมีนัยสำคัญเฉพาะใน 30-สภาพด้านหลัง, t(31)=2 86, p =.008, ผลต่าง AUC=.051

เราพบข้อได้เปรียบ AUC ที่ 0.02 สำหรับภาพที่ผิดปกติที่ด้านหลัง 3- แม้ว่าสิ่งนี้ไม่มีนัยสำคัญ แต่ t(31)=1.62, p=.12 แต่ก็เป็นไปตามแนวโน้มเดียวกันกับ 30- สภาพด้านหลัง นักรังสีวิทยาพบว่าไม่มีประโยชน์ด้านหน่วยความจำสำหรับภาพที่มีลักษณะผิดปกติด้านข้าง แม้จะเกิดความล่าช้าเป็นเวลานาน (p=.24) เนื่องจากนักรังสีวิทยาไม่สามารถแยกแยะระหว่างภาพที่มีลักษณะผิดปกติด้านตรงข้ามกับภาพปกติในงานจำแนกประเภทได้ จึงอาจคาดหวังผลลัพธ์นี้ได้ อย่างไรก็ตาม จำไว้ว่าเรากำลังมองหาหลักฐานว่าส่วนสำคัญที่ผิดปกติที่รับรู้โดยปริยายอาจช่วยเพิ่มความจำได้

นั่นไม่ใช่สิ่งที่เราพบ โดยรวมแล้ว โดยไม่ขึ้นอยู่กับประเภทของภาพ นักรังสีวิทยามีความทรงจำที่ดีกว่าที่ด้านหลัง 3- (AUC เฉลี่ยที่ .852 การตรวจจับด้านหลัง 3-) มากกว่า 30- ด้านหลัง (AUC เฉลี่ยที่ .752 การตรวจจับด้านหลัง 30- ด้านหลัง) สำหรับภาพทางการแพทย์ เหตุใดนักรังสีวิทยาจึงดีกว่าที่ 30- ด้านหลัง? แม้ว่าความแตกต่างนี้ดูเหมือนจะชัดเจนว่าความแตกต่างนี้สะท้อนถึงผลกระทบโดยทั่วไปของการลืมและการรบกวน (เช่น Wixted, 2005) แต่ก็มีความเป็นไปได้ที่ผู้สังเกตการณ์มีแนวโน้มที่จะ "ตามทัน" การมีอยู่ของ 3- ย้อนกลับมากกว่า { {10}}การทำซ้ำย้อนกลับ

หากเป็นเช่นนั้น พวกเขาอาจใช้กลยุทธ์ที่จัดลำดับความสำคัญของ 3-งานหลัง อย่างไรก็ตาม เมื่อพิจารณาว่าการทดสอบย้อนกลับ 3- และ 30- กลับมีแนวโน้มเท่ากันและมีการกระจายเท่าๆ กันตลอดทั้งงาน และผู้สังเกตการณ์กล่าวอย่างสม่ำเสมอว่าพวกเขาจำได้ว่าได้เห็นการตรวจแมมโมแกรมจากภาพ 30 ภาพด้านหลัง (และดังนั้นจึงทราบอย่างชัดเจนว่า {{4} }back ไม่ใช่การทดสอบ n-back เพียงอย่างเดียว) ดูเหมือนว่าไม่น่าจะเป็นไปได้ที่ผู้สังเกตการณ์จะเปลี่ยนไปใช้กลยุทธ์ที่ให้ความสำคัญกับ 3- งานหน่วยความจำด้านหลังเท่านั้น

เมื่อนำมารวมกัน ผลลัพธ์เหล่านี้ชี้ให้เห็นว่าผู้เชี่ยวชาญมีความจำโดยรวมที่ดีกว่าที่ด้านหลัง 3- มากกว่าที่30- ด้านหลัง แต่ประโยชน์ของหน่วยความจำสำหรับภาพที่ผิดปกติเมื่อเทียบกับภาพปกติจะมีนัยสำคัญที่ด้านหลัง 30- เท่านั้น ในการศึกษาหน่วยความจำการจดจำ มักพบว่า ROC ไม่สอดคล้องกับแบบจำลองการตรวจจับสัญญาณความแปรปรวนที่เท่ากัน (เช่น Egan, 1958; Wixted, 2007)

วิธีหนึ่งในการดูสิ่งนี้คือการแปลงอัตราการเข้าชมและอัตราการเตือนที่ผิดพลาดเป็น zscore และพล็อตฟังก์ชัน zROC บนกราฟ zROC ความแปรปรวนเท่ากันจะสร้างข้อมูลที่มีความชัน zROC เป็น 1.0 เนื่องจากเป็นงานที่ไม่ปกติในงานหน่วยความจำการจดจำ ความชันของ zROCs ของเราจึงต่ำกว่า 1.0 ได้อย่างน่าเชื่อถือใน 3 จาก 4 เงื่อนไขหน่วยความจำ เราประกอบโมเดลเอฟเฟกต์แบบผสมเชิงเส้นที่มีความชันและปัจจัยสุ่มตัดกันต่อหัวเรื่อง (ความชันเฉลี่ย[M]=0.68 สำหรับ 3-กลับสำหรับภาพปกติ ความแตกต่างจาก 1.0 : p < .0{{30}}1; M =1.05 สำหรับ 30- ย้อนกลับสำหรับภาพปกติ ไม่แตกต่างจาก 1, p {{19} }.60; M=0.52 สำหรับ 3- กลับสำหรับภาพที่ผิดปกติ, p < .001; 0.82 สำหรับ 30- กลับสำหรับภาพที่ผิดปกติ, p=.005) เมื่อยุบเงื่อนไขทั้งหมด ซึ่งทำให้สามารถประมาณค่าความชันได้อย่างน่าเชื่อถือมากขึ้น ความชันเฉลี่ยของ zROC อยู่ที่ 0.68 แตกต่างอย่างมีนัยสำคัญจาก 1.0 (p < .00001)

เมื่อนำมารวมกัน ROCs ที่เราสังเกตในหน่วยความจำไม่สอดคล้องกับแบบจำลองการตรวจจับสัญญาณความแปรปรวนที่เท่ากัน และสอดคล้องกับแบบจำลองความไม่เท่ากัน ซึ่งอาจเกิดจากการแปรผันของความแข็งแกร่งของหน่วยความจำระหว่างรายการต่างๆ

 นี่เป็นเรื่องปกติของหน่วยความจำการจดจำ และเหตุผลที่การรวบรวมการตัดสินความเชื่อมั่นและการวิเคราะห์ ROC เป็นสิ่งจำเป็นในการประเมินความแข็งแกร่งของหน่วยความจำ Simple d' ในบริบทนี้ ไม่สามารถพิจารณาถึงความแตกต่างของเกณฑ์การตอบสนองได้อย่างถูกต้อง (เช่น Dougal &Rotello 2007)

For more information:1950477648nn@gmail.com