전문성과 차별성 사이의 관계: 비정상적인 의료 영상은 전문가만이 기억 성능을 향상시킨다 2부
Apr 16, 2024
3초 동안 표시된 후 각 이미지는 즉시 두 가지 응답 질문으로 이어졌습니다. (1) 이미지가 비정상이었습니까 아니면 정상이었습니까? (2) 전에 이 이미지를 본 적이 있나요?
최근에는 영상 이상과 기억 사이에 밀접한 관계가 있다는 사실이 많은 연구를 통해 밝혀졌습니다. 이미지 이상에는 색맹, 근시, 원시, 난시 등과 같은 눈 문제가 포함될 수 있습니다. 이러한 눈 문제는 시력 및 이미지 처리 기능에 영향을 미칠 수 있습니다. 기억은 인간 두뇌의 중요한 능력 중 하나로서 중요한 정보와 경험을 기억하고 올바른 결정을 내릴 수 있게 해줍니다.
연구에 따르면 색맹, 근시, 난시 등 눈에 문제가 있는 사람들은 정상인보다 기억력 테스트에서 더 나쁜 결과를 보이는 것으로 나타났습니다. 이는 시야가 제한되어 있고 주변 환경에 대한 정보를 완전히 받을 수 없기 때문에 기억에 어려움을 겪기 때문입니다. 그러므로 좋은 시력과 시각 건강을 유지하는 것은 우리의 기억력에 매우 중요합니다.
동시에 건강한 시력은 정보를 더 잘 처리하고 기억하는 데도 도움이 됩니다. 예를 들어, 책을 읽거나 TV를 시청할 때 시야가 명확하면 텍스트와 이미지를 더 잘 이해하고 처리하는 데 도움이 될 수 있습니다. 이렇게 하면 내용을 더 잘 기억하고 실제 상황에 적용하는 데 도움이 됩니다.
그러므로 기억력 향상을 위해서는 시력 건강에 관심을 갖고 보호해야 한다. 매일의 운동과 식단을 통해 좋은 시력과 눈 건강을 유지하고 적절한 휴식을 취하는 것도 눈과 기억력을 보호하는 데 도움이 될 수 있습니다. 긍정적인 태도, 자신감, 인내를 유지하는 것도 시력과 기억력을 향상시키는 데 도움이 될 수 있습니다.
요약하자면, 우리는 시력 건강에 관심을 갖고 보호해야 합니다. 시력은 기억력과 개인 발달에 매우 중요한 역할을 합니다. 좋은 시력 습관과 생활 방식을 개발해야만 일과 생활에서 더 나은 결과를 얻을 수 있습니다. 기억력 향상이 필요하다는 것을 알 수 있는데, 시스탄체 데저티콜라에는 항산화, 항염증, 항노화 효과가 있어 뇌의 산화 및 염증 반응을 감소시켜 뇌를 보호할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 신경계의 건강. 또한 Cistanche Deserticola는 신경 세포의 성장과 복구를 촉진하여 신경 네트워크의 연결성과 기능을 향상시킬 수 있습니다. 이러한 효과는 기억력, 학습 및 사고 속도를 향상시키는 데 도움이 될 수 있으며 인지 기능 장애 및 신경퇴행성 질환의 발병을 예방할 수도 있습니다.
표준 컴퓨터 마우스를 사용하여 참가자들은 6-자신감 있는 예/비정상부터 자신감 있는 아니요/정상까지 범위의 점수 등급 척도로 자신의 자신감 수준을 표시하라는 지시를 받았습니다(그림 1 참조).
ROC 분석을 위해 단순한 예/아니요 답변 대신 신뢰 등급을 수집했습니다. 응답하는 데 시간 제약이 없었습니다. 다음 재판의 시작은 현재 재판의 두 가지 질문에 대한 답변에 달려 있습니다.
실험이 시작되기 전에 참가자들에게 지침과 몇 가지 인구통계학적 질문(성별, 연령, "방사선 전문의입니까?", "의료 이미지를 읽는 직업이 있습니까? 즉, 기술, 의학 물리학자입니까?")이 제시되었습니다. 지침이 작성되었습니다. 의료 훈련을 받지 않은 초보자 집단의 경우.
초보 참가자의 경우 비정상적인 사례는 "병변이나 암을 포함할 수 있거나 방사선 전문의라면 후속 조치를 취할 가치가 있는 이미지"로 광범위하게 정의되었습니다.
제외 기준 및 분석 계획
당사의 제외 기준 및 분석은 사전에 결정되었습니다(위의 사전등록 참조). 참가자가 응답하는 데 1,500ms 미만 또는 15000ms 이상 소요된 경우 개별 시험은 제외되었습니다(파일럿 데이터 기준).
연구를 완료하는 데 15분 미만(0개 제외) 또는 1시간 이상 소요된 참가자(3개 제외)는 제외되었습니다. 방사선 전문의는 제외되었습니다(1개 제외). 이전에 의료 이미지를 판독한 경험이 있는 의사도 제외되었습니다(0개 제외). 또한 참가자는 80% 이상의 동일한 반응을 보인 경우(예: 거의 모든 시험에서 동일한 답변을 선택함, 한 건 제외) 반응 시간 기준에 따라 시험의 20% 이상이 제외된 경우(1건 제외) 제외되었습니다.
이러한 선험적 제외 기준을 적용한 후 7명의 참가자가 분석에서 제외되어 53명의 참가자라는 최종 샘플이 남았습니다. 사전 등록된 분석(위)에 따라 처음에는 전체 분산 분석(ANOVA)을 수행하지 않고 특정 대상 테스트를 따랐습니다. 먼저 이미지를 비정상 또는 정상으로 분류하는 신뢰도를 분석했습니다.
이후 우리는 이미지에 대한 기억을 나타내는 신뢰 등급을 분석했습니다. 이를 위해 이미지 유형(정상/비정상/대측-비정상)의 함수로 3-뒤와 30-뒤에 대한 ROC 분석을 수행했습니다. 또한 정상/비정상 판단에 대한 ROC를 생성했습니다. ROC는 AUC(곡선 아래 면적)로 요약하고 t-테스트를 사용하여 비교했습니다.
언급한 바와 같이, 우리는 초보 참가자 그룹 내에서 모든 유형의 이미지에 대한 메모리 성능에 이점이 있는지 여부에 관심이 있습니다(예: 정상 AUC와 비정상 AUC로 판단). 초보자는 의학적 경험이 부족하기 때문에 그러한 효과는 이미지 세트의 특성(예: 기억력 또는 독특성)에 대한 통찰력을 제공합니다.
마지막으로, 이미지 차이가 이러한 결과에 어떻게 영향을 미칠 수 있는지 정량화하기 위해 이미지 유사성 분석을 수행했습니다.
이미지 유사성 비교
정상 이미지, 국소 비정상 이미지, 반대측 이상 이미지는 필연적으로 서로 다른 이미지 세트이기 때문에 각 이미지 세트가 다른 이미지와 얼마나 구별되는지 비교하여 이것이 기억에 미치는 영향을 살펴보는 것이 유용합니다.
이를 달성하는 한 가지 방법은 개인에게 이미지 간의 유사성 등급을 부여하는 것입니다. 그러나 이를 위해서는 120 ×120=14,440 유사성 등급이 필요합니다. 대신 프로세스를 간소화하기 위해 자연 장면에 대한 유사성 측정을 제공하도록 설계된 이전에 확립된 컴퓨터 비전 기술에 의존했습니다. 구체적으로 우리는 이미지의 특징을 계산하고 비교하는 GWP(Gabor Wavelet Pyramid) 분석을 수행했습니다(Greene et al., 2016; Kay et al., 2008).
다양한 이미지 유형의 유사성 수준을 평가하기 위해 GWP는 각 이미지를 다중 스케일 Gabor 필터 뱅크의 출력으로 나타냅니다. 이전 연구에서는 이러한 기능이 초기 시각 영역에서 객체 표현을 성공적으로 모델링할 수 있음을 보여주었습니다(Kay et al., 2008).
Greene et al.이 제공한 정확한 절차 및 매개변수를 따릅니다. (2016), 각 이미지는 회색조로 변환되고 128 × 128픽셀로 다운샘플링되었으며 3개의 공간 스케일(휘도 전용 웨이블릿을 사용하여 이미지당 3, 6 및 11사이클)의 Gabor 필터 뱅크로 표현되었습니다. 전체 이미지를 덮는 방향), 4개 방향(0, 45, 90 및 135도) 및 2개 위상(0 및 90도).
이를 통해 각 이미지에 대한 특징 세트가 제공되었으며, 전체 120개 이미지를 비교하여 이미지 전체의 평균을 빼고 특징 벡터를 단위 길이로 정규화한 후 각 이미지 특징의 내적을 서로 이미지에 계산하여 거리/상이성 점수를 계산했습니다.
결과(실험 1: 초보자)
분류 작업 수행
먼저, 우리는 초보자들이 이미지를 정상 또는 비정상으로 분류하는 데 얼마나 확신을 가지고 있는지 살펴보았습니다(그림 2 참조). 정상 영상과 비정상 영상 t(52)=4.78, p < .001에서는 유의미한 차이가 발견되었으나 정상 영상과 반대쪽 비정상 영상 t(52)=1.94, p에서는 유의미한 차이가 발견되지 않았습니다. > .05.참가자들은 정상적인 의료 이미지와 비정상적인 의료 이미지를 구별하기 위한 훈련을 받지 않았지만 세트에 있는 소수의 이미지는 극도로 현저하게 비정상적입니다(즉, 하나의 밝은 흰색 점은 초보 시청자에게도 의심스러워 보일 것입니다).
이미지별 등급을 살펴보면(그림 3 참조) 이러한 이미지가 정상 등급과 비정상 등급 간의 중요한 차이에 큰 영향을 미친다는 것을 알 수 있습니다. 즉, 최소한 이미지의 작은 하위 집합에 대해서는 초보 참가자라도 이상을 인식할 수 없으므로 광범위하게 가능성이 높은 분류 성능으로 이어집니다. 그러나 대부분의 이미지에서 초보자는 정상과 비정상에 대한 정보가 거의 없는 것 같습니다.
그림 2의 y축은 초보자에 대한 신뢰도를 나타냅니다. 초보자는 일반적으로 모든 조건에 대해 평가 척도의 중간 근처에 평균 응답이 밀집되어 있어 이미지 유형을 구별하는 데 자신이 없습니다. 이 데이터를 시각화하는 또 다른 방법은 ROC 곡선(그림 4 참조)에 있습니다. 여기서 초보자는 우연한 성과를 나타내는 점선 대각선의 거의 상단에 위치하며 AUC는 0.54에 불과합니다(여기서 {{5 }}.50는 우연이고 1.0은 완전함).
위에서 언급한 바와 같이, 이러한 우연의 차이는 참가자들 사이에서 매우 신뢰할 만하지만, t(52)=4.21, p< .001, largely because of the few images that participants could all reliably classify.
비정상적인 이미지에 대한 메모리
그림 5는 3-back 및 30-back 메모리 작업에 대한 ROC를 보여줍니다. 초보자들은 대부분 분류 작업에서 반대쪽 비정상 이미지를 정상 이미지와 다르게 인식할 수 없었기 때문에 우리는 정상 이미지와 비정상 이미지 간의 기억 차이에만 집중했습니다. 전반적으로 이미지 유형과 관계없이 예상대로 초보자는 3-백 메모리(3-백 감지에 대한 평균 AUC 0.70)가{{8}보다 우수합니다. }}백 메모리(30-백 감지에 대한 평균 AUC 0.64), t(52)=6.59, p < .001.
흥미롭게도 이미지 조건에 따른 성능을 분석하면 초보자가 약간의 정규성 이점을 보이는 것으로 나타났습니다. 그들은 {{0}}back 조건과 30-back 조건 모두에서 비정상적인 이미지보다 정상적인 이미지를 더 잘 기억합니다. 3-다시 상당한 차이가 발생했습니다. 우리는 뒤쪽의 정상 이미지에 대해 0.069의 AUC 이점을 발견했습니다.3-비정상 이미지와 비교하여 t(52)=5.48, p < .001, AUC 차이는 0.026입니다. 정상 영상의 경우 30-뒤쪽, t(52) =1.70, p=.096, 비정상 영상과 비교하여 정상 영상과 비정상 영상을 구별하는 성능이 약한 점을 생각하면 다소 놀라운 결과입니다. 그 정상성은 어떤 영향을 미쳤습니다.
따라서 우리는 시각적 유사성의 보다 기본적인 효과에 대한 증거를 찾기 위해 데이터를 조사했습니다. 우리는 비정상 조건에서 낮은 메모리 성능이 반대쪽 비정상 및 비정상 이미지 세트의 잘못된 경고 비율 증가에 의해 크게 좌우된다는 것을 발견했습니다.
Here, we are classifying as "new" all images with a confidence rating >3. 이는 단순히 이러한 이미지가 정상 세트의 이미지보다 서로 더 유사하기 때문에(합산된 유사성에 의해 예측된 바와 같이) 초보자가 반대쪽 비정상 및 비정상적인 조건에서 새로운 이미지에 대해 잘못된 경보를 보낼 가능성이 더 높은 이미지 유사성 계정과 일치합니다. 기억에 대한 설명; 예: Nosofsky, 1991).
즉, 정상 이미지가 다른 이미지에 비해 서로 다소 더 다르다면 이는 초보자가 정상 상태에 대해 다소 더 나은 기억을 갖는 이유를 설명할 수 있습니다. 일련의 다른 동물에서는 유사한 개 세트에서 제시된 경우보다 자극의 유사성 효과가 훨씬 작습니다.) 다음에는 이 가설을 테스트해보겠습니다.
유사성 행렬-Gabor 웨이블릿 피라미드 분석
우리는 방법(Greene et al., 2016; Kay et al., 2008)에 설명된 대로 이미지 간의 유사성을 측정하여 이 이미지 유사성 가설을 테스트했습니다. 우리는 반대쪽 비정상 및 비정상 이미지(정상=0.174; 비정상 =0.139; 반대쪽-비정상=0.133)에 비해 정상 이미지 사이의 차이가 증가하는 것을 발견했습니다. 즉, 정상 이미지는 평균적으로 비정상 이미지나 반대편 비정상 이미지보다 서로 더 달랐습니다(따라서 기억에서 더 쉽게 식별 가능).
이는 일반 이미지를 선호하는 메모리의 작은 차이가 집합 전체의 이미지 유사성 차이에 의해 발생한다는 가설과 일치합니다. 따라서 현재 연구에서 발견된 작은 정규성 이점은 이미지 유사성의 결과일 가능성이 높습니다.
비판적으로 이는 실험 2에서 전문 방사선 전문의의 동일한 이미지에 대한 메모리를 고려하는 데 유용한 기준을 제공할 수 있습니다.
실험 2: 방사선 전문의
실험 2는 방사선 전문의 관찰자를 대상으로 수행된 것을 제외하면 실험 1과 동일했습니다.
방법
참가자들
일리노이주 시카고에서 열린 2018 북미 방사선학회(RSNA) 컨퍼런스에서 32명의 방사선 전문의(여성 참가자 14명, 평균 연령=49세)가 모집되었습니다. 모든 방사선 전문의는 사전 동의를 했으며 $500 상품권 추첨에 참여하는 것 외에는 보상을 받지 못했습니다. 사전 동의 절차는 샌디에이고 캘리포니아 대학의 기관 검토 위원회(Institutional Review Board)에 의해 승인되었습니다.
참가자의 데이터는 연구를 완료하는 데 15분 미만 또는 1시간 이상이 걸리거나, 80% 이상의 동일한 반응을 보이거나, 20% 이상의 시험이 제외된 경우 제외됩니다. 이러한 지침에 따라 방사선 전문의는 분석에서 제외되지 않았으며 최종 표본은 32명의 참가자였습니다.
자극과 절차
자극 및 실험 설계는 실험 1에서 설명한 것과 동일했습니다. 주요 절차상의 차이점은 실험자가 직접 지침을 설명하는 RSNA 회의에서 실험을 수행했다는 것입니다.
실험 1과 달리 실험 2에서는 참가자들에게 국소 병변이나 암을 구체적으로 찾아보라고 요구하기보다는 이상이 있는지 묻는 일반적인 지침을 더 많이 제시했습니다. 실험."
결과
이 섹션에서는 전문 방사선 전문의의 성과를 실험1의 초보자 참가자의 성과와 비교합니다. 특히, 우리는 비전문가가 전문가의 이미지 분류 판단(즉, 정상 대 비정상)을 어떻게 비교하는지 조사하고, 중요하게는 전문가가 비정상 대 정상 이미지에 대해 차등 기억을 보이는지 여부를 조사합니다. 전문가의 성과를 분석하는 동안 우리는 실험 1에서 배운 이미지 세트의 특이성을 고려합니다. 예를 들어 일반 이미지는 더 유사하지 않으므로 본질적으로 약간 더 기억에 남습니다.
분류 작업 수행
실험 1과 유사하게 먼저 각 이미지를 정상 또는 비정상으로 분류하는 신뢰도를 살펴봄으로써 분류 작업의 성능을 분석했습니다. 방사선 전문의는 비정상 영상과 정상 영상을 얼마나 잘 구별할 수 있습니까? 당연히 방사선 전문의는 이상을 구별하는 데 매우 능숙합니다(그림 6a 참조). 방사선과 전문의는 비정상적인 영상이 정상이 아닌 비정상이라는 점을 훨씬 더 확신했습니다(t(31)=13.17, p < .001).
그림 6b는 방사선 전문의의 초점 이상 영상과 정상 영상을 구별하기 위한 ROC 곡선을 보여줍니다. ROC는 곡선 아래 영역으로 요약되었습니다(방사선 전문의 AUC=0.72; 초보자AUC=0.54를 상기하세요).
실험 1에서 언급한 바와 같이, 대조군은 우연을 나타내는 대각선에 가까운 반면, 방사선 전문의는 우연보다 훨씬 높은 AUC, t(31)=19를 사용하여 정상 이미지와 비정상 이미지 사이의 인지된(및 상당한) 차이를 나타내는 일반적인 곡선 ROC를 선택합니다. .8, p < .001.다음으로 방사선과 전문의가 반대측 이상 영상에서 이상을 감지할 수 있는지 살펴보았습니다.
정상 영상 조건과 반대쪽 영상 조건 사이에는 유의한 차이가 없었습니다(t(31)=0.43, p=.67). Evans et al. (2016)에서는 정보의 이상(즉, ~250ms의 매우 짧은 표시 시간)에 영향을 미치는 것을 발견했습니다. 우리의 지침과 자극 세트는 반대측 이미지를 비정상으로 보고하는 것에 대해 참가자에게 편향을 줄 수 있습니다.
눈에 보이는 병변(비정상 사례)을 포함하는 이미지 세트와 증상이 있는 환자(반대 사례)의 무증상 이미지를 찾도록 지시하지 않은 경우 방사선과 전문의가 비정상 사례에 대해 비정상 등급을 유보한 것은 놀라운 일이 아닙니다. 병변. 더욱이, 비록 현재 연구에서는 양성 병변이 존재하지 않았지만, 우리의 지시에 따라 방사선 전문의가 양성 병변과 악성 병변을 모두 찾도록 준비되었을 가능성이 있습니다.
향후 연구에서는 이 과제에 대한 교육의 효과를 조사할 수 있습니다. 그러나 현재 실험에서 우리의 관심은 방사선 전문의가 이러한 이미지를 기억하는 데 있다는 점을 기억하십시오. 예를 들어, 반대측 이상 영상의 막연한 의심으로 인해 방사선 전문의가 더 많은 주의를 기울인다면 더 잘 기억될 수 있습니다.
비정상적인 이미지에 대한 메모리
그림 7은 기억 작업에 대한 방사선 전문의의 성과를 보여줍니다. 방사선 전문의는 두 가지 기억 조건 모두에서 비정상적인 이미지에 대해 더 나은 기억을 가지고 있지만 비정상적인 이미지에 대한 이점은 30-뒤 조건, t(31)=2에서만 중요합니다. 86, p =.008, AUC 차이=.051.
3-뒤의 비정상적인 이미지에 대해 0.02의 AUC 이점을 발견했습니다. 이는 유의미하지 않았지만(t(31)=1.62, p=.12) 30-등 상태와 동일한 추세를 따릅니다. 방사선 전문의는 반대측 이상 이미지에 대해 메모리 이점을 나타내지 않았습니다. , 긴 지연에서도 (p=.24). 방사선 전문의가 분류 작업에서 반대측 이상 영상과 정상 영상을 구별할 수 없었기 때문에 이러한 결과가 예상될 수 있습니다. 하지만 우리는 암묵적으로 인식된 비정상적인 요점이 기억을 향상시킬 수 있다는 증거를 찾고 있었다는 것을 기억하십시오.
그것은 우리가 찾은 것이 아닙니다. 전반적으로 이미지 유형과 관계없이 방사선 전문의는 3-등(3-등 감지에 대한 평균 AUC .852)이 30-뒤(30- 감지에 대한 평균 AUC 0.752)보다 더 좋습니다. 뒷면) 의료 영상용입니다. 방사선 전문의가 30-뒤보다 3-뒤에 있는 것이 더 나은 이유는 무엇입니까? 이 차이는 망각과 간섭의 전형적인 효과를 크게 반영하는 것이 분명해 보이지만(예: Wixted, 2005), 관찰자가 3-보다는 3-의 존재를 "잡을" 가능성이 더 높을 수도 있습니다. {10}}역 반복.
그렇다면 그들은 3-뒤에 있는 작업을 우선시하는 전략을 채택할 수도 있습니다. 그러나 3-백 테스트와 30-백 테스트가 작업 전반에 걸쳐 동일하게 확률이 동일하게 분포되었으며 관찰자가 일관되게 30개의 이미지에서 유방 조영술을 본 것을 기억한다고 말했습니다(따라서 {{4} }back은 존재하는 유일한 n-back 테스트가 아니었습니다. 관찰자가 3-back 메모리 작업에만 우선순위를 두는 전략으로 전환할 가능성은 거의 없어 보입니다.
종합해 보면, 이러한 결과는 전문가가 뒤쪽보다 3-뒤에서30-전체적으로 더 나은 기억력을 가지고 있지만 정상 이미지와 비교하여 비정상적인 이미지의 메모리 이점은 30-뒤에서만 중요하다는 것을 시사합니다. .인식 메모리 연구에서 ROC가 등분산 신호 감지 모델과 일치하지 않는다는 것이 거의 항상 발견되었습니다(예: Egan, 1958; Wixted, 2007).
이를 살펴보는 한 가지 방법은 적중률과 거짓 경보율을 zscore로 변환하고 zROC 함수를 그리는 것입니다. zROC 그래프에서 등분산은 zROC 기울기가 1인 데이터를 생성합니다.0. 대신, 인식 메모리 작업에서 일반적으로 발생하는 것처럼 zROCs의 기울기는 4가지 메모리 조건 중 3가지에서 안정적으로 1.0 미만이었습니다. 기울기와 절편을 개체별 무작위 요인으로 선형 혼합 효과 모델에 적합합니다(평균 기울기[M]=0.68(3-의 경우 일반 이미지의 경우 1과의 차이0) : p < .0{{30}}1; 일반 이미지의 경우 =1.05, 1과 다르지 않음, p {{19} }.60; M=0.52 for 3-비정상 이미지의 경우 p < .001, 30-비정상 이미지의 경우 p=.005). 모든 조건에 걸쳐 붕괴하여 기울기를 보다 안정적으로 추정할 수 있게 된 평균 zROC 기울기는 0.68로 1.0과 크게 다릅니다(p < .00001).
종합해 보면, 우리가 메모리에서 관찰한 ROC는 등분산 신호 감지 모델과 일치하지 않고 불평등 모델과 일치하지 않습니다. 이는 잠재적으로 서로 다른 항목 간의 메모리 강도 변화로 인해 발생합니다.
이는 인식 메모리의 전형적인 현상이며, 메모리 강도를 평가하려면 신뢰도 판단 수집 및 ROC 분석 수행이 필요한 이유입니다. 이 맥락에서 단순한 d'는 응답 기준 차이를 적절하게 설명하지 않습니다(예: Dougal & Rotello 2007).
For more information:1950477648nn@gmail.com
