Asiantuntemuksen ja erottuvuuden väliset suhteet: Epänormaalit lääketieteelliset kuvat johtavat parantuneeseen muistin suorituskykyyn vain asiantuntijoiden osassa 2

Kun kutakin kuvaa oli näytetty 3 sekunnin ajan, sitä seurasi välittömästi kaksi vastauskysymystä: (1) Oliko kuva epänormaali vai normaali? (2) Oletko nähnyt tämän kuvan ennen?

Viime vuosina monet tutkimukset ovat osoittaneet, että kuvan poikkeavuuksien ja muistin välillä on läheinen yhteys. Kuvan poikkeavuuksia voivat olla silmäongelmat, kuten värisokeus, likinäköisyys, kaukonäköisyys, astigmatismi jne. Nämä silmäongelmat voivat vaikuttaa näkökykyymme ja kuvankäsittelykykyymme. Muisti on yksi ihmisaivojen tärkeistä kyvyistä, jonka avulla voimme muistaa tärkeitä tietoja ja kokemuksia ja tehdä oikeita päätöksiä.

Tutkimukset ovat osoittaneet, että ihmiset, joilla on silmäongelmia, kuten värisokeus, likinäköisyys, astigmatismi jne., suoriutuvat huonommin muistitesteissä kuin tavalliset ihmiset. Tämä johtuu siitä, että heidän näkökenttänsä on rajallinen ja he eivät pysty täysin vastaanottamaan tietoa ympäröivästä ympäristöstään, mikä aiheuttaa heille tiettyjä muistiongelmia. Siksi hyvän näön ja näön terveyden ylläpitäminen on ratkaisevan tärkeää muistillemme.

Samalla terve näkö voi myös auttaa meitä käsittelemään ja muistamaan tietoa paremmin. Esimerkiksi kun luet kirjaa tai katsot televisiota, selkeä näkökenttä voi auttaa meitä ymmärtämään ja käsittelemään tekstiä ja kuvia paremmin. Tämä auttaa meitä muistamaan sisällön paremmin ja soveltamaan sitä tosielämän tilanteisiin.

Siksi meidän tulee kiinnittää huomiota näköterveyteemme ja suojella sitä muistimme parantamiseksi. Hyvän näön ja silmien terveyden ylläpitäminen päivittäisellä harjoituksella ja ruokavaliolla sekä riittävä lepo voi myös auttaa suojaamaan silmiämme ja muistia. Positiivisen asenteen, itseluottamuksen ja sinnikkyyden ylläpitäminen voi myös auttaa parantamaan näkemystämme ja muistiamme.

Yhteenvetona voidaan todeta, että meidän on kiinnitettävä huomiota ja suojeltava näkömme terveyttä, jolla on suuri merkitys muistimme ja henkilökohtaisen kehityksemme kannalta. Vain kehittämällä hyviä näkötottumuksia ja elämäntapoja voimme saavuttaa parempia tuloksia työssä ja elämässä. Voidaan nähdä, että meidän on parannettava muistia, ja Cistanche deserticola voi parantaa muistia merkittävästi, koska Cistanche deserticolalla on antioksidanttisia, tulehdusta ja ikääntymistä estäviä vaikutuksia, jotka voivat auttaa vähentämään hapettumista ja tulehdusreaktioita aivoissa ja siten suojelemaan hermoston terveyttä. Lisäksi Cistanche deserticola voi myös edistää hermosolujen kasvua ja korjausta, mikä parantaa hermoverkkojen yhteyksiä ja toimintaa. Nämä vaikutukset voivat auttaa parantamaan muistia, oppimista ja ajattelunopeutta ja voivat myös estää kognitiivisten toimintahäiriöiden ja hermoston rappeutumissairauksien kehittymistä.

Lisää muistia napsauttamalla tiedä lisäravinteet

Osallistujia käskettiin ilmaisemaan luottamuksensa käyttämällä tavallista tietokonehiirtä 6-pisteen luokitusasteikolla, joka vaihteli luottavaisesta kyllä/epänormaalista luottavaiseen ei/normaaliin (katso kuva 1).

Keräsimme luottamusluokituksia yksinkertaisten kyllä/ei-vastausten sijaan ROC-analyysin mahdollistamiseksi. Vastaamiseen ei asetettu aikarajoituksia. Seuraavan oikeudenkäynnin aloittaminen edellytti vastaamista molempiin nykyisen oikeudenkäynnin kysymyksiin.

Ennen kokeen aloittamista osallistujille esiteltiin ohjeita ja useita demografisia kysymyksiä (Sukupuoli; Ikä; "Oletko radiologi?"; "Onko sinulla työ, jossa luet lääketieteellisiä kuvia; esim. teknikko, lääketieteen fyysikko?"). Ohjeet kirjoitettiin aloittelevalle väestölle, jolla ei ole lääketieteellistä koulutusta.

Aloitteleville osallistujille epänormaalit tapaukset määriteltiin laajasti "kuviksi, jotka saattavat sisältää vaurioita tai syöpää tai muuten voisivat olla seurannan arvoisia, jos olisit radiologi".

Poissulkemiskriteeri ja analyysisuunnitelma

Poissulkemiskriteerimme ja analyysimme päätettiin etukäteen (katso ennakkoilmoittautuminen yllä). Yksittäiset kokeet suljettiin pois, jos osallistujilla kesti alle 1 500 ms tai yli 15, 000 ms (pilottitietojen perusteella).

Osallistujat suljettiin pois, jos heillä kului alle 15 minuuttia (nolla poissuljettu) tai yli 1 tunti tutkimuksen suorittamiseen (3 poissuljettu). Radiologit suljettiin pois (1 poissuljettu), samoin kuin ne, joilla oli aiempaa kokemusta lääketieteellisten kuvien lukemisesta (nolla poissuljettu). Osallistujat suljettiin pois myös, jos heillä oli yli 80 % identtisiä vastauksia (esim. valitsivat saman vastauksen lähes jokaisessa tutkimuksessa; yksi poissuljettu) tai yli 20 % kokeista suljettiin pois reaktioaikakriteerien perusteella (yksi poissuljettu).

Kun sovellettiin näitä a priori poissulkemiskriteerejä, seitsemän osallistujaa suljettiin pois analyysistä, jolloin jäljelle jäi 53 osallistujan lopullinen näyte. Ennakkorekisteröityjen analyysiemme (yllä) jälkeen emme suorittaneet yleistä varianssianalyysiä (ANOVA), vaan seurasimme ensin erityisiä kohdennettuja testejämme. Analysoimme ensin luotettavuusluokitukset kuvan luokittelemisesta epänormaaliksi tai normaaliksi.

Analysoimme myöhemmin kuvien muistia edustavia luottamusluokituksia. Tätä varten suoritimme 3-selän ja 30-selän ROC-analyysin kuvatyypin (normaali/epänormaali/kontralateraalinen-epänormaali) funktiona. Loimme myös ROC:t normaaleille/epänormaaleille arvioinneille. ROC:t tiivistettiin käyrän alla olevan alueen (AUC) mukaan ja niitä verrattiin t-testeillä.

Kuten todettiin, olemme kiinnostuneita siitä, onko aloittelevien osallistujien ryhmässä hyödyllistä muistin suorituskykyä minkä tahansa tyyppiselle kuvalle (esim. normaalin vs. epänormaalin AUC:n perusteella). Koska aloittelijoilla ei ole lääketieteellistä kokemusta, mikä tahansa tällainen vaikutus antaisi meille käsityksen kuvasarjan luonteesta (eli mieleenpainuvuudesta tai erottuvuudesta).

Lopuksi teimme kuvien samankaltaisuusanalyysejä kvantifioidaksemme, kuinka kuvien erot saattavat vaikuttaa näihin tuloksiin.

Kuvan samankaltaisuuden vertailu

Koska normaalit, fokusaalisesti epänormaalit ja kontralateraaliset epänormaalit kuvat ovat välttämättä eri kuvajoukkoja, on hyödyllistä verrata, kuinka erottuva kukin kuvasarja on kaikista muista kuvista, jotta voidaan tarkastella niiden vaikutusta muistiin.

Yksi tapa saavuttaa tämä on saada yksilöt antamaan kuvien samankaltaisuusarvioita. Tämä vaatisi kuitenkin 120 ×120=14,440 samankaltaisuusarviota. Sen sijaan prosessin virtaviivaistamiseksi luotimme aiemmin luotuihin tietokonenäkötekniikoihin, jotka on suunniteltu antamaan samankaltaisuusmittauksia luonnollisille kohtauksille. Erityisesti suoritimme Gabor wavelet pyramid (GWP) -analyysin, joka laskee kuvien ominaisuudet ja vertailee niitä (Greene et al., 2016; Kay et al., 2008).

Arvioimalla eri kuvatyyppien samankaltaisuuden tasoa, GWP edustaa jokaista kuvaa monimittaisen Gabor-suodattimien sarjan lähtönä. Aikaisempi työ on osoittanut, että nämä ominaisuudet voivat mallintaa objektien esitystä varhaisvisuaalisilla alueilla (Kay et al., 2008).

Noudattamalla Greenen et ai. toimittamia tarkkoja menettelyjä ja parametreja. (2016), kukin kuva muunnettiin harmaasävyiksi, näytteistettiin 128 × 128 pikseliin ja esitettiin Gabor-suodattimilla kolmessa spatiaalisessa asteikossa (3, 6 ja 11 sykliä kuvaa kohden pelkällä luminanssiaalolla joka kattaa koko kuvan), neljä suuntaa (0, 45, 90 ja 135 astetta) ja kaksi vaihetta (0 ja 90 astetta).

Tämä antoi kullekin kuvalle joukon ominaisuuksia, joita verrattiin kaikkiin 120 kuvaan etäisyyden/erojen laskemiseksi laskemalla kunkin kuvan piirteiden pistetulo toistensa kuviin sen jälkeen, kun keskiarvokuvat on vähennetty ja piirrevektorit normalisoitu yksikköpituuksiin.

Tulokset (koe 1: aloittelijat)

Luokittelutehtävän suoritus

Ensin tarkastelimme, kuinka varmoja aloittelijat luokittelivat kuvan joko normaaliksi tai epänormaaliksi (katso kuva 2). Löysimme merkittävän eron normaalien ja epänormaalien kuvien välillä, t(52)=4.78, p < .001, mutta ei normaalien ja kontralateralis-epänormaalien kuvien välillä, t(52)=1.94, p > .05.Vaikka osallistujat eivät olleet saaneet koulutusta erottamaan normaalit lääketieteelliset kuvat epänormaaleista, pieni määrä sarjan kuvia on erittäin selvästi epänormaalia (eli yksikin kirkas valkoinen täplä näyttäisi kyseenalaiselta jopa aloitteleville katsojille).

Arvioiden tarkastelu kuvien mukaan (katso kuva 3) paljastaa, että nämä kuvat ovat suurelta osin vastuussa merkittävästä erosta normaalien ja epänormaalien arvosanan välillä. Lyhyesti sanottuna, ainakin pienessä osajoukossa kuvia, jopa aloittelevat osallistujat eivät pysty havaitsemaan epänormaalia poikkeavuutta, mikä johtaa satunnaisen luokittelun suorituskykyyn yleisesti. Mutta useimmissa kuvissa aloittelijoilla näyttää olevan vähän tietoa normaalista poikkeavuudesta.

Huomaa, että kuvan 2 y-akseli edustaa aloittelijoiden luottamusta. Aloittelijat eivät yleensä ole varmoja erottamaan mitään kuvatyyppiä, ja keskimääräiset vastaukset ovat tiiviisti ryhmitelty lähelle luokitusasteikon keskikohtaa kaikissa olosuhteissa. Toinen tapa visualisoida nämä tiedot on ROC-käyrä (katso kuva 4), jossa aloittelijat putoavat melkein satunnaista suorituskykyä osoittavan katkoviivan päälle, ja AUC on vain 0,54 (missä {{5) }}.50 on sattuma ja 1.0 on täydellinen).

Vaikka, kuten edellä todettiin, tämä ero mahdollisuus on erittäin luotettava osallistujien kesken, t(52)=4.21, p< .001, largely because of the few images that participants could all reliably classify.

Muisti epänormaaleille kuville

Kuva 5 näyttää ROC:t 3-taka- ja 30-takamuistitehtäville. Koska aloittelijat eivät suurimmaksi osaksi kyenneet havaitsemaan kontralateralis-epänormaaleja kuvia luokitustehtävässä normaaleista kuvista poikkeaviksi, keskityimme yksinomaan muistieroihin normaalien ja epänormaalien kuvien välillä. Kaiken kaikkiaan, kuvatyypistä riippumatta, ja odotetusti aloittelijoilla on parempi 3-takamuisti (keskimääräinen AUC on 0,70 3-selän havaitsemiseen) kuin{{8 }}takamuisti (keskimääräinen AUC 0,64 30-takaisien havaitsemiseen), t(52)=6.59, p < .001.

Mielenkiintoista on, että suorituskyvyn erittely eri kuvaolosuhteissa paljastaa, että aloittelijat osoittavat normaalia pientä etua: he muistavat normaalit kuvat paremmin kuin epänormaalit kuvat sekä {{0}}- että 30-selkätilassa, vain 3-takaisin, mikä tuottaa merkittävän eron. Havaitsimme AUC-edun 0.069 normaaleille kuville3-takana, t(52)=5.48, p < .001 verrattuna epänormaaliin, ja anAUC-eron 0.026 tavallisille kuville 30-takana, t(52) =1.70, p=.096, verrattuna epänormaaliin. Ottaen huomioon heikon suorituskyvyn normaalien ja epänormaalien kuvien erottamisessa, on melko yllättävää että normaalilla oli jotain vaikutusta.

Siksi tutkimme tietoja saadaksemme näyttöä visuaalisen samankaltaisuuden perusvaikutuksista. Havaitsimme, että huonompi muistin suorituskyky epänormaaleissa olosuhteissa johtui suurelta osin lisääntyneestä väärien hälytysten määrästä kontralateraalisissa epänormaaleissa ja epänormaaleissa kuvasarjoissa.

Here, we are classifying as "new" all images with a confidence rating >3. Tämä on yhdenmukainen kuvien samankaltaisuustilin kanssa, jossa aloittelijat todennäköisemmin hälyttävät uusista kuvista kontralateraalisissa-epänormaaleissa ja epänormaaleissa olosuhteissa yksinkertaisesti siksi, että nämä kuvat ovat samankaltaisempia kuin tavallisen sarjan kuvat (kuten summattu samankaltaisuus ennustaa muistiinpanot, esim. Nosofsky, 1991).

Toisin sanoen, jos normaalikuvat olisivat hieman erilaisia ​​verrattuna muihin kuviin, tämä voisi selittää, miksi aloittelijoilla on jonkin verran parempi muisti normaalitilassa (eli on helpompi määrittää, onko koiran kuva uusi, jos koira on esillä sarjassa erilaisia ​​eläimiä kuin jos se esitetään samankaltaisten koirien sarjassa. Samankaltaisuusvaikutukset ärsykkeissämme ovat paljon pienempiä.). Testaamme tätä hypoteesia seuraavaksi.

Samankaltaisuusmatriisi-Gabor-aaltopyramidianalyysi

Testasimme tätä kuvien samankaltaisuushypoteesia mittaamalla kuviemme samankaltaisuutta menetelmissä kuvatulla tavalla (Greene et al., 2016; Kay et al., 2008). Havaitsimme lisääntyneen normaalien kuvien välisen eron suhteessa kontralateraalisiin epänormaaleihin ja epänormaaleihin kuviin (normaali=0.174; epänormaali =0.139; kontralateral-epänormaali=0.133). Toisin sanoen normaalit kuvat erosivat keskimäärin enemmän toisistaan ​​(ja siten muistissa erottuvampia) kuin joko epänormaalit tai kontralateralis-epänormaalit kuvat.

Tämä on yhdenmukainen sen hypoteesin kanssa, että pieni ero normaaleja kuvia suosivassa muistissa johtuu kuvien samankaltaisuuden eroista. Näin ollen nykytutkimuksessa havaittu pieni normaalihyöty johtuu todennäköisesti kuvan samankaltaisuudesta.

Kriittisesti tämä voi tarjota hyödyllisen lähtökohdan samojen kuvien muistin harkitsemiselle kokeen 2 asiantuntijaradiologeilla.

Koe 2: Radiologit

Koe 2 oli sama kuin koe 1, paitsi että se suoritettiin radiologien tarkkailijoilla.

Menetelmä

Osallistujat

Kolmekymmentäkaksi asiantuntijaradiologia (14 naispuolista osallistujaa, keskimäärin=49 vuotta) rekrytoitiin vuoden 2018 RadiologicalSociety of North America (RSNA) -konferenssiin Chicagossa, Illinoisissa. Kaikki radiologit antoivat tietoon perustuvan suostumuksen, eikä heille maksettu korvausta sen lisäksi, että he osallistuivat 500 dollarin lahjakortin arvontaan. Kalifornian yliopiston SanDiegossa Institutional Review Board hyväksyi tietoisen suostumuksen menettelyt.

Osallistujien tiedot olisi jätetty pois, jos heillä olisi kestänyt alle 15 minuuttia tai yli 1 tunti tutkimuksen suorittamiseen, jos heillä olisi yli 80 % identtisiä vastauksia tai jos heillä olisi yli 20 % tutkimuksista jätetty pois. Näiden ohjeiden mukaan yhtäkään radiologia ei jätetty analyysin ulkopuolelle, joten lopullinen näyte oli 32 osallistujaa.

Stimulit ja menettelytavat

Ärsykkeet ja kokeen suunnittelu olivat samat kuin kokeessa 1 kuvatut. Suurin menettelytapaero oli, että koe suoritettiin RSNA-konferenssissa, jossa kokeen tekijä selitti ohjeet henkilökohtaisesti.

Toisin kuin kokeessa 1, kokeessa 2 annoimme yleisempiä ohjeita, joissa pyysimme mahdollisia poikkeavuuksia sen sijaan, että pyysimme osallistujia etsimään fokaalisia leesioita tai syöpää: "Arvioi jokaisen kuvan kohdalla, onko kuva epänormaali vai normaali ja oletko nähnyt sen aiemmin koe."

Tulokset

Tässä osiossa vertaamme kokeneiden radiologien suorituskykyä kokeen 1 aloittelevien osallistujien suoritukseen. Erityisesti tutkimme, kuinka ei-asiantuntijat vertaavat asiantuntijoiden mielipiteitä kuvien luokittelusta (eli normaali vs. epänormaali), ja kriittisesti, osoittavatko asiantuntijat erilaista muistia epänormaaleille ja normaaleille kuville. Analysoidessamme asiantuntijoiden suorituskykyä otamme huomioon kuvajoukossamme kokeesta 1 opitut omituisuudet, kuten sen, että normaalit kuvamme ovat erilaisia ​​ja siksi luonnostaan ​​hieman mieleenpainuvampia.

Luokittelutehtävän suoritus

Kuten kokeessa 1, analysoimme ensin luokitustehtävän suorituskykyä tarkastelemalla kunkin kuvan luokittelua joko normaaliksi tai epänormaaliksi. Kuinka hyviä radiologit ovat yksinkertaisesti erottamaan epänormaalit kuvat normaaleista? Ei ole yllättävää, että radiologit ovat erittäin hyviä erottamaan poikkeavuuksia (ks. kuva 6a). Radiologit olivat huomattavasti varmempia siitä, että epänormaali kuva oli epänormaali normaalin sijaan, t(31)=13.17, p < .001.

Kuva 6b esittää ROC-käyrän, jolla erotetaan fokaali-epänormaalit kuvat radiologien normaaleista kuvista. ROC:t tiivistettiin käyrän alla olevan alueen mukaan (radiologin AUC=0.72; muista, että noviisiAUC=0.54).

Kuten kokeessa 1 todettiin, kontrollit ovat lähellä sattumaa osoittavaa vinoviivaa, kun taas radiologit valitsevat tyypillisen kaarevan ROC:n, joka osoittaa havaittua (ja merkittävää) eroa normaalien ja epänormaalien kuvien välillä, joiden AUC on selvästi suurempi kuin mahdollisuus, t(31)=19 .8, p < .001. Seuraavaksi tarkastelimme, pystyisivätkö radiologit havaitsemaan poikkeavuuden kontralateraalisista epänormaaleista kuvista.

Normaalin ja kontralateraalisen epänormaalin tilan välillä ei ollut merkittävää eroa, t(31)=0.43, p=.67. Alkuperäisessä tutkimuksessa Evans et al. (2016), he havaitsivat poikkeavuuden vaikutuksen thegist-tiedoista (eli hyvin lyhyessä ~250 ms:n esitysajassa). Ohjeemme ja ärsykesarjamme ovat saattaneet olla puolueellisia osallistujia ilmoittamasta vastakkaisia ​​kuvia epänormaaleina.

Kuvissa, joissa on näkyviä vaurioita (epänormaalit tapaukset) ja jos ei ole ohjetta etsiä oireettomia kuvia oireellisilta potilailta (kontralateraaliset tapaukset), ei ehkä ole yllättävää, että radiologit varasivat epänormaalit arvionsa epänormaaleja tapauksia varten. vaurioita. Lisäksi on mahdollista, että ohjeemme olisivat saaneet radiologit etsimään sekä hyvänlaatuisia että pahanlaatuisia leesioita, vaikka tässä tutkimuksessa ei ollutkaan hyvänlaatuisia leesioita.

Tulevat tutkimukset voisivat selvittää opetuksen vaikutuksia tähän tehtävään. Muista kuitenkin, että kiinnostuksemme tähän kokeeseen liittyy radiologien muistiin näistä kuvista. Esimerkiksi kontralateraaliset-epänormaalit kuvat saattaisi silti jäädä paremmin mieleen, jos niiden epämääräisen epäilyttävä ulkonäkö sai radiologit kiinnittämään niihin enemmän huomiota.

Muisti epänormaaleille kuville

Kuva 7 näyttää radiologin suorituskyvyn muistitehtävässä. Radiologeilla on parempi muisti poikkeaville kuville molemmissa muistiolosuhteissa, mutta epänormaalien kuvien etu on merkittävä vain 30-selkätilassa, t(31)=2. 86, p =,008, AUC-ero=0,051.

Löysimme 0.02:n AUC-edun epänormaaleille kuville 3-takana. Vaikka tämä ei ollut merkittävää, t(31)=1.62, p=.12, se noudattaa samaa suuntausta kuin 30-selkäsairaus. Radiologit eivät osoittaneet muistihyötyä kontralateraalisista epänormaaleista kuvista , jopa pitkillä viiveillä (p=.24). Koska radiologit eivät pystyneet erottamaan luokitustehtävässä kontralateraalisia-epänormaalikuvia normaaleista kuvista, tämä tulos saattaa olla odotettavissa; Muista kuitenkin, että etsimme todisteita siitä, että implisiittisesti tunnistettu epänormaali ydin voisi parantaa muistia.

Sitä emme löytäneet. Kaiken kaikkiaan, kuvatyypistä riippumatta, radiologilla on parempi muisti 3-takana (keskimääräinen AUC 0,852 havaitsevan 3-selän) kuin 30-takana (keskimääräinen AUC 0,752 havaitsemiseen 30- selkä) lääketieteellisiä kuvia varten. Miksi radiologit ovat parempia 3-takana kuin 30-takana? Vaikka näyttää selvältä, että tämä ero heijastaa suurelta osin unohtamisen ja häirinnän tyypillisiä vaikutuksia (esim. Wixted, 2005), on myös mahdollista, että tarkkailijat todennäköisemmin "saavuttavat" 3-selän läsnäolon kuin { {10}}selkätoistot.

Jos näin on, he saattavat ottaa käyttöön strategian, joka priorisoi 3-takaisin tehtävän. Ottaen kuitenkin huomioon, että 3-selkä- ja 30-selkäkokeet olivat yhtä todennäköisiä ja jakautuneet tasaisesti tehtävän aikana ja että tarkkailijat sanoivat johdonmukaisesti muistaneensa mammografiakuvia 30 kuvasta taaksepäin (ja siksi he olivat selvästi tietoisia, että {{4} }takaisin ei ollut ainoa n-back-testi läsnä), vaikuttaa epätodennäköiseltä, että tarkkailijat siirtyisivät strategiaan, joka priorisoi vain 3-takaisin muistitehtävän.

Yhdessä nämä tulokset viittaavat siihen, että asiantuntijoilla on parempi muisti 3-takana kuin30-takana, mutta että epänormaalien kuvien muistin hyöty verrattuna normaaleihin kuviin on merkittävä vain 30-takana. Tunnistusmuistitutkimuksissa on lähes aina havaittu, että ROC:t eivät ole yhdenmukaisia ​​saman varianssin signaalintunnistusmallin kanssa (esim. Egan, 1958; Wixted, 2007).

Yksi tapa tarkastella tätä on muuntaa osuma- ja väärien hälytysten määrät zscoreiksi ja piirtää zROC-funktioita. ZROC-kaaviossa yhtälövarianssi tuottaa tiedot, joiden zROC-kaltevuus on 1.0. Sen sijaan, kuten on tyypillistä tunnistusmuistitehtävissä, zROC:n kaltevuus oli luotettavasti alle 1.0 kolmessa muistiehdosta neljästä. Sovita lineaarinen sekavaikutelmamalli, jossa on kulmakerroin ja katkaise satunnaiset aihekohtaiset tekijät (keskimääräinen kaltevuus[M]=0,68 3-takaisin normaaleille kuville, ero 1:stä.0 : p < .0{{30}}1; M =1.05 30-takaisin normaaleille kuville, ei eroa 1:stä, p {{19} }.60; M=0.52 3-epänormaaleille kuville, p < .001; 0.82 30-epänormaaleille kuville, p=.005). Kun kaikki olosuhteet romahtivat, jolloin kaltevuus voidaan arvioida luotettavammin, keskimääräinen zROC-kaltevuus oli 0,68, mikä eroaa merkittävästi arvosta 1,0 (p < 0,00001).

Kaiken kaikkiaan muistissa havaitsemat ROC:t olivat ristiriidassa saman varianssin signaalin havaitsemismallin kanssa ja yhdenmukaiset epätasapainoisen mallin kanssa, mikä johtui mahdollisesti muistin voimakkuuden vaihtelusta eri kohteiden välillä.

 Tämä on tyypillistä tunnistusmuistille ja syy siihen, että luottamuspäätösten kerääminen ja ROC-analyysin suorittaminen on tarpeen muistin vahvuuden arvioimiseksi. Yksinkertainen d' ei tässä yhteydessä ota kunnolla huomioon vastauskriteerien eroja (esim. Dougal & Rotello 2007).

For more information:1950477648nn@gmail.com