Картинки объемные для глаз: Стереокартинки для тренировки глаз
Самые необычные картинка для глаз. Стереокартинки. Объемные изображения. Топ-10 | НЛП | Психология | Саморазвитие
Сегодня подборка самых необычных картинок, полезных для глаз.
Рассматривать их нужно как обычно. Расфокусировать взгляд, смотреть как бы через экран.
Начинаем!
Картинка 1.
Интересная геометрическая картинка. Необычный вариант для стереокартинки.
Картинка 1Картинка 1
Картинка 2.
Кайф, можно изучать переплетение этих линий бесконечно.
Картинка 3.
Отражение другой вселенной.
Картинка 3Картинка 3
Картинка 4.
Очень необычная! Всматриваться в нее нужно дольше, чем обычно.
Картинка 5.
Если долго смотреть, то круги будут вращаться.
Картинка 5
Картинка 6.
Удивляет своими мелкими деталями, которые проявляются через определенное время.
Картинка 7
Объем удивляет!
Картинка 7Картинка 7
Картинка 8.
Эта картинка самая глубокая из всех, что мне попадались когда либо. Просто оцените глубину и количество слоев!
Картинка 9.
А эта картинка не только глубокая, но и супер яркая, если в нее всматриваться какое-то время, то даже эмоциональный фон изменится в позитивную сторону.
Картинка 10.
Очень классная! Чем дольше вы на нее смотрите, тем больше объемных элементов проявляется. Можно немного покрутить головой из стороны в сторону, чтобы было легче определить объекты.
Ну а это просто невероятная красота. Напишите в комментариях какая вам понравилась больше всего!
Как научиться видеть стереокартинки… — Информ-прогулка. Новости Лунинца
Фокус, в данном контексте, это не точка, на которую вы смотрите двумя глазами, а состояние, при котором каждый глаз видит изображение в резкости. За фокус (резкость) отвечает мышца хрусталика, а за то, куда вы смотрите — мышцы глазных яблок. Годами, вы того не замечая, тренируете свои глаза по-другому, и, конечно же, с 1-го раза не получается.
Итак…
1) Возьмите такую стереограмму, у которой повторяемость узора ярко выражена — новичку с такими легче научиться. Лучше всего картинку не увеличивать, но убрать с поля зрения мелькающие баннеры, отвлекающие от картинки предметы быта, находящиеся рядом с монитором.
2) Отодвиньте стереограмму на расстояние полувытянутой руки, взгляд и картинку держите строго параллельно. Постарайтесь посмотреть сквозь картинку, представив, что она прозрачная или что её нет. Скорее всего ваши глаза будут неосознанно переключаться на картинку, и это естественно — вы же тренировали их этому все прожитые годы! Однако пытайтесь удерживать взгляд расфокусированным, безразличным к картинке.
3) Попробуйте плавно и не более чем на 10 см поочерёдно перемещаться от стереограммы и обратно к ней… От неё — к ней… Либо взглядом скользите по кругу без отдаления-приближения… Цель этих таинственных движений подобрать оптимальное расстояние, при котором двоящийся узор совместится и проявится не резкое, но объёмное изображение. Не забывайте, что не нужно переводить взгляд на саму стереограмму либо концентрировать взгляд — отбросьте напрочь эту идею.
4) Если перемещение картинки заставляет ваш взгляд привычно переключаться на неё, попробуйте просто смотреть на изображение, пока повторяющиеся элементы не начнут двоиться и плыть. Смотрите, пока картинка не поплывёт. Чем сильнее вы расслабляете взгляд, тем сильнее плывёт и двоится узор. В какой-то момент повторяющиеся элементы узора могут совместиться и начнёт проявляться туманный объём, как будто это мираж. После нескольких тренировок вы сможете удерживать стереокартинку долго.
5) Не забывайте: расстояние от взгляда до картинки не должно быть более половины вытянутой руки!
Картинка должна ожить, море станет горизонтальным, а корабли будут казаться объёмными:
5) Намного проще «двоить» взгляд, если на стереограмме нанести 2 вспомогательные точки по краям картинки. Рассеивая взгляд, вы заставляете пару точек двоиться так, что их становится 4. А если даже только 3 — супер! Тогда узор стереокартинки тоже совместится зрительно и покажет не только двойной, но и объёмный узор.
Вместо точек возьмём 2-их людей. Смотрите до тех пор, пока людей не станет 4 вместо 2. Тогда и пейзаж станет объёмным.
6) Если появилось объёмное изображение, но оно размытое — вы на полпути к цели. Не торопите событие, дайте какое-то время хрусталикам самим настроиться на резкость. Как только мутное объемное изображение станет вдруг резким, можете себя поздравить — получилось, можно экспериментировать на более сложных стереограммах!..
Объемные картинки — Дневник — Православные знакомства «Азбука верности»
Делаем зарядку для двух основных наших глаз и …открываем третий!Принцип — фокус ваших глаз должен находиться за картинкой, тогда чудо явится.
Есть несколько способов научиться видеть стереокартинки:
Способ первый:
Пpиблизьтесь к стереокартинке на такое pасстояние, чтобы Вы не смогли сфокусиpоваться на каpтинке, лучше всего пpиблизиться вплотную.

Способ второй:
Смотpеть на каpтинку можно с любого pасстояния, но для начала pекомендуем не более чем с полуметpа. Смотpим внимательно на каpтину и мысленно пpедставляем, что каpтина объемная и некотоpые точки более углублены, нежели дpугие. То есть смотpим вглубь каpтины. Чем глубже смотpим, тем лучше. Можно также попpобовать pазвести взгляд.

Способ третий:
Ставим монитор или распечатанную 3d стереокартинку рядом с окном и смотрим в даль, на какое-нибудь дерево, например (в метрах 100-200). Затем не меняя фокусировки глаз переводим взгляд на стереокартинку, если ничего не видно, то потихоньку пытаемся приблизить взгляд (т.е. меняем фокусировку). В какой-то момент обязательно появится объемное изображение. Несколько повторений и научитесь держать нужный фокус.
Ну вот и всё. Удачного Вам просмотра!
Тест для тех, кто видит стерео-картинки “на лету” cheese Все ли геометрические объекты вы успеете увидеть?
обзор литературы по фундаментальным наукам и медицинской литературе по восприятию изображений
Abstract
Интерпретация объемных медицинских изображений представляет собой быстро растущую долю рабочей нагрузки в радиологии. Однако относительно мало известно о стратегиях, которые лучше всего определяют поведение при поиске аномалий в объемных изображениях. Хотя существует обширная литература по восприятию двухмерных медицинских изображений, остается открытым вопрос, могут ли выводы, сделанные на основе этих изображений, быть обобщены на объемные изображения.Важно отметить, что объемные изображения имеют определенные характеристики (например, прокрутку по глубине, плавное движение глаз, сигналы начала движения и т. д.), которые следует учитывать в будущих исследованиях. В этой рукописи мы рассмотрим литературу по восприятию медицинских изображений и обсудим соответствующие результаты фундаментальной науки, которые можно использовать для прогнозирования опыта в интерпретации объемных изображений. Лучше понимая поиск по объемным изображениям, мы сможем определить распространенные источники ошибок, охарактеризовать оптимальные стратегии поиска по глубине или разработать новые методы обучения и оценки для стажеров-радиологов.
Ключевые слова: Восприятие медицинских изображений, Рентгенология, Визуальный поиск, Экспертиза, Объемные медицинские изображения изображения, позволяющие более точно представить трехмерную (3D) природу анатомических структур тела. В последние годы наблюдается неуклонный рост количества объемных медицинских изображений, интерпретируемых в диагностической радиологии.Хотя объемные изображения обычно ассоциируются с лучшими показателями, пропущенные или неправильные диагнозы по-прежнему широко распространены в радиологии. В этом обзоре мы обсудим результаты фундаментальных научных исследований зрительного внимания и памяти, которые могут помочь в нашем понимании поиска объемных медицинских изображений. Кроме того, мы обсудим то, что уже известно о поиске объемных изображений посредством обзора литературы по восприятию медицинских изображений. Хотя в настоящее время в наших знаниях о том, как лучше выполнять поиск по объемным изображениям, существуют существенные пробелы, этот тип исследований может в конечном итоге выявить лучшие стратегии поиска для оценки объемных изображений, определить, когда могут возникнуть ошибки, или привести к улучшению методов обучения для новых рентгенологов. .
Введение
Объемная медицинская визуализация, такая как КТ, магнитно-резонансная томография (МРТ) или цифровой томосинтез молочной железы (ДБТ), помогает сохранить трехмерную природу внутренних структур тела путем наложения нескольких изображений поперечного сечения. Этот метод визуализации часто приводит к тому, что рентгенолог должен оценить огромное количество информации (Andriole et al., 2011): одна рентгенограмма грудной клетки теперь часто дополняется КТ грудной клетки со стопкой из 1000 изображений с высоким разрешением (рис.). К сожалению, аномалии иногда очень малы по сравнению с общим размером изображения. Чтобы проиллюстрировать этот момент, Рубин (2015) подсчитал, что узелки рака легких размером от 4 до 10 мм составляют 0,01% или менее от общего объема при типичной КТ грудной клетки. Узелки рака легкого такого размера будут видны только на нескольких срезах, что делает их необнаружимыми в течение большей части общего времени поиска рентгенологом (Rubin, 2015). Как опытные радиологи эффективно сортируют всю эту информацию и обнаруживают потенциальные отклонения? Существуют ли оптимальные стратегии навигации по объемным изображениям? К сожалению, несмотря на десятилетия исследований восприятия медицинских изображений, относительно мало известно об опыте интерпретации объемных медицинских изображений.Однако, учитывая растущее количество объемных изображений в радиологии, ответы на эти вопросы, вероятно, будут в центре внимания исследований восприятия медицинских изображений в ближайшие годы (McDonald et al., 2015).
Сравнение размеров двухмерных медицинских изображений и объемных медицинских изображений. Размеры изображений являются приблизительными, и фактические размеры изображений могут значительно различаться в зависимости от случая. Оценки размера легочных узелков предполагают использование монитора с разрешением 96 dpi. КТ, компьютерная томография
Целью данной рукописи является обзор литературы и выявление текущих пробелов в нашем понимании интерпретации объемных изображений с использованием фундаментальной научной основы. Во-первых, мы обсудим достоинства использования фундаментальных научных исследований внимания и памяти для создания обоснованных прогнозов о восприятии медицинских изображений. Далее мы обсудим девять областей исследований, которые, по нашему мнению, лучше всего отражают текущие приоритеты в этой области (таблица ). В каждом из этих разделов мы обсудим соответствующие выводы из литературы по фундаментальной науке и медицинской литературе по восприятию изображений и выделим перспективные области для будущих исследований. Этот обзор не следует рассматривать как исчерпывающий обзор литературы.Например, дискуссия, связанная с переходом от аналоговой к цифровой радиологии, не будет подробно освещена. Хотя история объемных изображений сама по себе является интересной темой, она выходит за рамки данного обзора. Кроме того, мы не будем подробно обсуждать уникальные методологические проблемы, связанные с исследованиями объемной визуализации, и подходы, которые исследователи использовали для их решения.
Вместо этого мы направляем читателя к существующим ресурсам, которые подробно освещают эту тему (Rubin, Drew, & Williams, 2018; Venjakob & Mello-Thoms, 2015).Скорее, эта рукопись представляет собой избранный обзор литературы по восприятию объемных изображений через призму фундаментальных исследований зрительного внимания и памяти. Хотя многие из этих тем, несомненно, относятся и к 2D-визуализации, основная цель этой статьи — сосредоточиться на вопросах, наиболее важных для объемной визуализации, и послужить катализатором для будущих исследований в этой области.
Таблица 1
Важные области исследований восприятия объемных изображений
Что мы можем узнать о восприятии медицинских изображений из фундаментальных научных исследований?
В течение нескольких десятилетий исследователи пытались охарактеризовать, как опытные рентгенологи интерпретируют медицинские изображения.В то же время ученые-когнитивисты создали огромное количество литературы по визуальному поиску, используя строго контролируемые лабораторные задачи, такие как «найти горизонтальную линию среди вертикальных линий». На первый взгляд кажется, что эти искусственные задачи имеют мало общего со сложными рентгенологическими задачами, такими как выявление признаков рака молочной железы на маммограмме. Однако по своей сути обе эти задачи можно охарактеризовать как визуальный поиск и полагаться на одни и те же механизмы (Wolfe, Evans, Drew, Aizenman, & Josephs, 2016).В последние годы ученые-когнитивисты продемонстрировали замечательный потенциал применения результатов фундаментальной науки к реальным задачам, таким как радиология (рис. ). Например, наблюдатели в лаборатории часто не замечают человека, идущего по баскетбольному матчу в костюме гориллы, когда они выполняют второстепенную задачу (например, подсчитывают количество пасов между игроками) — явление, известное как «невнимательная слепота» (Саймонс). и Шабрис, 1999). Точно так же 83% рентгенологов пропустили изображение гориллы размером со спичечный коробок, встроенное в срез компьютерной томографии грудной клетки, когда искали признаки рака легких (Drew, Võ, & Wolfe, 2013).
Это исследование может помочь объяснить, почему случайные находки, представляющие собой неожиданные аномалии, которые не являются основным объектом поиска, иногда упускаются из виду в радиологии (Wolfe, Soce, & Schill, 2017).
Хотя многие результаты лабораторных задач визуального поиска были воспроизведены в литературе по восприятию медицинских изображений (например, Evans, Georgian-Smith, et al., 2013; Drew et al., 2013), четкого аналога объемным изображениям не существует. в фундаментальной научной литературе. Тем не менее, понимание будущих направлений исследований в области поиска объемных изображений может быть получено из результатов 2D-визуального поиска, а также из растущих исследований в области вождения, визуального поиска в реальном мире, видеонаблюдения (CCTV) и виртуальной реальности.Ультразвуковое изображение перепечатано из Hansen et al. (2016). Ультрасонография почек: наглядный обзор. Диагностика , 6 (1), 2., и используется здесь по лицензии Creative Commons. Изображение патологии получено из коллекции консорциума по клиническому протеомному анализу опухолей Национального института рака (CPTAC-SAR) 2018 г. и используется здесь в соответствии с лицензией Creative Commons License
. ; Вулф и др., 2016), подчеркивают перспективы использования наших знаний о человеческом познании, чтобы делать прогнозы о том, как рентгенологи будут искать медицинские изображения и когда они будут наиболее подвержены ошибкам. Однако объемная визуализация создала новый набор проблем как для рентгенологов, так и для ученых, занимающихся восприятием, стремящихся лучше их понять. Объемная визуализация была впервые введена в клиническую практику в 1970-х годах, но в последние годы наблюдается резкое увеличение размера и количества объемных изображений, интерпретируемых в рентгенологическом читальном зале (Andriole et al., 2011; Макдональд и др., 2015). Например, количество изображений поперечного сечения в одном учреждении увеличилось в десять раз в период с 1990 по 2010 год (McDonald et al. , 2015). К сожалению, большинство исследований восприятия медицинских изображений основано на 2D-изображениях, таких как рентгенограммы грудной клетки. В фундаментальной науке существует обширная литература по визуальному поиску в двухмерных лабораторных задачах и растущая литература по поиску в трехмерном мире. Однако объемные изображения не попадают ни в одну из этих категорий (рис.). Тем не менее, есть ряд выводов из этих двух источников литературы, которые могут дать представление об интерпретации объемных изображений, которые мы выделим в этом обзоре.
Хотя большая часть работы радиолога может быть охарактеризована как принятие решений, например, определение того, является ли подозрительная находка злокачественной или доброкачественной, в этом обзоре основное внимание будет уделено тому, как обнаруживаются и идентифицируются потенциальные аномалии с помощью визуального поиска. Чтобы сформулировать обсуждение визуального поиска, мы в первую очередь будем полагаться на модель управляемого поиска (Wolfe, Cave, & Franzel, 1989). Модель управляемого поиска утверждает, что ранняя информация направляет внимание снизу вверх или сверху вниз к определенным особенностям сцены. Направление «снизу вверх» обусловлено свойствами самого стимула. Например, при отсутствии другой задачи ярко-красный мак в поле с ромашками, скорее всего, привлечет внимание. Напротив, руководство сверху вниз управляется внутренним состоянием наблюдателя и историей выбора. Внимание «сверху вниз» часто может преобладать над эффектами механизмов «снизу вверх».Например, целевые представления, хранящиеся в памяти, могут помочь перенаправить внимание от явных отвлекающих факторов (например, красного мака) к особенностям окружающей среды, которые соответствуют характеристикам цели. Вместе восходящие и нисходящие факторы создают карту приоритетов, которая направляет внимание на области сцены, которые с большей вероятностью содержат цель.
Какие свойства стимула направляют внимание на объемных медицинских изображениях?
Наведение снизу вверх при визуальном поиске может быть очень эффективным, когда наиболее заметные объекты в сцене соответствуют вашим целям (например,например, идентификация большой опухоли головного мозга), но вредны, если ваша задача заключается в обнаружении малозаметных целей (например, небольших узелков рака легких). К сожалению, наиболее заметные области медицинских изображений не всегда являются наиболее информативными для рентгенолога. Одним из хорошо зарекомендовавших себя механизмов ограничения влияния восходящей информации является нисходящая информация о задаче. При прочих равных условиях эксперты должны лучше использовать нисходящую стратегию поиска медицинских изображений, чем новички, благодаря своим обширным медицинским знаниям и прошлому опыту работы с похожими изображениями.По той же причине самые большие различия между экспертами и новичками следует искать в задачах, которые не выигрывают от восходящей стратегии. В целом, эти прогнозы хорошо подтверждаются в радиологии, а также в ряде других задач и профессий (Cooper, Gale, Darker, Toms, & Saada, 2009; Humphrey & Underwood, 2009; Koide, Kubo, Nishida, Shibata, и Икеда, 2015; Лансдейл, Андервуд и Дэвис, 2010). Например, движения глаз новичков были точно предсказаны с помощью карты заметности при анализе односрезовой компьютерной томографии головного мозга на предмет цереброваскулярных инцидентов (Matsumoto et al.
, 2011, см. также Nodine, Kundel, Lauver, & Toto, 1996). Точно так же эксперты рассматривали клинически значимые малозаметные области дольше, чем новички. Однако, если клинически значимые области были ярко выражены, движения глаз экспертов и новичков не различались (Matsumoto et al., 2011).
Необходимы дальнейшие исследования для определения особенностей, влияющих на возможность обнаружения аномалий на объемных медицинских изображениях. На рентгенограммах грудной клетки исследователи использовали отслеживание взгляда, чтобы провести различие между свойствами поражения, которые первоначально привлекают внимание во время поиска (измеряется временем до первого попадания), и теми, которые удерживают внимание после обнаружения аномалии (измеряется временем задержки) (Крупински). , Бергер, Даллас и Рериг, 2003 г.).В контексте управляемого поиска «время до первого попадания» представляет собой индекс свойств стимула, которые более эффективно направляют внимание на поражение во время визуального поиска, тогда как время задержки, вероятно, отражает процессы распознавания или принятия решений. Хотя оценивался ряд характеристик (например, отношение сигнал-шум, заметность, местоположение и кальцификация), ни одна из этих характеристик не влияла на то, как быстро внимание будет направлено на соответствующее место на изображении. Тем не менее, как размер узелков, так и заметность влияли на время пребывания на поражении и предсказывали общую частоту обнаружения узелков.Напротив, Carmody, Nodine и Kundel (1981) обнаружили, что заметность узелков влияет как на процессы поиска, так и на процессы принятия решений. Менее заметные узелки выявлялись реже в парадигме просмотра со вспышкой и были связаны с более сравнительными сканами с нормальными структурами на изображении во время свободного просмотра (определяемого как фиксация аномалии с последующей саккадой и рефиксацией). В будущей работе было бы полезно оценить роль сравнительных сканирований для выявления различных типов поражений на объемных изображениях.Например, процесс принятия решения об идентификации узла в легком может включать сравнение того, как внешний вид аномалии изменяется в зависимости от глубины по сравнению с нормальными структурами на изображении (например, кровеносными сосудами).
Чтобы определить, какие признаки стимула улучшают обнаруживаемость при поиске объемных изображений, может оказаться полезным опираться на фундаментальную научную литературу. Согласно Wolfe and Horowitz (2004), есть четыре основных атрибута, которые были хорошо установлены на основе сходящихся данных в литературе: движение, цвет, ориентация и размер.Хотя все эти функции, несомненно, важны для обнаружения аномалий на медицинских изображениях, движение является атрибутом, который однозначно применим к объемным изображениям. На объемных изображениях может казаться, что структуры движутся вдоль двумерной плоскости по мере того, как наблюдатель перемещается в глубину изображения, что, как считается, вызывает плавные следящие движения глаз, когда наблюдатель отслеживает эти структуры в глубине (Venjakob & Mello-Thoms, 2015). ). Кроме того, некоторые аномалии, такие как узелки рака легких, появляются и исчезают из поля зрения при прокрутке изображения в глубину из-за быстрых изменений диаметра структуры. Это явление может имитировать признаки резкого начала движения, которые, как известно, привлекают зрительное внимание (Abrams & Christ, 2003; Girelli & Luck, 1997; Jonides & Yantis, 1988; Theeuwes et al., 1999). Более того, движение может служить фильтрующим механизмом при визуальном поиске и точно предсказывает, на что будет направлено внимание в динамических сценах (Kramer, Martin-Emerson, Larish, & Andersen, 1996; McLeod, Driver, Dienes, & Crisp, 1991; Mital et al. др., 2011). Кроме того, даже если движение не является определяющей чертой цели, наблюдатели узнают частые ассоциации между целями и их движениями и используют эту информацию для направления поиска (Scarince & Hout, 2018).
Хотя фундаментальная наука предполагает, что сигналы движения служат эффективной формой наведения на цель, лишь несколько исследований рассматривали эту тему в области восприятия медицинских изображений. Например, исследователи обнаружили, что искусственное добавление сигналов движения к статическим изображениям повышает способность обнаружения как на маммограммах, так и на рентгенограммах грудной клетки (Andia et al. , 2009). Кроме того, исследователи проверили прогноз о том, что поиск в окнах меньшего размера будет лучше, чем поиск в окнах большего размера на объемных изображениях, поскольку это повысит способность обнаруживать сигналы движения с помощью фовеального зрения (Venjakob, Marnitz, Phillips, & Mello-Thoms, 2016). .Хотя общих различий в точности между условиями не было, меньший размер изображения был связан с более быстрым обнаружением аномалий. Наконец, Накашима и соавт. (2016) проверили, менее ли вероятно обнаружение узелков в легких на ранних стадиях исследования, когда признаки начала движения, относящиеся к задаче (например, узелки в легких), вероятно, скрыты одновременными сигналами начала движения из информации, не относящейся к задаче (например, кровеносных сосудов). . Они обнаружили значительное влияние расположения узелков на новичков, но не на экспертов, что говорит о том, что экспертам не нужно так сильно полагаться на эти восходящие сигналы для обнаружения целей.Вероятно, это связано с тем, что у экспертов есть дополнительные механизмы, такие как четкое представление целей и расширенная целостная обработка, которые также помогают в обнаружении аномалий.
Каковы распространенные источники ошибок при интерпретации объемных медицинских изображений?
Считается, что во время визуального поиска репрезентации целей в памяти направляют внимание нисходящим образом на особенности в окружающей среде, которые соответствуют характеристикам цели (Olivers & Eimer, 2011; Olivers, Meijer, & Theeuwes, 2006; Soto, Heinke). , Хамфрис и Бланко, 2005).В типичных лабораторных парадигмах наблюдатель ищет единственную четко определенную цель, которая либо задается при каждом испытании, либо остается неизменной на протяжении всего эксперимента. Однако поиск целей в более реалистичных условиях, когда информация о цели ухудшается, может оказаться более сложной задачей. Эффективность поиска лучше всего, когда информация о цели является точной (например, подсказки в виде изображений), а поиск менее эффективно управляется неточными (например, словесными подсказками) или категоричными (например, кошки против Гарфилда) целевыми подсказками (Hout & Goldinger, 2015; Вулф, Горовиц, Кеннер, Хайл и Васан, 2004 г. ).Кроме того, когда на изображении присутствует несколько целей (например, Гарфилд и Нермал), вероятность того, что вторая цель будет обнаружена после обнаружения первой цели, снижается (Berbaum et al., 1990; Cain & Mitroff, 2013). Первоначально это явление называлось «удовлетворительным поиском», что предполагало, что ошибка была вызвана преждевременным прекращением поиска после обнаружения первой цели (Berbaum et al., 1990; Tuddenham, 1962). Однако последующие исследования поставили это объяснение под сомнение (Berbaum et al., 1991), и считается, что эти ошибки имеют несколько причин (Cain, Adamo, & Mitroff, 2013). В результате термин «последующие промахи при поиске» был предложен в качестве нейтральной с точки зрения теории альтернативы (Cain & Mitroff, 2013). К сожалению, задача радиолога часто представляет собой наихудший сценарий для целевых репрезентаций: выявление неопределенного количества плохо определенных аномалий.
Учитывая эти проблемы, особенно важно учитывать, как различные методы визуализации могут улучшить способность рентгенолога обнаруживать аномалии. Например, двухмерная медицинская визуализация вынуждает наблюдателя рассматривать органы как перекрывающиеся структуры, что может скрыть результаты и обеспечить неточные пространственные отношения между анатомическими структурами. Напротив, хотя объемное изображение не является настоящим 3D, меньше необходимости мысленно переводить анатомические структуры из их 2D-представлений в 3D-мир. Неперекрывающиеся структуры, а также наличие сигналов движения могут улучшить способность обнаруживать аномалии в объемных изображениях.Помимо скрининга рака молочной железы, прямые сравнения объемных изображений с их двумерными аналогами проводятся редко (Andersson et al., 2008; Ciatto et al., 2013; Gennaro et al., 2010; Gur et al., 2009; Michell et al. al., 2012; Rafferty et al., 2013; Spangler et al., 2011). Однако исследования, в которых использовался этот подход, показали, что объемные изображения связаны с повышенной точностью (Adamo et al., 2018; Aizenman et al., 2017; Alakhras et al., 2015; Blanchon et al.
, 2007; Mathie & Strickland, 1997; Зельцер и др., 1995). Важно отметить, что эти различия в точности обычно обусловлены как увеличением частоты попаданий, так и уменьшением ложных срабатываний. Однако объемная визуализация также связана со значительными затратами: значительное увеличение времени поиска и снижение общего охвата (Adamo et al., 2018; Aizenman et al., 2017; Lago et al., 2018).
Важно отметить, что, хотя объемная визуализация, по-видимому, превосходит другие методы визуализации, как вариабельность между наблюдателями, так и общая частота ошибок в радиологии предполагают, что существуют значительные возможности для улучшения.Кроме того, недавние исследования показывают, что объемная визуализация может быть не всегда полезной (Lago et al., 2018). При сравнении трехмерного томосинтеза молочной железы (DBT) и односрезового DBT не было выявлено различий в производительности, когда читателей просили идентифицировать образования. Напротив, 2D-изображение было связано с лучшим обнаружением микрокальцинатов. Исследователи предположили, что объемная визуализация приводит к меньшему охвату изображения и большей зависимости от парафовеальной обработки. Следовательно, объемная визуализация, вероятно, будет стоить денег, если аномалии не могут быть легко обнаружены на периферии.
Чтобы лучше понять источники ошибок при интерпретации объемных изображений , полезно выйти за рамки поведенческих данных. Например, если наблюдатель пропускает поражение, часто неясно, не удалось ли ему его найти или он обнаружил его, но решил, что о нем не следует сообщать. По этой причине отслеживание движения глаз широко используется для определения того, почему аномалии упускаются из виду при выполнении различных радиологических задач, таких как скрининг рака легких (Manning, Ethell, & Donovan, 2004). В целом, как ложноположительные, так и ложноотрицательные решения связаны с более длительным временем ожидания, что указывает на то, что неправильные решения часто связаны с дополнительным изучением (Kundel, Nodine, & Krupinski, 1989; Manning, Barker-Mill, Donovan, & Crawford, 2006). ).Отслеживание взгляда также использовалось для выявления трех различных типов ошибок: ошибки поиска возникают, когда поражение никогда не обнаруживается, ошибки распознавания возникают, когда поражение фиксируется на короткое время (в течение < 1 с), но не сообщается, и возникает ошибка решения. когда поражение фиксируется в течение длительного периода времени (> 1 с), но о нем не сообщается (рис. а, Kundel, Nodine, & Carmody, 1978).
a Иллюстрация того, как пропущенный узел может быть классифицирован как ошибка поиска, распознавания или принятия решения с помощью отслеживания взгляда.Желтые кружки представляют фиксации, а красный квадрат представляет интересующую область аномалии. b Пример расчета охвата изображения
При скрининге рака легких с помощью рентгенограмм грудной клетки ошибки принятия решений являются наиболее распространенным типом ошибок, за которыми следуют ошибки распознавания и поиска (Donovan & Litchfield, 2013; Kundel et al. , 1978). Тем не менее, Drew, et al., 2013 отметили относительно небольшую долю ошибок в принятии решений при скрининге рака легких с использованием КТ органов грудной клетки.В пролетной 3D-колонографии, виртуальной навигации по эндолюминальной реконструкции толстой кишки, большинство ошибок были идентифицированы как ошибки распознавания, а ошибки поиска практически отсутствовали (Phillips et al., 2013). Кроме того, ошибки были равномерно распределены между ошибками поиска и распознавания при идентификации микрокальцинатов в ДПТ (Lago et al., 2018). Однако ошибки были в первую очередь ошибками распознавания для идентификации масс. Эти исследования являются хорошими примерами распространения текущих показателей отслеживания взгляда на объемные изображения, что позволяет проводить прямое сравнение между этими модальностями.Таким образом, исследователи обнаружили, что объемная визуализация может улучшить способность точно идентифицировать аномалию после того, как она была обнаружена в различных задачах, что может быть преимуществом непересекающихся структур (Drew et al.
, 2013; Lago et al. и др., 2018; Филипс и др., 2013). Однако распределение ошибок может существенно различаться в зависимости от характера задачи или даже между стратегиями поиска в рамках одной задачи (Drew et al., 2013; Lago et al., 2018). В будущих исследованиях также будет важно определить, как меняется распределение ошибок в ходе обучения интерпретации объемных медицинских изображений, что в конечном итоге может дать представление о типе помощи (например,г., обнаружение с помощью компьютера), которое было бы наиболее полезным для всех уровней опыта.
Хотя аналогичные подходы использовались для классификации ошибок в двумерных и объемных изображениях (Drew et al., 2013; Lago et al., 2018; Phillips et al., 2013), в значительной степени неясно, являются ли пороговые значения для этих категорий подходит для объемных изображений. Исследователям также важно учитывать целесообразность применения этих категорий к разным типам задач. Безусловно, аномалия, на которой не фиксируется фиксация, указывает на некоторый уровень ошибки поиска, но определяющая, является ли время удержания фиксации промежуточным временем (т. g., 500 мс) представляет собой ошибку распознавания или принятия решения, которая, вероятно, зависит как от поставленной задачи, так и от уровня знаний наблюдателя. Например, общее время пребывания узелков на рентгенограммах грудной клетки было ниже у экспертов, чем у обучающихся, что отражалось в увеличении количества ошибок распознавания по сравнению с ошибками принятия решений (Donovan & Litchfield, 2013).
Альтернативный подход к классической категоризации ошибок Кундела был недавно предложен Cain et al. (2013). Записав движения глаз для тысяч испытаний, они использовали подход, основанный на данных, для рассматриваемой задачи (в их случае это задача визуального поиска с несколькими целями) для описания различных типов ошибок.Подходы, основанные на данных, позволяют скорректировать порог между ошибками распознавания и принятия решения для заданного стимула на основе распределения времени ожидания или среднего наклона поиска. Используя этот подход, Cain et al. (2013) определили порог ~ 25% от значения, обычно используемого в качестве порога при восприятии медицинских изображений. Примечательно, что было мало доказательств, подтверждающих четкое качественное различие между ошибками распознавания и ошибками принятия решений. Скорее, данные можно было бы более адекватно описать с помощью моделей перцептивного принятия решений, таких как дрейфовая диффузия (Ratcliff & McKoon, 2008), которые постулируют, что доказательства медленно накапливаются во время фиксации на объекте до тех пор, пока не будет достигнут порог принятия решения.С этой точки зрения ошибки распознавания и принятия решений возникают в континууме, а не в виде отдельных категорий. Кроме того, Каин и др. (2013) продемонстрировали, что ошибки поиска для второй цели могут быть дополнительно подразделены на новые категории. В некоторых испытаниях поиск прекращался, как только была идентифицирована первая цель, без попытки найти вторую цель (ошибка «стратегии»). В других испытаниях первая цель повторно фиксировалась во время поиска (ошибка «истощение ресурсов»), что предполагает истощение ресурсов рабочей памяти из-за сохранения информации о первой цели (Cain and Mitroff, 2013).
Это исследование подчеркивает, что не существует универсального подхода к классификации ошибок между задачами, а также возможность классификации на основе данных для получения дополнительной информации об источниках ошибок при визуальном поиске. Хотя для этого подхода требуется большой объем данных, которые может быть трудно собрать с помощью рентгенологов, может быть информативно использовать метод, основанный на данных, для создания таксономии ошибок при поиске объемных изображений. Например, аномалия может быть пропущена в объемном изображении, если аномалия видна во время поиска, но никогда не фиксируется на ней, но также может возникнуть ошибка пропуска, если фрагмент изображения, содержащий аномалию, никогда не посещался.Хотя они оба будут считаться ошибками поиска в системе классификации Кундела, они, вероятно, представляют собой разные источники ошибок.
Каковы последствия повышенной когнитивной нагрузки и как их преодолеть?
В свете повышенной способности обнаруживать аномалии в объемных изображениях можно ожидать, что объемные изображения будут связаны со сниженной когнитивной нагрузкой. Однако студенты-медики сообщают о больших умственных усилиях при просмотре объемных изображений, что может быть связано с увеличением размера, сложности и времени оценки этих изображений (Stuijfzand et al., 2016). Этот вывод, по-видимому, подтверждается размером зрачка, физиологическим показателем когнитивной нагрузки (Porter, Troscianko, & Gilchrist, 2007; Unsworth & Robison, 2018), который увеличивается со временем поиска в объемных изображениях (Stuijfzand et al., 2016). Аналогичным образом, недавняя работа с патологами молочной железы, изучавшая слайды цифровой патологии, показала, что диаметр зрачка чувствителен к предполагаемой сложности случая: более сложные случаи обычно ассоциировались с большим диаметром зрачка (Brunyé et al., 2016). Выводы из самых разных источников свидетельствуют о том, что зрительный поиск ухудшается, когда рабочая память нагружается. Одновременная нагрузка на пространственную рабочую память снижает эффективность зрительного поиска как в лабораторных, так и в прикладных задачах, таких как вождение автомобиля (Oh & Kim, 2004; Recarte & Nunes, 2003).
Кроме того, известно, что важные восходящие функции более эффективно привлекают внимание при когнитивной нагрузке (Matsukura, Brockmole, Boot, & Henderson, 2011). Как правило, наблюдатели за естественными задачами стремятся минимизировать свою когнитивную нагрузку, часто сканируя свое окружение, особенно когда нагрузка на память высока и задача непредсказуема (Droll & Hayhoe, 2007).У новичков этот эффект кажется преувеличенным: более слабые шахматисты предпочитают ходы, которые уменьшают нагрузку на рабочую память, например, уменьшают количество фигур на доске (Leone, Slezak, Cecchi, & Sigman, 2014).
В радиологии увеличение когнитивной нагрузки и утомляемости может отрицательно сказаться на уходе за пациентами. Расхождения увеличиваются в последние часы долгого рабочего дня, и объемные изображения были определены как фактор риска для этих расхождений (Ruutiainen, Durand, Scanlon, & Itri, 2013).После просмотра КТ-изображений у наблюдателей снижается точность, увеличивается зрительная усталость и увеличивается зрительное напряжение (Krupinski et al. , 2012). Точно так же протоколы «думай вслух» показывают, что рентгенологи чаще рассказывают об эффективных стратегиях поиска и навыках манипулирования изображениями в объемных изображениях, чем в 2D-изображениях (van der Gijp et al., 2015). Кроме того, одно исследование предполагает, что жители больше подвержены усталости, чем эксперты, при выявлении отклонений при КТ брюшной полости (Bertram et al., 2016).В будущих исследованиях необходимо будет определить, какие стратегии поиска лучше всего компенсируют когнитивную нагрузку, связанную с объемными медицинскими изображениями.
Каковы наилучшие стратегии для глубокого поиска в различных задачах и модальностях?
Одним из особенно многообещающих направлений исследований является изучение того, как изменения в поведении при прокрутке могут быть связаны с эффективностью поиска. Дрю и др. (2013) обнаружили, что применение стратегии быстрого «сверления» в глубину при сохранении фиксации было лучше, чем «сканирование» плоскостей x и y при медленном перемещении в глубину во время скрининга рака легких (рис. ). Хотя это исследование не проверяло использование сигналов движения напрямую, возможно, что сверление позволяет наблюдателю более эффективно использовать преимущества переходных сигналов движения, чтобы отличить кровеносные сосуды от узелков, которые, кажется, «всплывают и исчезают из поля зрения» при прокрутке. глубина. В поддержку этого предложения Wen et al. (2016) обнаружили, что сканеры и бурильщики используют разные восходящие сигналы в задачах скрининга рака легких. Похоже, что бурильщики могут лучше использовать явные признаки движения, тогда как поведение сканеров в поиске в значительной степени определяется 2D-видимостью.В дополнение к общим различиям в производительности распределение ошибок различалось между сканерами и бурильщиками: у буровиков, как правило, было больше ошибок распознавания, чем у сканеров, а сканеры, как правило, делали больше ошибок поиска, чем бурильщики. В настоящее время неясно, как эти поисковые стратегии проявляются в ходе обучения. Дрю и др. (2013) обнаружили, что бурильщики, как правило, читают больше случаев КТ в неделю, чем сканеры.
Однако различий в стратегии поиска, основанных на многолетнем опыте, не было, а размер выборки был недостаточно большим, чтобы полностью разделить влияние стратегии поиска по сравнению с опытом в отношении общей производительности.
При поиске узелков в легких с помощью компьютерной томографии грудной клетки (КТ) возникают две стратегии: сканирование и сверление. Сканеры перемещают взгляд вдоль двухмерной плоскости, медленно прокручивая глубину. Напротив, бурильщики держат свой взгляд относительно неподвижным в одной области за раз, быстро прокручивая глубину. В настоящее время в значительной степени неизвестно, как эти стратегии переносятся на другие модальности или задачи. Рисунок перепечатан с разрешения Rubin et al. (2018).Восприятие объемных данных. В Справочник по восприятию медицинских изображений и технологии (Том 2). Кембридж, Соединенное Королевство: Издательство Кембриджского университета. Оригинальная фигурка была воссоздана из Drew, Võ, Olwal и др. (2013). Сканеры и бурильщики: характеристика экспертного визуального поиска по объемным изображениям. Journal of Vision , 13 (10), 3
В будущих исследованиях будет полезно изучить лучшие стратегии поиска в объемных изображениях для различных задач и модальностей.Стратегии поиска, которые являются наиболее эффективными для данной задачи (например, обнаружение очаговых аномалий, таких как узелки рака легкого), могут быть неоптимальными для аномалий, определяемых различными восходящими свойствами (например, обнаружение диффузных аномалий, таких как пневмония). Есть несколько хороших примеров таких сравнений из исследований с использованием 2D медицинских изображений (например, Gegenfurtner & Seppänen, 2013; Krupinski, 2005; Krupinski et al., 2003; Mousa et al., 2014). Например, при просмотре рентгенограмм грудной клетки выявляются различные шаблоны поиска для диффузных аномалий, очаговых аномалий и нормальных изображений (Kok, De Bruin, Robben, & van Merriënboer, 2012). Кроме того, у экспертов и новичков разные модели поведения в зависимости от типа аномалии. Диффузные аномалии обычно приводили к более коротким и рассредоточенным фиксациям, но этот эффект был более выражен у студентов. Напротив, очаговые аномалии характеризовались более длительной фиксацией в данном месте. Примечательно, что в прямом сравнении томосинтеза молочной железы и КТ грудной клетки Aizenman et al. (2017) обнаружили, что томосинтез молочной железы приводит к более строгой стратегии сверления, чем КТ грудной клетки.Кроме того, ни один наблюдатель не принял стратегию сканирования. Точно так же, хотя при КТ брюшной полости и таза можно было идентифицировать как сканеров, так и сверлильщиков, не было никакого преимущества в точности, связанного с тем, чтобы быть сверлильщиком (Kelahan et al., 2019–2019). Различие между сканером и бормашиной также недавно было распространено на область цифровой патологии, где клиницисты панорамируют и масштабируют большие изображения, чтобы более внимательно рассмотреть подозрительные области (Mercan, Shapiro, Brunyé, Weaver, & Elmore, 2018).
В этой области сканирование, по-видимому, является доминирующей стратегией, но различий в производительности не было.В будущих исследованиях может быть полезно более систематически оценить свойства стимула, влияющие на относительную долю этих стратегий в объемных изображениях.
Недавнее исследование подошло к вопросу о изменчивости шаблонов сканирования между наблюдателями с использованием нового инструмента под названием ScanMatch (Crowe, Gilchrist, & Kent, 2018). Метод ScanMatch сравнивает последовательности фиксации у наблюдателей, присваивая буквенное значение каждой области и создавая последовательность строк для каждого участника.Затем эти строки сравниваются между наблюдателями и получается оценка сходства. В этом исследовании наблюдатели просмотрели два прогона МРТ-сканирования головного мозга с фиксированной скоростью. В целом, эксперты использовали больше похожих шаблонов сканирования, чем новички. Кроме того, большее сходство было связано с лучшей производительностью. Эти результаты можно объяснить несколькими способами. Во-первых, возможно, что эксперты руководствуются статистическими несоответствиями, обнаруженными при первом предъявлении стимула, что подтверждается повышенными показателями сходства для истинно положительных результатов и более низкими показателями сходства для ложноотрицательных результатов.Однако такая же картина не была обнаружена для истинно отрицательных результатов, что побудило авторов предположить, что вместо этого эксперты могут использовать более систематические стратегии поиска при отсутствии статистических несоответствий. В соответствии с этой точкой зрения наблюдатели применяют эндогенные стратегии систематического поиска в визуальных дисплеях, которым не хватает функций, которые обычно определяют поисковое поведение, таких как значимость и семантическая информация (Solman & Kingstone, 2015). Кроме того, стратегии систематического поиска были более тесно связаны с самыми сильными исполнителями.В будущих исследованиях было бы интересно проверить эти прогнозы более непосредственно в объемном поиске изображений, особенно в том, что касается надежности поведения прокрутки по глубине с использованием более клинически обоснованных парадигм свободной прокрутки.
Как изучаются закономерности сцены в объемных изображениях?
В типичной задаче поиска в лаборатории наблюдателя могут попросить указать, присутствует или отсутствует цель на дисплее, состоящем из случайно упорядоченных объектов на пустом фоне.Напротив, сцены реального мира богаты контекстом, а соседние объекты часто тесно связаны друг с другом. Зубная щетка возле раковины в ванной будет идентифицирована быстрее, чем зубная щетка, помещенная на пианино или парящая в воздухе (Torralba, Oliva, Castelhano, & Henderson, 2006). Эта форма нисходящего руководства называется грамматикой сцены (Võ & Wolfe, 2015). Для знающего наблюдателя медицинские изображения также хорошо структурированы и контекстуальны. Например, желчные камни всегда возникают в желчном пузыре, расположенном под печенью.Это сильно ограничивает области КТ брюшной полости, которые необходимо оценить на наличие камней в желчном пузыре. Считается, что этот тип нисходящего знания изменяет области рентгенограмм грудной клетки, которые посещаются в ходе обучения, что приводит к качественно разным моделям поиска между экспертами и новичками (Kundel & La Follette, Jr. , 1972; Manning, Ethell, Донован и Кроуфорд, 2006 г.). Важно отметить, что этот эффект, по-видимому, развивается органически без каких-либо четких инструкций о том, как искать на рентгенограммах грудной клетки, что предполагает, что он в значительной степени обусловлен нисходящим знанием о том, где могут возникнуть аномалии, а не обучением конкретным стратегиям поиска.
Хотя наше знание мира позволяет нам сделать обоснованное предположение о том, где найти зубную щетку в чужом доме, мы, скорее всего, быстрее найдем зубную щетку в собственной ванной благодаря повторяющемуся опыту. В лаборатории выигрыш во времени отклика от многократного воздействия одного и того же поискового массива называется контекстной подсказкой (Chun & Jiang, 1998). Хотя эти эффекты обычно наблюдаются в очень искусственных задачах поиска, контекстуальные подсказки также встречаются в динамических задачах, где цели и отвлекающие факторы многократно перемещаются по определенной траектории, трехмерных отображениях глубины, внешней среде и виртуальных квартирах (Chun & Jiang, 1999; Jiang, Won, Swallow, & Mussack, 2014; Kit et al. , 2014; Ли, Айвар, Кит, Тонг и Хейхо, 2016 г .; Занг, Ши, Мюллер и Кончи, 2017 г.). Кроме того, хотя объектная информация является сильной контекстной подсказкой (Koehler & Eckstein, 2017), контекстное руководство не обязательно зависит от объектов в сцене; эту информацию можно извлечь из статистических закономерностей низкоуровневых визуальных признаков (Torralba et al., 2006). Кроме того, контекстная подсказка терпима к ряду изменений между экспозициями (Song & Jiang, 2005).
Учитывая большой размер объемных медицинских изображений (Andriole et al., 2011; McDonald et al., 2015), радиологам, несомненно, важно опираться на некоторые из вышеупомянутых механизмов, чтобы сузить область поиска до соответствующих областей пространства. Просто непрактично искать каждый пиксель на большом снимке компьютерной томографии (рис. 1), и вполне вероятно, что это нисходящее руководство является одним из самых больших преимуществ опыта (обзоры см. в Gegenfurtner et al., 2011 и van der Gijp). и др. , 2016). Однако, в отличие от интерпретации 2D-медицинских изображений, влияние нисходящих знаний на стратегию поиска наблюдателя в ходе обучения чтению объемных изображений в значительной степени неизвестно, особенно в том, что касается прокрутки по глубине.Как правило, экспертные исследования подходят к этим вопросам путем анализа косвенных показателей, таких как охват изображения или время до первого попадания, в зависимости от уровня опыта (например, Donovan & Litchfield, 2013; Manning et al., 2006). Однако может быть трудно отделить влияние медицинских знаний от изученных статистических закономерностей, используя эти косвенные меры нисходящей обработки. Дополнительным подходом к этим косвенным измерениям может быть обучение начинающих наблюдателей работе с искусственными объемными дисплеями и определение того, как поведение при поиске меняется с опытом.
Каковы характеристики экспертизы в интерпретации объемных изображений?
Преимущество закономерностей в нашей среде заключается в том, что мы можем формировать подробные представления сцены, известные как схемы, для управления поведением при визуальном поиске. Например, контекстуальные подсказки, по-видимому, полагаются на ресурсы пространственной рабочей памяти для выражения, но не приобретения заученных дисплеев (Annac et al., 2013; Manginelli, Langer, Klose, & Pollmann, 2013). Считается, что пространственная рабочая память быстро связывает текущую конфигурацию поиска со схемами, хранящимися в долговременной памяти, что делает наблюдателя чувствительным к статистическим отклонениям в окружающей среде.Фактически, знакомые сцены, представленные в течение доли секунды, могут быть точно классифицированы (Potter, 1975), управлять последующими движениями глаз (Castelhano & Henderson, 2007) и повышать возможность обнаружения новых объектов в сцене (Brockmole & Henderson, 2005; Чен и Зелински, 2006). Это явление упоминается в литературе как «сущностная», «целостная» или «глобальная» обработка, и оно часто изучается с использованием парадигмы мгновенного движущегося окна (Castelhano & Henderson, 2007). В этой парадигме наблюдателям показывают краткий предварительный просмотр сцены, за которой следует маска и последующая целевая подсказка.
Задача поиска выполняется с использованием окна контингента взгляда, которое устраняет влияние парафовеальной онлайн-обработки и изолирует влияние предварительного просмотра сцены (т. е. начального целостного впечатления) на поисковое поведение.
В радиологии положительные эффекты предварительного просмотра сцены кажутся более скромными, чем наблюдаемые в литературе по визуальному поиску. Предварительный просмотр сцен перед задачей обнаружения рака легких был связан с небольшим улучшением времени поиска и меньшим количеством общих фиксаций (Litchfield & Donovan, 2016).Однако эти преимущества не коррелировали с повышением точности и лишь слабо ассоциировались с опытом. Кроме того, предварительный просмотр сцен оказался вредным, если патология различалась между испытаниями. Тем не менее, есть убедительные доказательства того, что рентгенологи способны быстро обнаруживать статистические аномалии в медицинских изображениях. Kundel и Nodine (1975) обнаружили, что 70% легочных узлов выявляются после просмотра рентгенограмм грудной клетки в течение всего 200 мс. Точно так же исследование показало, что маммографы могут классифицировать изображения как нормальные или ненормальные со скоростью выше случайной после просмотра их в течение всего 250 мс (Evans, Georgian-Smith, Tambouret, Birdwell, & Wolfe, 2013).Однако возможность локализовать эти поражения была случайной (хотя см. Carrigan, Wardle, & Rich, 2018). Кроме того, большинство (57%) случаев рака молочной железы и большая часть (33%) случаев рака легких фиксируются на первой секунде просмотра, чего просто не хватает для проведения тщательного поиска (Donovan & Litchfield 2013; Кундель, Нодин, Конант и Вайнштейн, 2007 г.; Кундел, Нодин, Крупински и Мелло-Томс, 2008 г.). Кроме того, отслеживание взгляда демонстрирует, что опыт связан с существенными различиями в поведении при поиске: эксперты демонстрируют более паттерны кругового сканирования, более короткое время до первой фиксации, большую продолжительность фиксации, меньшее количество фиксаций, меньший охват изображения и меньшую изменчивость взгляда.
Кундель и Ла Фоллетт-мл., 1972; Маклафлин, Бонд, Хьюз, МакКоннелл и Макфадден, 2017 г.). Примечательно, что шаблоны сканирования, подобные экспертам, могут предшествовать принятию решений экспертами (Kelly, Rainford, Darcy, Kavanagh, & Toomey, 2016).
Эти результаты привели к созданию ряда моделей восприятия медицинских изображений, в каждой из которых целостная обработка является важным компонентом экспертизы (Drew et al., 2013; Nodine & Kundel, 1987; Swennson, 1980). Свенсон предложил двухэтапную модель. На первом этапе используется фильтр предварительного внимания, аналогичный теории интеграции признаков (FIT), который быстро выбирает определенные области изображения для обработки.На втором этапе области, отмеченные на первом этапе, подвергаются дальнейшему изучению. Точно так же Нодин и Кундел (1987) предложили модель глобального фокусного поиска. Во время первоначального общего впечатления изображение быстро сравнивается со схемой нормального изображения наблюдателя. На следующем этапе возмущения между изображением и ментальным представлением дополнительно оцениваются с помощью сфокусированного внимания. Наконец, Дрю и соавт. (2013) описали модель, основанную на двух параллельных путях (см. также Wolfe, Võ, Evans, & Greene, 2011).Неселективный путь извлекает глобальную информацию из изображения, используя большое поле зрения. Избирательный путь извлекает подробную визуальную информацию, которая поддерживает распознавание объектов с использованием более целенаправленного поиска. Хотя эти модели имеют нюансы, все они подчеркивают важность быстрого извлечения глобальной информации для управления поисковым поведением: считается, что эта способность возрастает с опытом.
Хотя многое известно об опыте работы с 2D-изображениями, гораздо меньше исследований посвящено опыту работы с объемными изображениями.Из существующих исследований несколько элементарных результатов были воспроизведены в объемных изображениях (таблица). Например, эксперты более точны, быстрее ищут, быстрее обнаруживают аномалии и чаще фиксируют интересующие области (Bertram, Helle, Kaakinen, & Svedstrom, 2013; Cooper et al. , 2009, 2010; Mallett et al., 2014). Однако многие данные, полученные на основе 2D-медицинских изображений, не были воспроизведены с использованием объемных изображений (таблица). Например, Бертрам и др. (2013) не обнаружили различий в средней продолжительности фиксации между экспертами и новичками, которая обычно используется в качестве показателя повышенной способности обработки с опытом.Кроме того, исследователи не обнаружили групповых различий в амплитуде саккад, которая является ключевым показателем общей способности к обработке данных. Точно так же Маллетт и соавт. (2014) не смогли найти каких-либо различий в движениях глаз между экспертами и новичками при эндолюминальной КТ-колонографии с пролётом, за исключением сокращения времени до первого преследования. Однако в обоих этих исследованиях использовались задачи (например, увеличенные лимфатические узлы, висцеральные аномалии и полипы толстой кишки), которые далеки от задач, обычно используемых в исследованиях с 2D-изображениями.
В настоящее время неясно, связаны ли эти различия с характером задачи или фундаментальными различиями в том, как опыт выражается в объемной визуализации. На самом деле, прямых сравнений айтрекинга между 2D и объемным поиском очень мало. В редком примере такого подхода Aizenman et al. (2017) обнаружили, что томосинтез груди связан с более длительной фиксацией и меньшим охватом изображения, чем традиционная маммография. Однако амплитуда саккад была эквивалентна, что предполагает равную способность полагаться на парафовеальную обработку в обеих модальностях.
Таблица 2
Список общих результатов, связанных с экспертизой в двухмерных изображениях. Многие из этих основных результатов экспертизы либо не были воспроизведены, либо еще не были проверены на объемных изображениях (особенно с использованием парадигмы свободной прокрутки с наложенными друг на друга изображениями)
Повышение способности целостной обработки с помощью опыта является одним из самых важных открытий в области медицинских изображений. литературе восприятия, но почти совершенно неизвестно, как эти способности могут проявляться в объемных изображениях.Одна возможность состоит в том, что глобальные впечатления постоянно формируются на 2D-плоскости по мере того, как наблюдатель прокручивает глубину. Например, наблюдатель может быстрее зафиксировать аномалии с того момента, как они впервые появляются на экране (например, Helbren et al., 2014, 2015). В этом случае аналоги показателей отслеживания взгляда, связанных с глобальной обработкой при интерпретации 2D-изображений , следует перенести на объемные изображения (таблица ). Тем не менее, глобальное представление сцены также может быть сформировано путем быстрой прокрутки изображения в глубину перед использованием шаблона более фокусного поиска.Это предложение находит поддержку в литературе. В реальных задачах, таких как приготовление бутерброда, наблюдатели проводят начальное сканирование сцены, что помогает им быстрее находить целевые объекты во время выполнения задачи (Hayhoe, Shrivastava, Mruczek, & Pelz, 2003).
Более того, возможно, что глобальная способность обработки по-разному выражается в зависимости от стратегии поиска наблюдателя. Для сканеров глобальные оттиски могут создаваться на 2D-плоскости при каждом переходе по глубине.Напротив, бурильщики могли создать общее впечатление, прокручивая глубину, а затем возвращаясь к слоям глубины, которые были статистически аномальными.
В дополнение к сканерам и сверлильным станкам были предложены другие показатели поведения прокрутки по глубине в отношении способности глобальной обработки (таблица): количество посещений на срез, количество колебаний (прокрутка вперед и назад менее чем на 25 %). глубины), количество полупроходов (прокрутка назад и вперед на 25–50 % глубины) и количество полных прогонов (прокрутка вперед и назад на > 50 % глубины) (Венякоб, Марниц, Малер, Зехельманн, и Роттинг, 2012).Считается, что рентгенологи, которые проводят более полные прогоны, используют более глобальный процесс поиска, который должен расширяться по мере увеличения опыта наблюдателя. Однако это предложение еще не было проверено, и эти меры не были широко использованы за пределами этого первоначального исследовательского исследования с использованием КТ-изображений черепа.
Таблица 3
Общие показатели отслеживания взгляда, их когнитивные корреляты и предлагаемые аналоги для объемных медицинских изображений. ROI, интересующая область
В других областях медицинской визуализации, которые можно считать похожими на объемные изображения, таких как виртуальная микроскопия, существует четкая связь между опытом и глобальными возможностями обработки (Krupinski, Graham, & Weinstein, 2013; Krupinski et др., 2006). Хотя патологоанатомы любого уровня опыта, скорее всего, выбирали информативные области для мест, которые они хотели бы увеличить, более опытные патологоанатомы тратили меньше времени на оценку областей, которые в конечном итоге не будут выбраны для увеличения. Эти данные, в дополнение к ряду важных поведенческих и айтрекинговых показателей, позволяют предположить, что опытные патологоанатомы обладают повышенной способностью быстро извлекать наиболее важную информацию из медицинских изображений. Другие исследования выявили сходство стратегий поиска между цифровой патологией и объемной визуализацией (Mercan et al., 2018), но в значительной степени неясно, как эти выводы связаны с опытом в любой области. Кроме того, между этими изображениями есть явные различия: выбор просмотра видимой части изображения с большим разрешением — это не то же самое, что прокрутка для выявления визуальной информации, встроенной по всей глубине изображения. Мы считаем, что существует ряд многообещающих областей для будущих исследований, связанных с тем, как поведение при поиске может различаться в зависимости от опыта в самых разных областях (например,г., патология, УЗИ).
При обсуждении изменений в стратегии поиска с экспертом следует учитывать важное предостережение: различия в шаблонах поиска между экспертами и новичками не обязательно означают, что обучение новичков использованию этих стратегий улучшит производительность. Во многих случаях исследования показывают, что укрепление целевого шаблона за счет более широкого знакомства с примерами нормальных и аномальных изображений было бы гораздо полезнее для новичка, чем указание им, где искать (Chen et al. , 2017; Донован и Личфилд, 2013 г.; Кундель и Ла Фоллет-младший, 1972 год; Мэннинг и др., 2004 г.; Нодин и др., 1996, 1999). Хотя заманчиво найти короткие пути к опыту, большинство усилий по обучению новичков использованию новых стратегий или следованию пути сканирования экспертов имели скромный успех или ограниченную обобщаемость (Gegenfurtner, Lehtinen, Jarodska, & Saljo, 2017; Kok et al. , 2016; Личфилд, Болл, Донован, Мэннинг и Кроуфорд, 2010; Мелло-Томс, 2008; van Geel et al., 2017).При рассмотрении этого вопроса может быть полезно рассмотреть, какие аспекты визуального поиска могут быть улучшены с помощью этих методов. Учебные новички для Имимического поиска поведения экспертов могут улучшить общую стратегию поиска, но сомнительно, что эти методы существенно улучшают способность к глобальной обработке, что считается отличительной чертой экспертизы. Скорее, глобальная обработка способности объясняется большей способностью быстро выявлять статистические отклонения на изображении через сильные ментальные представления, которые приобретаются через обширный опыт.
Примечательно, что опытные радиологи ищут разные области изображения в каждом случае, что, как считается, обусловлено глобальными свойствами каждого изображения (Manning, Ethell, & Crawford, 2003). Тем не менее, обученные рентгенологи, как правило, постоянно пропускают одни и те же области, что, вероятно, отражает стратегию, в большей степени зависящую от предшествующих вероятностей обнаружения аномалии в данном месте (Manning et al., 2003). Эти результаты показывают, что, хотя и эксперты, и новички полагаются на свой предыдущий опыт при поиске, эксперты имеют более сильные мысленные представления, на которые можно положиться, чем новички.Будущие исследования, направленные на поиск более совершенных методов обучения, должны учитывать, какие элементы знаний требуют опыта, а какие являются усвоенными стратегиями. Кроме того, может быть полезно сосредоточиться на поддержке рентгенологов на разных стадиях развития, а не на поиске коротких путей между ними.
В дополнение к различиям на уровне группы между экспертами и новичками, может быть в равной степени полезно изучить, как идиосинкразии в движениях глаз связаны со значительной изменчивостью результатов, наблюдаемых среди экспертов. Хейс и Хендерсон (2017) обнаружили, что различия в шаблонах сканирования объясняют большую часть различий в объеме рабочей памяти, скорости обработки и интеллекта людей. Более того, индивидуальные различия в шаблонах сканирования кажутся довольно стабильными для разных типов задач, даже если использование жесткого шаблона сканирования может быть неоптимальным (Andrews & Coppola, 1999; Henderson & Luke, 2014; Mehoudar, Arizpe, Baker, & Yovel). , 2014; Paeye & Madelain, 2014; Poynter, Barber, Inman, & Wiggins, 2013; Rayner, Li, Williams, Cave, & Well, 2007).Кроме того, паттерны сканирования многое говорят об индивидуальной поисковой стратегии, например, о предпочтениях скорости или точности (Hogeboom & van Leeuwen, 1997). Многие исследователи пытались определить, существуют ли общие когнитивные способности в области, связанные с опытом в области радиологии, которые могут помочь предсказать, кто может стать лучшим рентгенологом, или объяснить, почему равный опыт не приводит к эквивалентным результатам.
Эти подходы в значительной степени оказались безуспешными и рисуют убедительную картину предметной специфики с опытом (Beck, Martin, Smitherman, & Gaschen, 2013; Evans et al., 2011; Келли, Рейнфорд, МакЭнти и Кавана, 2017 г .; Леонг и др., 2014 г.; Майлз-Уорсли, Джонстон и Саймонс, 1988 г .; Нодин и Крупински, 1998). Тем не менее, производительность при первом испытании задачи визуального поиска предсказывает, какие люди будут хорошо справляться с опытом, что предполагает, что могут быть важные индивидуальные характеристики, которые были упущены из виду в предыдущих исследованиях (Ericson, Kravitz, & Mitroff, 2017). Исследования из фундаментальной научной литературы показывают, что различия в движениях глаз могут дать представление об этих вопросах, но это еще не оценивалось в литературе.
Каковы последствия ограниченной памяти при объемном поиске изображений?
Управляемый поиск предполагает, что внимание будет направлено на подмножество элементов в вашей среде, которые, скорее всего, будут вашей целью. Например, если вы ищете салат ромен в продуктовом магазине, внимание к зеленым продуктам сократит общее количество продуктов, которые необходимо оценить. Однако само собой разумеется, что визуальный поиск был бы наиболее эффективным, если бы когнитивная система отслеживала, какие зеленые объекты уже были оценены, чтобы направить внимание на новые места и свести к минимуму непреднамеренные движения глаз к ранее посещенным местам.Такой механизм был бы особенно удобен для профессиональных специалистов по визуальному поиску, таких как рентгенологи, которым необходимо эффективно определять, какие области больших объемных изображений они уже оценили и когда пора переходить к другой задаче. Многие модели визуального поиска содержат неявное предположение, что ранее посещаемые объекты никогда не будут подвергаться повторной оценке (например, Treisman & Gelade, 1980). В соответствии с этим предположением исследования показали, что наблюдатели ведут поиск так, как если бы у них была имплицитная память о том, куда они недавно смотрели: саккады с большей вероятностью будут двигаться в том же направлении, что и предыдущая саккада, чем в противоположном направлении (Klein & MacInnes, 1999).
латентность саккад выше для ранее посещенных мест, чем для новых мест (Vaughan, 1984), а скорость рефиксации больше напоминает модель, которая предполагает память о предыдущих фиксациях, чем модель, которая этого не делает (Bays & Husain, 2012; Peterson, Kramer, Wang, Ирвин и МакКарли, 2001).
Обычно предполагаемым механизмом этого явления является торможение возврата (IOR), термин, используемый для описания замедленного времени реакции на запросы в недавно посещенных местах по сравнению с новыми местами (Posner & Cohen, 1984). Считается, что в реальных поисковых задачах IOR служит помощником при поиске пищи (Klein & MacInnes, 1999). В поддержку этой гипотезы Кляйн и Макиннес (1999) обнаружили, что саккады к зонду в поисковой задаче «Где Уолдо » задерживались в недавно зафиксированных местах (на 2–3 назад).Однако, несмотря на очевидную полезность механизма памяти при визуальном поиске, доказательства его использования оказались на удивление неоднозначными. Горовиц и Вулф (1998) обнаружили, что эффективность поиска не снижается, когда объекты перемещаются в сцене каждые 100 мс, что позволяет предположить, что память обычно практически не играет роли в визуальном поиске. Эта экстремальная модель поиска без памяти неоднократно подвергалась сомнению (например, Geyer, Von Mühlenen, & Müller, 2007; Kristjánsson, 2000; Peterson et al., 2001; Shore & Klein, 2000), но эти результаты действительно указывают на то, что визуальные поиск может потребовать меньше памяти для ранее посещенных мест, чем подсказывает наша интуиция.
Одно предложение, которое пытается примирить эти противоречивые данные, состоит в том, что IOR служит для предотвращения настойчивости в визуальном поиске, но слишком ограничен в возможностях (~ 4 элемента) и требует слишком много времени для разработки (~ 200–300 мс) для получения поиск, который «выборки без замены» (Wolfe, 2003). Эти ограничения также ставят под сомнение идею о том, что IOR может играть существенную роль при просмотре больших объемных медицинских изображений, требующих сотен фиксаций. Кроме того, IOR сильно нарушается из-за прерываний, особенно когда массив поиска больше не виден (Takeda & Yagi, 2000).Это говорит о том, что IOR может быть тесно связан с объектами на сцене, а не с пространственным положением. Если метод IOR эффективен только тогда, когда видны помеченные объекты, переход к новым слоям глубины может нарушить процесс и еще больше ограничить полезность механизма IOR при поиске объемных изображений.
Похоже, неявная память для ранее просмотренных местоположений довольно ограничена, но как насчет явной памяти? При поиске сложной сцены (например, Где Уолдо ) наблюдатели могут отличить собственные движения глаз от случайно сгенерированных путей сканирования (Foulsham and Kingstone, 2013a, 2013b; Võ, Aizenman, & Wolfe, 2016).Однако наблюдатели почти случайно могут отличить свои собственные фиксации от чужих, особенно в статических изображениях (Foulsham and Kingstone, 2013a, 2013b; van Wermeskerken, Litchfield, & van Gog, 2018; Võ et al., 2016). Одно из объяснений этой модели результатов заключается в том, что наблюдатели полагаются на свои знания о том, где было бы наиболее целесообразно посмотреть на изображение для выполнения задачи, а не на сохранение в памяти представления своего пути сканирования (Foulsham & Kingstone, 2013a, 2013b). ; Вы и др., 2016). В подтверждение этой точки зрения наблюдатели могут лучше различать свои собственные движения глаз в данной сцене, когда второй наблюдатель искал другой предмет, и завышают вероятность того, что объекты, которые легко доступны в памяти, были зафиксированы во время зрительного восприятия. поиск (Кларк, Махон, Ирвин и Хант, 2017 г.). В совокупности эти результаты указывают на удивительно плохое явное запоминание ранее посещенных мест, которое в основном обусловлено обоснованными предположениями о том, куда кто-то должен был смотреть в сцене, а не памятью как таковой.
Какие последствия плохая имплицитная и эксплицитная память имеет для рентгенологов, выполняющих поиск объемных изображений? Если вы забудете, где утром искали ключи, в худшем случае вы опоздаете на работу на несколько минут, потому что проверяли одни и те же места более одного раза. Однако для рентгенолога было бы очень важно забыть, проверяли ли они везде признаки травмы после автомобильной аварии. Это может быть особенно актуально для объемных изображений: когда изображения увеличиваются в размерах, может быть сложнее сохранить представление о том, где вы уже искали.Кроме того, если вы потеряете свое место, то на то, чтобы начать заново или проследить свои шаги в большом КТ-скане или на рентгенограмме, потребуется больше времени, что еще более важно в свете увеличения рабочей нагрузки рентгенологов из-за объемной визуализации (Andriole et al. и др., 2011; Макдональд и др., 2015).
Литература по визуальному поиску предполагает, что знание того, где вы уже искали, в значительной степени основано на статистических закономерностях и контексте сцены (Chun & Jiang, 1998; Clarke et al., 2017; Torralba et al., 2006). Нет особых оснований подозревать, что опытные радиологи будут отличаться от этого вывода, но у этой стратегии есть явные ограничения. Например, после перерыва, где рентгенолог решит возобновить поиск? Одна из возможностей заключается в том, что рентгенологи забыли, где они уже искали, и по незнанию повторно посещают те места, которые можно было наблюдать, отслеживая количество рефиксаций и точность возобновления поиска после прерывания (Williams & Drew, 2017). Однако из одних только этих мер неясно, повторно посещаются ли области, потому что они забыты, или они сознательно повторно посещают эти области, чтобы лучше вспомнить, что они намеревались делать дальше. Это ограничение подчеркивает необходимость более прямых измерений памяти в прикладных задачах визуального поиска. Если явный отзыв в значительной степени основан на знании того, в каких областях следует искать, а не на знании того, где вы фактически искали, эта стратегия может привести к неточному возобновлению поиска после прерывания.Одна из возможностей заключается в том, что соответствующие области будут иметь приоритет и станут более устойчивыми к последствиям перерывов. В качестве альтернативы, если воспроизведение памяти в первую очередь основано на том, какие области следует искать, наиболее релевантные структуры могут быть вызваны, несмотря на то, что их никогда не искали. Один из способов распутать эти возможности — объединить косвенные меры (например, отслеживание взгляда) с более прямыми мерами (например, периодические проверки), чтобы определить, какие области с большей вероятностью будут сообщены как обыскиваемые после прерывания.
В связи с плохой памятью рентгенологи часто ищут удивительно малую часть медицинских изображений, даже несмотря на то, что охват отрицательно связан с частотой ошибок в группе экспертов (Drew et al., 2013; Rubin et al., 2015; Thomas & Лансдаун, 1963). Например, Дрю и др. (2013) обнаружили, что только 69 % легких были исследованы во время скрининга рака легких с использованием оценки полезного поля зрения (UFOV) в 5°. Бурильщики охватили большую часть изображения, чем сканеры, что может быть еще одним фактором, объясняющим их лучшую производительность.Используя меньший UFOV (угол обзора 2,6°), Rubin et al. (2015) обнаружили, что средний охват скринингом на рак легких составляет всего 26,7%. Как и в исследованиях с использованием 2D-изображений, более высокий охват был связан с пониженной чувствительностью. На самом деле, по их оценкам, для тщательного поиска изображений в каждом случае потребовалось бы почти 12 минут, но среднее время поиска было ближе к 3 минутам. При прямом сравнении двухмерного и объемного поиска изображений охват был выше для маммографии, чем для томосинтеза молочной железы, в широком диапазоне оценок UFOV (Aizenman et al. , 2017). На самом деле, общий охват объемных изображений с максимальной оценкой UFOV (5°) составил менее 30%. Аналогичный результат уменьшения охвата объемного изображения наблюдался в исследовании, сравнивающем ДПТ с однослойным ДПТ (Lago et al., 2018).
Хотя на объемных изображениях ясно, что покрытие низкое, невозможно получить точную оценку покрытия без точной оценки UFOV (рис. ). При рентгенографии грудной клетки обычной оценкой UFOV является 5°, поскольку подавляющее большинство легочных узелков можно обнаружить в этом окне (Kundel, Nodine, Thickman, & Toto, 1987).Однако известно, что UFOV уменьшается по мере увеличения сложности изображения и сложности задачи (Drew, Boettcher & Wolfe, 2017; Young & Hulleman, 2013), и исследования показывают, что эта оценка может быть слишком высокой для скрининга рака легких при КТ грудной клетки (Rubin et al., 2015). Также важно отметить, что UFOV существенно зависит от размера узелков, сложности изображения и читателя (Ebner et al., 2017). В будущих исследованиях может потребоваться эмпирическая проверка оценок UFOV для конкретной задачи или сообщение результатов для диапазона оценок UFOV (например,г., Айзенман и др., 2017). Например, Рубин и др. (2015) рассчитали UFOV на основе расстояния узелков от центральной фиксации в момент распознавания и обнаружили, что 99,8% обнаруженных узелков находились на расстоянии 50 пикселей или менее от центральной фиксации (окно 2,6°). Примечательно, что 25% пропущенных узелков никогда не были в пределах UFOV, что подчеркивает потенциальные последствия плохого охвата изображения в больших объемных изображениях. Кроме того, важно понять, как UFOV изменяется в зависимости от опыта, чтобы протестировать модели опыта на объемных изображениях.Например, если эксперты могут более эффективно обнаруживать аномалии, используя парафовеальное зрение, они должны иметь более широкое UFOV, чем новички.
То, как определяется полезное поле зрения (UFOV) (в градусах угла обзора (dva)) напрямую влияет на результаты последующих анализов, таких как классификация ошибок и охват изображения. В этом гипотетическом примере наблюдатель трижды зафиксировался (представлено концентрическими кругами) на изображении с видимым узлом в легком (обозначен красным прямоугольником), но не сообщил об этом.При использовании меньшего UFOV пропущенная аномалия будет считаться ошибкой поиска. Однако это будет классифицироваться как ошибка распознавания или решения с использованием наибольшей оценки UFOV. Точно так же предполагаемое покрытие изображения значительно варьируется в зависимости от размера UFOV. Важно отметить, что размер UFOV зависит как от задачи, так и от наблюдателя (Drew, Boettcher & Wolfe, 2017; Young & Hulleman, 2013; Ebner et al., 2017)
В свете плохого охвата изображения, связанного с объемными изображениями , целостная обработка может играть меньшую роль по сравнению с общим охватом изображения: очевидно, что не может быть никакого поведенческого преимущества, если фрагменты изображения, содержащие аномалию, никогда не видны.Например, могут возникнуть поведенческие затраты на экспертизу, если на изображении обнаружены неожиданные аномалии. Мы знаем, что контекстуальные подсказки вредны для производительности, если цель находится не в ожидаемом месте (Makovski & Jiang, 2010). Точно так же в медицинских изображениях первоначально неверные холистические решения редко возвращаются назад (Mello-Thoms, 2009), а история болезни значительно влияет на то, как интерпретируются изображения (Norman, Brooks, Coblentz, & Babcook, 1992). В объемных изображениях эти эффекты могут усугубляться повышенной потребностью в уменьшении общей области поиска и возможностью прокрутки непосредственно к интересующим областям.Например, наиболее логичный способ для рентгенолога оценить пациента на наличие камней в желчном пузыре — сосредоточиться на слоях изображения, где присутствует желчный пузырь. Однако такой подход может привести к негативным последствиям, если появятся неожиданные аномалии, такие как рак, которые видны на разных срезах изображения. Хотя пропущенные случайные находки не обязательно являются ошибкой в контексте поставленной задачи, необнаруженный рак, тем не менее, может привести к отрицательным исходам для пациентов и/или заявлениям о врачебной халатности.
Учитывая, что неполное покрытие изображения может привести к негативным последствиям как для пациента, так и для рентгенолога, необходимы дальнейшие исследования по этой теме.
Учитывая ограниченность памяти при поиске, разумно задаться вопросом, как вообще внимание направляется на новые места в объемных изображениях. Отслеживание взгляда во время реальных задач предполагает, что люди постоянно исследуют окружающую среду для получения информации, а не полагаются на кратковременную память (Ballard, Hayhoe, & Pelz, 1995).На самом деле, некоторые исследователи предположили, что появление мнемонических механизмов при визуальном поиске может быть в большей степени обусловлено поисковыми стратегиями, а не памятью на ранее обыскиваемые места (Peterson, Beck, & Vomela, 2007). Наблюдатели часто применяют систематическую модель во время упорядоченных задач визуального поиска и проявляют склонность к горизонтальному сканированию сцены (Dickinson & Zelinsky, 2007; Findlay & Brown, 2006; Gilchrist & Harvey, 2006). Кроме того, обычно предполагается, что объем рабочей памяти (~ 4 элемента; Cowan, 2001) является ограничивающим фактором для количества предыдущих мест, которые могут быть сохранены в памяти (McCarley, Wang, Kramer, Irwin, & Peterson, 2003).Однако некоторые исследования показали, что наблюдатели с меньшей вероятностью рефиксируются на целых 12 предыдущих фиксациях и с высокой степенью достоверности сообщают, появлялась ли цель в этих местах (Dickinson & Zelinsky, 2007; Peterson et al., 2007). Ограничения объема рабочей памяти можно преодолеть, сохраняя грубое представление общего пути поиска, а не память с высоким разрешением о расположении дистракторов (Dickinson & Zelinsky, 2007; Godwin, Benson, & Drieghe, 2013; Peterson et al., 2007). Примечательно, что случайное развертывание внимания на значимых стимулах происходит быстрее, чем произвольное развертывание внимания, что может объяснить, почему наблюдатели часто не участвуют в систематическом поиске (Wolfe, Alvarez, & Horowitz, 2000).
Это исследование показывает, что зачастую лучше быстро случайным образом сортировать большие объемы визуальной информации, чем выполнять медленные систематические поиски в окружающей среде. Тем не менее, можно обоснованно утверждать, что систематическая стратегия должна играть более важную роль в радиологии из-за необходимости отдавать предпочтение точности, а не скорости в медицине.Тем не менее, Кундель и соавт. (1987) подсчитали, что стратегия систематического поиска с помощью рентгенограммы грудной клетки потребует 500 фиксаций и 3 минут поиска, что намного превышает то, что обычно наблюдается в этих задачах (например, 1 минута, 50 с, по мнению экспертов-наблюдателей в работе Christensen et al., 1981). Таким образом, кажется, что рентгенологи часто используют стратегии поиска, которые отдают предпочтение эффективности, а не исчерпывающему поиску.
Тем не менее, сам размер объемных изображений может потребовать определенной степени систематического поиска в глубине изображения, чтобы противодействовать ограниченной системе памяти. В поддержку этого предложения Солман и Кингстон (2017) обнаружили, что разделение массива поиска способствует более систематической стратегии поиска и приводит к улучшению явного припоминания предыдущих целевых местоположений. Точно так же опытные дерматологи демонстрировали меньше рефиксаций, которые были разделены во времени и с меньшей вероятностью воспроизводили путь сканирования, чем новички (Vaidyanathan, Pelz, Alm, Shi, & Haake, 2014). Кроме того, в других областях радиологии имеются убедительные доказательства того, что использование более структурированного подхода в целом может помочь компенсировать потребность в памяти и повысить производительность.Например, по сравнению с шаблонами диктовки в свободной форме, структурированные шаблоны улучшают качество диктовки (Marcal et al., 2015; Marcovici & Taylor, 2014; Schwartz, Panicek, Berk, & Hricak, 2011), поощряют соблюдение передового опыта (Kahn Jr. ., Heilbrun, & Applegate, 2013) и повысить точность диагностики (Bink et al., 2018; Lin, Powell, & Kagetsu, 2014; Rosskopf et al.
, 2015; Wildman-Tobriner et al., 2017). Точно так же использование контрольного списка с анатомическими структурами и часто пропускаемыми диагнозами улучшило диагностическую эффективность в группе студентов-медиков (Kok, Abed, & Robben, 2017, хотя см. Berbaum, Franken Jr., Колдуэлл и Шварц, 2006 г.). Кроме того, радиологи, как правило, чаще смотрят на свои экраны диктовки после перерыва, по-видимому, для того, чтобы вспомнить, где они уже искали (Drew, Williams, Aldred, Heilbrun, & Minoshima, 2018). В совокупности эти данные свидетельствуют о том, что вмешательство, нацеленное на ограничения памяти, является стоящим делом, но пока неизвестно, может ли принятие стратегии систематического поиска также помочь противодействовать этим ограничениям при объемном поиске.
Как радиологи решают прекратить поиск в больших объемных изображениях?
Еще одна проблема для нашей ограниченной памяти при визуальном поиске — определить, когда прекратить поиск и перейти к следующей задаче. В некоторых случаях ответ прост. Если вы ищете яблоки Honeycrisp в новом продуктовом магазине, вы перестанете искать, как только найдете их. Однако как узнать, когда прекратить поиски, если в магазине эти яблоки не продаются? В радиологии проблема становится еще более сложной; цели часто не указаны ни по внешнему виду, ни по количеству.Если рентгенолог обнаружит опухоль, могут быть и другие опухоли, расположенные в другом месте. Наиболее консервативным подходом будет поиск каждого соответствующего пикселя изображения. Однако временные ограничения, вероятно, препятствуют такой стратегии, особенно в свете увеличения размера и количества изображений, созданных методами объемной визуализации в последние годы (McDonald et al., 2015). Кроме того, даже если у рентгенолога есть неограниченное количество времени для проведения такого поиска, неспособность найти аномалию не означает, что аномалии нет.На самом деле многие аномалии в радиологии фиксируются, но никогда не регистрируются (Kundel et al., 1978). Так как же радиолог решает, когда прекратить поиск, учитывая всю эту неопределенность?
Была предложена модель прекращения поиска, аналогичная модели дрейфовой диффузии (Wolfe, 2012). Во время поиска собирается информация о том, как долго или сколько элементов вы искали, пока не будет достигнуто пороговое значение завершения. Этот порог может быть изменен переменными в вашей среде, такими как вероятность присутствия цели или вознаграждение, связанное с обнаружением цели.Недавно было высказано предположение, что прекращение поиска может имитировать поведение при поиске пищи, наблюдаемое в дикой природе (Cain, Vul, Clark, & Mitroff, 2012; Wolfe, 2013). Когда животное добывает пищу, например ягоды, потребление энергии максимизируется за счет перехода к следующему кусту, когда потребление падает ниже среднего для этой среды, что известно как теория оптимального кормодобывания (Чарнов, 1976). Наблюдатели, кажется, следуют предсказаниям этой модели при поиске нескольких целей и собирают элементы в прогонах одной цели за раз при поиске нескольких разных типов целей (Cain et al., 2012; Вулф, 2013; Вулф, Айзенман, Бетчер и Кейн, 2016 г.). Однако менее ясно, как меняется поведение при отказе от курения, когда цель состоит не в том, чтобы собрать большое количество изобилующих очевидных целей, а в том, чтобы найти редкие, труднодоступные цели.
Хотя слишком раннее прекращение поиска может привести к негативным последствиям в радиологии, факторы, определяющие, когда рентгенолог решает прекратить поиск, плохо изучены. Существующие модели интерпретации медицинских изображений сосредоточены на том, что можно считать начальным этапом конечной задачи клинициста по точному диагнозу: на первоначальном восприятии (Drew et al., 2013; Нодин и Кундел, 1987; Свенссон, 1980). Важно отметить, что эти модели мало что делают для объяснения процесса принятия решений, следующего за восприятием. Это контрастирует с рядом когнитивных моделей, таких как класс моделей дрейфа-диффузии, которые были специально разработаны для учета различий в том, сколько времени требуется наблюдателю для принятия решения (например, Ratcliff & McKoon, 2008). . Ни одна из современных моделей восприятия медицинских изображений не рассматривает вопрос о том, как клиницист в конечном счете решает, когда прекратить рассмотрение случая.Однако ясно, что большинство истинных положительных результатов выявляются очень рано во время поиска (Berbaum et al. , 1991; Christensen et al., 1981; Nodine, Mello-Thoms, Kundel, & Weinstein, 2002), и большая часть КТ вообще никогда не проводил поиск (например, Drew et al., 2013; Rubin et al., 2015). По мере продолжения поиска вероятность ложных срабатываний резко возрастает. Эта тема особенно важна в контексте объемных изображений, для оценки которых обычно требуется гораздо больше времени, чем для 2D-изображений.В этих обстоятельствах способность эффективно переходить от сканирования здорового пациента может быть критическим показателем опыта, который будет упущен существующими моделями. Например, в 2D-изображениях опытные рентгенологи, по-видимому, прекращают поиск, когда они все еще выявляют больше истинно положительных результатов, чем ложноположительных, но новички продолжают до тех пор, пока ложноположительные результаты не станут доминирующим ответом (Christensen et al., 1981; Nodine et al., 2002). ). Оценка динамики ошибок с опытом работы с объемными изображениями — это совершенно неизведанная область, которая, вероятно, станет плодотворной областью для будущих исследований.
Кроме того, в будущих исследованиях можно было бы попытаться применить метод моделирования диффузионного дрейфа, чтобы определить, как различные факторы, такие как общая рабочая нагрузка или опыт наблюдателя, влияют на порог выхода при объемном поиске изображений.
Как взаимодействуют двигательные и перцептивные процессы при оценке объемных изображений?
В отличие от поиска по признакам, который часто встречается в литературе по зрительному вниманию, поиск в реальном мире часто включает в себя навигацию по большим трехмерным пространствам в поисках объектов, которые могут быть скрыты другими объектами.При поиске целей участники спонтанно выбирают систематический путь поиска (Riggs et al., 2017). Точно так же при поиске доказательств преступления пары участников проводят систематический поиск и часто перепроверяют свою работу (Riggs et al., 2018). Тем не менее, другие исследователи обнаружили, что повторные посещения в визуальном поиске в реальном мире случаются редко, что связано с дополнительными усилиями, необходимыми для повторного прохождения ваших шагов в локомотивных задачах (Gilchrist, North, & Hood, 2001; Smith et al. , 2008). В совокупности это исследование имеет большое значение для объемного поиска изображений, который включает в себя как двигательные, так и перцептивные компоненты, когда наблюдатель прокручивает глубину. В последние годы наблюдается растущий интерес к тому, как двигательные процессы влияют на визуальный поиск, когда целевые объекты должны быть обнаружены путем перемещения других объектов, что называется «ручным поиском». В некоторых случаях поиск с помощью ручного поиска воспроизводил результаты из литературы по визуальному поиску (например, «эффект низкой распространенности», Solman, Hickey, & Smilek, 2014).В других случаях были выявлены новые источники ошибок. Например, Solman, Cheyne и Smilek (2012) создали парадигму «распаковки», в которой наблюдатель может перемещать перекрывающиеся виртуальные элементы с помощью компьютерной мыши. Исследователи обнаружили, что целевые предметы часто подбирались и выбрасывались, не будучи распознанными, что говорит о том, что восприятие и действие могут быть разделены при визуальном поиске.
Другими словами, решение о действии («отбросить выбранный элемент») может предшествовать решению об идентификации («выбранный элемент является моей целью»).Авторы предполагают, что натуралистический визуальный поиск включает процесс перцептивного поиска, который контролирует, но не направляет двигательный процесс «распаковки» (Solman, Wu, Cheyne, & Smilek, 2013).
В рентгенологии результаты могут означать, что двигательная система решает двигаться в глубину до того, как аномалия может быть идентифицирована на текущем срезе. Хотя словесные инструкции по замедлению двигательных движений оказались неэффективными, принуждение участников к замедлению значительно уменьшило количество ошибок при распаковке (Solman et al., 2013). В настоящее время неизвестно, как связана скорость прокрутки в глубину объемного медицинского изображения с диагностической точностью и встречаются ли эти ошибки «развязки» в радиологии. Представление КТ-сканов с разной частотой кадров привело к неоднозначным результатам: от отсутствия различий в точности (Bertram et al. , 2013) до более низкой производительности при более высоких скоростях (Bertram et al., 2016). Скорость прокрутки также может дать представление об эффективности сигналов начала движения или развитии способности глобальной обработки в объемных изображениях.Если эксперты смогут извлекать необходимую информацию из изображений быстрее, чем новички, они могут быть менее уязвимы к потенциально негативным последствиям более быстрой прокрутки, таким как ошибки «расцепления». В задаче скрининга рака легких не наблюдалось разницы в скорости между радиологами и наивными наблюдателями (Diaz, Schmidt, Verdun, & Bochud, 2015). В среднем узелки обнаруживались со скоростью от 25 до 30 кадров в секунду (fps). Однако следует отметить, что производительность в этом задании была максимальной как для экспертов, так и для новичков, и не было различий в производительности между группами.Следовательно, остается возможным, что различия в поведении при прокрутке более важны, когда существует большая изменчивость в производительности.
Бертрам и др. (2013) также не обнаружили различий в производительности, связанных с опытом, когда наблюдатели искали различные аномалии в КТ брюшной полости, представленные в виде видео с фиксированной скоростью 7, 14 или 28 кадров в секунду. Напротив, Bertram et al. (2016) наблюдали лучшую производительность при 5 кадрах в секунду, чем при 3 кадрах в секунду, и эксперты лучше адаптировались к повышенной частоте представлений при КТ брюшной полости.Однако оба этих исследования опирались на видео с фиксированной скоростью, а не позволяли наблюдателям контролировать свою собственную скорость, что ограничивает экологическую достоверность. Понятно, что пока нет полной картины того, как скорость прокрутки влияет на производительность поиска в объемных изображениях. В будущих исследованиях также может быть полезно проанализировать распределение ошибок в зависимости от естественной скорости прокрутки. При этом важно учитывать свойства самой аномалии. Скорость прокрутки может быть важным предиктором обнаружения аномалий, когда аномалии вызывают сигналы начала движения или для более мелких аномалий, которые видны на меньшем количестве слоев глубины.
Напротив, менее вероятно, что скорость прокрутки предсказывает возможность обнаружения диффузных или крупных аномалий, которые видны на многих срезах.
Как снимать изображения и видео ваших глаз
Фотографии и видео важны для оценки в телемедицине. Все должно быть сфокусировано, чтобы можно было четко оценить детали глаза. Пожалуйста, следуйте этим указаниям. При необходимости мы запросим конкретные изображения.
Фото
Инструкции, как сделать идеальное фото вашего глаза:
Вам понадобится зеркало и ваш смартфон.- Встаньте перед чистым зеркалом в ванной.
- Свет в комнате должен быть на .
- Откройте фотоприложение на своем смартфоне и настройте заднюю камеру телефона.
- В режиме фото включите (не автоматически) камера вспышка и увеличение до 2-2,5x .
- Направьте заднюю камеру телефона на глаза (это не режим селфи), повернув дисплей к зеркалу.
- Чтобы сфотографировать правый глаз, держите телефон в правой руке.
- Чтобы сфотографировать левый глаз, держите телефон в левой руке.
- Поверните телефон горизонтально и поместите палец или большой палец на кнопку регулировки громкости.
- Убедитесь, что ваша рука или телефон не мешают вашему взгляду на дисплей телефона другим глазом.
- Посмотрите в зеркало на отражение дисплея телефона, чтобы выровнять глаз так, чтобы он находился в центре дисплея, а глаз заполнял кадр.
- Держите объектив камеры на расстоянии 4 дюйма от глаз.
- Затем сделайте снимок, нажав кнопку громкости на телефоне или нажав кнопку на экране.
- Сфотографируйте каждый глаз отдельно.
Это ЧРЕЗВЫЧАЙНО важно иметь хороший фокус. Полезны только сфокусированные изображения. Размытые изображения не могут быть проанализированы. Если ваши снимки выглядят размытыми, убедитесь, что объектив камеры на задней панели телефона не загрязнен и что вы не держите телефон слишком близко к глазам. Глаз должен быть в центре изображения, и его не должны закрывать никакие тени.
Если у вас возникли проблемы, попросите помочь члена семьи или друга. Они могут сделать снимок для вас с 2-2,5-кратным зумом, со вспышкой, на расстоянии около 4 дюймов от глаза. Если ваш телефон был выпущен до 2017 года, возможно, качество изображения будет недостаточным для оценки.
Сделайте несколько снимков. Требуется прямое изображение.
- Направление взгляда
- Прямой (обязательно)
- Все цветное зелье глаз должно быть видно.
- Вверх (удерживайте нижнее веко, глядя вверх)
- Вниз (держите верхнее веко поднятым, глядя вниз)
- Слева с широко открытым глазком
- Справа с широко открытым глазом
- Прямо с широко открытым глазком
- Глаз аккуратно закрыт
- Прямой (обязательно)
Видео
Видео может быть полезным, но только если оно снято в формате HD. Все должно быть в фокусе. Глаз должен быть в центре кадра, и никакие тени не должны закрывать глаз.При необходимости мы запросим определенные типы видео.
Инструкции по созданию идеального видео вашего глаза:
- Встаньте перед чистым зеркалом в ванной.
- Свет в комнате должен быть на .
- Откройте фотоприложение на своем смартфоне и настройте заднюю камеру телефона.
- В режиме видео включите (не автоматически) вспышка камеры и увеличение до 2-2,5x .
- Направьте заднюю камеру телефона на глаза (это не режим селфи), повернув дисплей к зеркалу.
- Чтобы снять видео для правого глаза, держите телефон в правой руке.
- Чтобы заснять левый глаз, держите телефон в левой руке.
- Поверните телефон горизонтально и поместите палец или большой палец на кнопку регулировки громкости.
- Убедитесь, что ваша рука или телефон не мешают обзору второго глаза.
- Посмотрите в зеркало на отражение дисплея телефона, чтобы выровнять глаз так, чтобы он находился в центре дисплея, а глаз заполнял кадр.
- Держите объектив камеры на расстоянии 4 дюйма от глаз
- Затем снимите видео, нажав кнопку громкости на телефоне. Это проще, чем пытаться нажать кнопку на экране.
- Снимите видео каждого глаза отдельно.
- Видео должно быть менее 10 секунд.
Это ЧРЕЗВЫЧАЙНО важно иметь хороший фокус. Полезны только целенаправленные видео. Размытое видео не может быть проанализировано. Если ваше видео выглядит размытым, убедитесь, что объектив камеры на задней панели телефона не загрязнен и что вы не держите телефон слишком близко к глазам.Глаз должен быть в центре кадра, и его не должны закрывать никакие тени.
Если у вас возникли проблемы, попросите помочь члена семьи или друга. Они могут снять для вас видео с 2-2,5-кратным зумом, вспышкой Если ваш телефон был выпущен до 2017 года, возможно, качество изображения будет недостаточным для оценки.
Видео должно содержать несколько ключевых особенностей:
- Направление взгляда
- Посмотрите прямо и дважды моргните (обязательно)
- Открыть широко (должна быть видна вся цветная часть глаза)
- Посмотрите вверх и дважды моргните
- Глядя вверх, оттяните нижнее веко
- Смотреть вниз
- Глядя вниз, подтяните верхнее веко
- Посмотрите налево и широко раскройте глаза
- Посмотрите направо и широко раскройте глаза
- Осторожно закройте глаза
- Посмотрите прямо и дважды моргните (обязательно)
Как проверить зрение
Точная острота зрения важна для оценки в телемедицине.Перед обследованием ваш врач уточнит, как он хотел бы, чтобы вы проверили свое зрение, будь то контактные линзы или очки. Пожалуйста, следуйте этим указаниям.
- Для проверки зрения дома вам понадобятся два устройства (смартфон и ноутбук/планшет), оба с подключением к Интернету.
Вам также понадобится комната площадью 10 футов.
- Загрузите приложение EyecareLive на свой смартфон.
- Зарегистрируйтесь в приложении (это бесплатно), затем откройте приложение.
- Выберите параметры проверки зрения, затем выберите «Начать проверку зрения».
- В приложении выберите, носите ли вы контактные линзы или очки, если вы не носите или вас попросили не носить очки или контактные линзы, затем выберите «Нет».
- На ноутбуке откройте браузер и перейдите на страницу https://doctors.eyecarelive.com/testmyvision/#/vision .
- На веб-сайте выберите «Начать проверку зрения». (При необходимости на сайте есть обучающее видео.)
- С помощью приложения EyecareLive на смартфоне отсканируйте QR-код на экране компьютера.
- Следуйте инструкциям в приложении.
- Если ваш телефон поддерживает дополненную реальность, приложение поможет вам измерить расстояние в 10 футов.
- При ходьбе назад на 10 футов важно держать свой смартфон близко к телу, на бедре, с камерой, направленной вниз на пол .
Это поможет обеспечить точное расстояние.
- Как только вы достигнете 10 футов, приложение подаст звуковой сигнал. Оставайтесь на этом расстоянии.
- При ходьбе назад на 10 футов важно держать свой смартфон близко к телу, на бедре, с камерой, направленной вниз на пол .
- Если ваш телефон не поддерживает дополненную реальность, вам понадобится рулетка, чтобы измерить 10-футовое тестовое расстояние.
- Отметьте пол на высоте 10 футов и поместите переднюю часть лодыжки на отметку.
- Следуйте инструкциям в приложении, закрывая каждый глаз, как указано.
- Аккуратно положите ладонь на глаз. Не давите на глаза.
- Когда вы закончите проверку зрения, сделайте снимок экрана с результатами, чтобы отправить их своему врачу
Вариабельность реакции аккомодации глаза после длительной работы с объемным изображением
За последнее десятилетие в здравоохранении было реализовано бесчисленное количество технологических инноваций, и метод трехмерной (3D) визуализации является одним из них.Объемный дисплей — это инновационная технология, которая создает реальное трехмерное изображение путем освещения точек в трехмерном пространстве для создания объемных изображений (Osmanis, 2016), что может быть ценным инструментом для медицинских работников, когда необходимо обнаружение анатомических аномалий. Несмотря на то, что технология объемного изображения устранила несоответствие между вергенцией глаз и аккомодацией, которое было выделено как типичная причина зрительного дискомфорта после просмотра стереоскопических изображений (Bando et al., 2012), мы все же должны учитывать возможность зрительного утомления после любой длительной работы вблизи, в том числе при работе с объемным изображением. Зрительная усталость связана с широким спектром зрительных симптомов, включая астенопию, утомляемость, болезненность глаз и головные боли.
Шесть молодых людей в возрасте от 22 до 28 лет (средний возраст ± стандартное отклонение, 26 ± 2 года) дали информированное согласие на добровольное участие в исследовании. Мы использовали эксцентрический фоторефрактор PowerRef3 для измерения аккомодации глаза, изменчивости аккомодации и размера зрачка перед работой с объемным изображением (базовое измерение), после трех последовательных сеансов поисковой задачи (каждая продолжительностью ~ 10 минут) и после 5-минутного отдыха после задачи.
Используемый объемный дисплей состоит из 20 неполяризующих жидкокристаллических рассеивателей шириной 39,5 см и высотой 29,5 см. Разрешение по осям X, Y, Z составляло 1024x768x20 физических пикселей (1024x768x100 воспринимаемых пикселей) с частотой обновления 60 Гц. Расстояние между двумя последовательными плоскостями 5,04 мм, ширина каждого экрана 1,1 мм.
Средняя вариабельность реакции аккомодации после работы с объемным дисплеем составила 0,08±0,04 дптр и оставалась стабильной на протяжении всех сеансов эксперимента (ранговый критерий Уилкоксона, p<0.05). Такая степень изменчивости ответа предполагает, что объемное отображение не вызывало противоречивых последствий для механизма фокусировки глаз. Большая изменчивость предполагает путаницу в отношении того, насколько система аккомодации должна расслабляться или сокращаться на заданном расстоянии.
Объемная визуализация в реальном времени (4D) и управление офтальмологической хирургией человека in vivo с помощью интраоперационной оптической когерентной томографии
Даниэль, Р. К. Микрохирургия: Зазеркалье. Н. англ. Дж.Мед. 300, 1251–1257 (1979).
КАС Статья пабмед ПабМед Центральный Google Scholar
Сингх М. и Саксена А. Микрохирургия: полезный и универсальный инструмент в хирургии. Surg. Курс. Рез. 04, 9–11 (2014).
КАС Google Scholar
Резник, Р. К. и Макрей, Х. Обучение хирургическим навыкам — Изменения на ветру. Н. англ. Дж. Мед. 355, 2664–9 (2006).
КАС Статья пабмед ПабМед Центральный Google Scholar
Рамачандран С., Ганем А. М. и Майерс С. Р. Оценка компетентности в области микрохирургии: где мы сейчас? Микрохирургия 33, 406–415 (2013).
Артикул пабмед ПабМед Центральный Google Scholar
Институт, NE Исследование возрастных заболеваний глаз. (2013).
Махемер, Р. и Парел, Дж. М. Усовершенствованный потолочный микрохирургический аппарат и автоматизированное телевидение. Являюсь. Журнал офтальмологии 85, 205–9 (1978).
КАС Статья Google Scholar
Berkovic, S. F. et al. Предоперационная МРТ предсказывает исход височной лобэктомии: актуарный анализ AXI. Неврология 45, 1358–1363 (1996).
Артикул Google Scholar
Росси, Ч.Р.и другие. Роль предоперационного ультразвукового исследования в обнаружении метастазов в лимфатических узлах перед биопсией сторожевого узла у пациентов с меланомой. Дж. Сур. Онкол. 83, 80–4 (2003).
Артикул пабмед ПабМед Центральный Google Scholar
Goutallier, D., Postel, J., Bernageau, J., Lavau, L. & Voisin, M. Дегенерация жировых мышц при разрывах манжеты. клин. Ортоп. Относ. Рез. 78–83 (1994).
Сенфт, К. и др.Интраоперационное руководство МРТ и объем резекции при хирургии глиомы: рандомизированное контролируемое исследование. Ланцет. Онкол. 12, 997–1003 (2011).
Артикул пабмед ПабМед Центральный Google Scholar
Kenngott, H.G. et al. Наведение изображения в режиме реального времени при лапароскопической хирургии печени: первый клинический опыт использования системы наведения, основанной на интраоперационной компьютерной томографии. Surg. Эндоск. 28, 933–40 (2014).
Артикул пабмед ПабМед Центральный Google Scholar
Комо, Р.М., Фенстер А. и Петерс Т.М. Интраоперационное ультразвуковое исследование для контроля и коррекции смещения тканей в нейрохирургии под визуальным контролем. Мед. физ. 27, 787–800 (2000).
КАС Статья пабмед ПабМед Центральный Google Scholar
Нешат, Х. и др. Система трехмерного ультразвукового сканирования для вмешательств на печени под визуальным контролем. Мед. физ. 40, 112903 (2013).
Артикул пабмед ПабМед Центральный Google Scholar
Вармейер, А.Л., Хаттеман М., ван дер Ворст Дж. Р., ван де Вельде С. Дж. Х. и Франджиони Дж. В. Хирургия рака под визуальным контролем с использованием ближней инфракрасной флуоресценции. Нац. Преподобный Клин. Онкол. 10, 507–18 (2013).
КАС Статья пабмед ПабМед Центральный Google Scholar
Кихара, К. и др. Новая трехмерная система отображения на голове, система TMDU-S-3D, для применения в малоинвазивной хирургии: процедуры безгазовой однопортовой радикальной нефрэктомии.Междунар. Дж. Урол. 19, 886–889 (2012).
Артикул пабмед ПабМед Центральный Google Scholar
Ehlers, J.P. et al. Интегративные достижения для офтальмологической хирургии под контролем ОКТ и интраоперационной ОКТ: интеграция микроскопа, хирургические инструменты и отображение отзывов хирурга на лобовом стекле. PLoS One 9, e105224 (2014 г.).
Артикул ОБЪЯВЛЕНИЯ КАС пабмед ПабМед Центральный Google Scholar
Пфау, М., Michels, S., Binder, S. & Becker, MD. Клинический опыт использования первой коммерчески доступной системы интраоперационной оптической когерентной томографии. Офтальмохирургия, лазерная визуализация сетчатки. 46, 1001–1008 (2015).
Артикул Google Scholar
Ehlers, J.P. et al. Определение целесообразности и полезности интегрированной в микроскоп оптической когерентной томографии во время офтальмологической хирургии. JAMA Офтальмол. 133, 1124 (2015).
Артикул пабмед ПабМед Центральный Google Scholar
Эккардт, К. и Пауло, Э. Б. Хирургия головы для витреоретинальных процедур: экспериментальное и клиническое исследование. Сетчатка 36, 137–147 (2016).
Артикул пабмед ПабМед Центральный Google Scholar
Peng, H. et al. Виртуальный палец улучшает трехмерную визуализацию и микрохирургию, а также визуализацию и анализ изображений объемом в терабайт.Нац. коммун. 5, 4342 (2014).
КАС Статья ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Huang, D. et al. Оптической когерентной томографии. Наука. 254, 1178–1181 (1991).
КАС Статья ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Пулиафито, К.А. и др. Визуализация макулярных заболеваний с помощью оптической когерентной томографии.Офтальмология 102, 217–229 (1995).
КАС Статья пабмед ПабМед Центральный Google Scholar
Izatt, J. A. et al. Визуализация переднего отдела глаза с микрометровым разрешением In Vivo с помощью оптической когерентной томографии. Арка Офтальмол. 112, 1584–1589 (1994).
КАС Статья пабмед ПабМед Центральный Google Scholar
Ю, Х.и другие. Внутриартериальный катетер для одновременной микроструктурной и молекулярной визуализации in vivo. Нат . Мед. 17, 1680–4 (2011).
КАС Google Scholar
Kim, D.Y. et al. Оптическая визуализация хориоретинальной сосудистой сети в живом человеческом глазу. проц. Натл. акад. науч. США 110, 14354–9 (2013).
КАС Статья ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Цзя Ю.и другие. Количественная оптическая когерентная томографическая ангиография сосудистых аномалий глаза живого человека. проц. Натл. акад. науч. 12, 2395–2402 (2015).
Артикул КАС Google Scholar
Maldonado, R. S. et al. Оптимизация ручной оптической когерентной томографии в спектральной области для новорожденных, младенцев и детей. Вкладывать деньги. Офтальмол. Вис. науч. 51, 2678–85 (2010).
Артикул пабмед ПабМед Центральный Google Scholar
Кут, К.и другие. Обнаружение инфильтрации рака головного мозга человека ex vivo и in vivo с помощью количественной оптической когерентной томографии. науч. Перевод Мед. 7 (2015).
Boppart, S.A. и др. Интраоперационная оценка микрохирургии с помощью трехмерной оптической когерентной томографии. Радиология 208, 81–86 (1998).
КАС Статья пабмед ПабМед Центральный Google Scholar
Паланкер, Д.В. и др. Фемтосекундная лазерная хирургия катаракты с интегрированной оптической когерентной томографией. науч. Перевод Мед. 2, 58ra85 (2010).
Артикул пабмед ПабМед Центральный Google Scholar
Тао, Ю. К., Элерс, Дж. П., Тот, К. А. и Изатт, Дж. А. Интраоперационная оптическая когерентная томография в спектральной области для витреоретинальной хирургии. Опц. лат. 35, 3315–3317 (2010).
Артикул ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Биндер, С., Фолкнер-Радлер, К.И., Хаугер, К., Матц, Х. и Глиттенберг, К. Осуществимость интраоперационной оптической когерентной томографии в спектральной области. Сетчатка 31, 1332–1336 (2011).
Артикул пабмед ПабМед Центральный Google Scholar
Герлинг, Г. и др. Интраоперационная двухмерная оптическая когерентная томография как новый инструмент хирургии переднего отрезка глаза. Арка Офтальмол. 123, 253–7 (2005).
Артикул пабмед ПабМед Центральный Google Scholar
Элерс, Дж. П. и др. Полезность интраоперационной оптической когерентной томографии во время витрэктомии при витреомакулярном тракционном синдроме. Сетчатка (2014).
Nguyen, F. T. et al. Оптическая когерентная томография: интраоперационная оценка лимфатических узлов при раке молочной железы. IEEE инж. Мед. биол. Маг. 29, 63–70 (2010).
Артикул пабмед ПабМед Центральный Google Scholar
Probst, J. et al. Оптическая когерентная томография с онлайн-визуализацией более семи визуализируемых объемов в секунду.Дж. Биомед. Опц. 15, 026014–1–4 (2010).
Артикул Google Scholar
Viehland, C. et al. Улучшенная объемная визуализация для интраоперационной 4D-офтальмологической ОКТ с переменным источником в реальном времени. Биомед. Опц. Экспресс 7, 1815–29 (2016).
Артикул пабмед ПабМед Центральный Google Scholar
Шен, Л. и др. Новый встроенный в микроскоп стереоскопический проекционный дисплей для интраоперационной оптической когерентной томографии.Биомед. Опц. Экспресс 7, 1711–1726 (2016).
Артикул ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Тодорич Б. и др. Влияние интегрированной ОКТ под микроскопом на выполнение резидентами-офтальмологами хирургических маневров переднего сегмента в модельных глазах. Вкладывать деньги. Офтальмол. Вис. науч. 57, 146–153 октября (2016 г.).
Артикул пабмед ПабМед Центральный Google Scholar
Керкес, Г., Prascina, F., Laculli, C. & Noci, N.D. Токсичность индоцианина зеленого для сетчатки. Офтальмология 28, 115–118 (2008).
Google Scholar
Ву, Ю. и др. Пилинг внутренней ограничивающей мембраны с помощью индоцианина зеленого при хирургии макулярных отверстий: метаанализ. PLoS One 7, e48405 (2012 г.).
КАС Статья ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Пасрича Н.Д. и др. Интегрированная в микроскоп ОКТ в реальном времени для улучшения визуализации в DSAEK при запущенной буллезной кератопатии. Роговица 34, 1606–1610 (2015).
Артикул пабмед ПабМед Центральный Google Scholar
Даяни, П. Н., Мальдонадо, Р., Фарсиу, С. и Тот, К. А. Интраоперационное использование портативной оптической когерентной томографии в спектральной области в макулярной хирургии. Сетчатка 29, 1457–68 (2009).
Артикул пабмед ПабМед Центральный Google Scholar
Элерс, Дж.П., Сюй Д., Кайзер П., Сингх Р. и Сривастава С. Интраоперационная динамика хирургии макулярного отверстия: оценка вызванных хирургическим вмешательством ультраструктурных изменений с помощью интраоперационной оптической когерентной томографии. Сетчатка 34, 213–221 (2014).
Артикул пабмед ПабМед Центральный Google Scholar
Хан, П. и др. Доклиническая оценка и интраоперационная визуализация сетчатки глаза человека с помощью устройства оптической когерентной томографии спектрального домена с высоким разрешением, интегрированного в микроскоп.Сетчатка 33, 1328–1337 (2013).
Артикул пабмед ПабМед Центральный Google Scholar
Хан, П., Мигач, Дж., О’Коннелл, Р., Изатт, Дж. А. и Тот, К. А. Необработанная визуализация витреоретинальных хирургических маневров в режиме реального времени с использованием интегрированной в микроскоп системы оптической когерентной томографии в спектральной области. Арка Грефе. клин. Эксп. Офтальмол. 251, 213–220 (2013).
Артикул Google Scholar
Хан, П.и другие. Интрахирургическая визуализация сетчатки глаза человека с ручным отслеживанием инструментов с использованием встроенного в микроскоп спектрально-доменного оптического когерентного томографа. Перевод Вис. науч. Технол. 4, 1–9 (2015).
Артикул пабмед ПабМед Центральный Google Scholar
Герлинг, Г. и др. Интраоперационная двухмерная оптическая когерентная томография как новый инструмент хирургии переднего отрезка глаза. Арка Офтальмол. 123, 253 (2005).
Артикул пабмед ПабМед Центральный Google Scholar
Фолкнер-Радлер, К., Глиттенберг, К., Габриэль, М. и Биндер, С. Интрахирургический оптический когерентный томограф с интегрированным спектральным микроскопом и мембранный пилинг. Сетчатка 35, 1–7 (2015).
Артикул Google Scholar
Grewal, D. S. et al. Интраоперационная оптическая когерентная томография с вращающимся источником, интегрированная в микроскоп, контролировала размещение протеза сетчатки Argus II. Акта Офтальмол. ePub перед печатью (2016 г.).
Стивен, П. и другие. Оптимизация эндотелиальной кератопластики десцеметовой мембраны с помощью интраоперационной оптической когерентной томографии. JAMA Офтальмол. 131, 1135–42 (2013).
Артикул пабмед ПабМед Центральный Google Scholar
Migacz, J. et al. Интраоперационная оптическая когерентная томография сетчатки в Opt. Когерентность Томогр. Технол. заявл. 1771–1796 (2015).
Эль-Хаддад, М. Т. и Тао, Ю. К. Автоматическое отслеживание инструментов стереозрения для интраоперационных офтальмологических хирургических маневров переднего сегмента под контролем ОКТ.Биомед. Опц. Экспресс 6, 3014 (2015).
Артикул пабмед ПабМед Центральный Google Scholar
Эль-Хаддад, М. Т. и Тао, Ю. К. Динамическое отслеживание глубины в режиме реального времени для ОКТ-изображений произвольного дальнего действия и отслеживания хирургических инструментов с использованием оптической линии задержки в области Фурье. Вкладывать деньги. Офтальмол. Вис. науч. 56, 4089 (2015).
Google Scholar
Ассайаг О.и другие. Визуализация неопухолевых и опухолевых тканей головного мозга человека с помощью полнопольной оптической когерентной томографии. Клиника НейроИмидж. 2, 549–557 (2013).
Артикул пабмед ПабМед Центральный Google Scholar
Muller, B.G. et al. Диагностика рака предстательной железы с помощью оптической когерентной томографии: первые результаты оптической платформы на основе иглы для взятия проб тканей. J. Biophotonics 9, н/д – н/д (2016).
Весселс, Р.и другие. Значение оптической когерентной томографии в определении хирургических границ при плоскоклеточном раке вульвы: одноцентровое проспективное исследование. Междунар. Дж. Гинекол. Рак 00, 1–7 (2014).
Google Scholar
Erickson-Bhatt, S. J. et al. Визуализация резекционного ложа в режиме реального времени с помощью ручного датчика для снижения частоты микроскопических положительных краев в онкологической хирургии. Рак рез. 75, 3706–3712 (2015).
КАС Статья пабмед ПабМед Центральный Google Scholar
Потсаид Б.и другие. Сверхскоростная офтальмологическая ОКТ спектральная/Фурье-область со скоростью от 70 000 до 312 500 осевых сканирований в секунду. Опц. Экспресс 16, 15149–69 (2008).
Артикул ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Zhang, K. & Kang, J. U. Интраоперационная 4D полнодиапазонная ОКТ в режиме реального времени на основе архитектуры с двумя графическими процессорами для управления микрохирургией. Биомед. Опц. Экспресс 2, 764–770 (2011).
Артикул пабмед ПабМед Центральный Google Scholar
Чой Д. -Х., Хиро-Ока, Х., Симидзу, К. и Обаяси, К. Оптическая когерентная томография в спектральной области мультимегагерцового А-сканирования в диапазоне 1310 нм и 4D-отображение в реальном времени до 41 тома в секунду . Биомед. Опц. Экспресс 3, 3067–86 (2012).
Артикул пабмед ПабМед Центральный Google Scholar
Wieser, W. et al. 3D-OCT высокого разрешения в реальном времени in vivo : проектирование и оценка механизма 4D OCT с 1 GVoxel/s. Биомед.Опц. Экспресс 5, 2963 (2014).
Артикул пабмед ПабМед Центральный Google Scholar
Далла, А., Шиа, К. и Изатт, Дж. А. Эффективная буферизация развертки в оптической когерентной томографии с разверткой источника с использованием быстрого оптического переключателя. Биомед. Опц. Экспресс 3, 1448–1450 (2012).
Google Scholar
Ehlers, J. P. et al. Интеграция системы оптической когерентной томографии спектральной области в операционный микроскоп для интраоперационной визуализации.Вкладывать деньги. Офтальмол. Вис. науч. 52, 3153–9 (2011).
Артикул пабмед ПабМед Центральный Google Scholar
Вестфаль В., Роллинс А. М., Радхакришнан С. и Изатт Дж. А. Коррекция геометрических и рефракционных искажений изображения в оптической когерентной томографии с применением принципа Ферма. Опц. Экспресс 10, 397–404 (2002).
Артикул ОБЪЯВЛЕНИЯ пабмед ПабМед Центральный Google Scholar
Делори, Ф.К., Уэбб, Р. Х. и Слайни, Д. Х. Максимально допустимое воздействие для безопасности глаз (ANSI 2000), с акцентом на офтальмологические устройства. 24, 1250–1265 (2007).
Объемная флуоресцентная визуализация в модели человеческого глаза с помощью лазерного офтальмоскопа с косым сканированием (oSLO): технико-экономическое обоснование
%PDF-1. 7
%
1 0 объект
>/Метаданные 4 0 R/Страницы 2 0 R/StructTreeRoot 3 0 R/Тип/Каталог/ViewerPreferences 5 0 R>>
эндообъект
4 0 объект
>поток
Приложение Microsoft® Word 2016/pdf

Развитие компетенций в интерпретации объемных изображений у резидентов-радиологов | BMC Medical Education
Нидерландский радиологический тест
Цифровые радиологические тесты, которые исследовались в этом исследовании, были получены на основе Голландского радиологического теста прогресса (DRPT). DRPT — это полугодовой комплексный тест для резидентов-радиологов в Нидерландах [11]. Это обязательный тест для всех резидентов-радиологов в Нидерландах в течение их 5-летней программы резидентуры, основанной на компетенциях, что означает в общей сложности 10 индивидуальных тестов, равномерно распределенных в течение аспирантского года (PGY) 1–5.В каждом тесте участвуют жители всех 5 PGY, но жители могут индивидуально подать заявление об освобождении от участия по разным причинам, таким как посещение конгресса, праздники, отпуска или обстоятельства в личной жизни. Из-за этих правил распределения и из-за различий в количестве выпускников и вновь зачисленных резидентов общее количество участников варьируется между тестами. На протяжении всей программы резидентуры резиденты могут обучаться на неполный рабочий день, что пропорционально продлевает их программу обучения, чтобы достичь чистого времени обучения в 5 лет в конце программы.DRPT проводится с 2003 г., первоначально в виде бумажно-карандашного теста, а с 2013 г. в цифровом формате с использованием программного обеспечения, разработанного специально для тестирования на основе изображений (http://vquest.bluefountain.nl/en/). . Первоначально DRPT служил только формирующей цели, но в последние годы он превратился в итоговый тест. С 2017 года все пожилые резиденты должны пройти DRPT до завершения обучения.
DRPT разрабатывается экзаменационной комиссией Радиологического общества Нидерландов и включает тестовые задания на основе изображений с объемными или двумерными изображениями, а также текстовые задания (без изображений).Используются различные форматы ответа, в том числе элементы «истина/ложь», элементы с одним правильным множественным выбором, элементы с перетаскиванием и элементы меню с длинным списком. На рис. 1 показан типичный пример элемента теста на основе объемного изображения в DRPT. Во время фактического теста участник может прокручивать объемные изображения и манипулировать изображениями для оптимизации интерпретации изображений. После каждого полугодового теста элементы рассматриваются в ходе постэкзаменационных анализов, включая психометрический анализ элементов и письменные отзывы участников, после чего экзаменационная комиссия принимает решение об удалении ошибочных элементов, если это необходимо, что обычно составляет менее 5%. .
Пример элемента теста на основе объемного изображения в голландском радиологическом прогрессе. На нем показано аксиальное объемное компьютерное томографическое сканирование (левое изображение) с объемной реконструкцией в сагиттальной плоскости (правое изображение). Участник теста может просмотреть как аксиальное сканирование, так и сагиттальную реконструкцию для интерпретации изображения. При желании участник также может сделать реконструкцию в коронарной плоскости (не показано). Вопрос пункта показан на левой панели на голландском языке
Сбор данных
Мы рассмотрели результаты 9 последовательных цифровых DRPT, проведенных с ноября 2013 г. по апрель 2018 г.Мы исключили элементы, которые были удалены в ходе постэкзаменационных анализов отдельных тестов, и мы исключили элементы, основанные на изображениях, которые включали схемы, а не радиологические изображения. Мы разделили тестовые элементы на основе изображений из этих тестов на 2 типа элементов: на основе объемных изображений (элементы, которые включали изображения объемных КТ или МРТ) и на основе 2D-изображений (элементы, которые включали рентгеновские изображения, ультразвуковые изображения или одиночные изображения). срезы из других методов визуализации поперечного сечения, но не объемные изображения).Кроме того, мы оценивали вероятность правильного угадывания задания теста, вычисляя обратную величину числа вариантов ответа в этом задании.
Для каждого жителя, участвующего в каждом отдельном DRPT, мы рассчитали процент правильных оценок по элементам теста на основе изображений и по тесту в целом. Впоследствии мы объединили баллы всех 9 отдельных DRPT для оценки общего процентного правильного балла на PGY, разделив PGY на 10 полугодовых фаз: PGY 0,5 указывал на период обучения в резидентуре от 0 до 6 месяцев, PGY 1 на период обучения от 6 месяцев. месяцы-1 год, PGY 1.5 период обучения от 1 года до 1 года и 6 месяцев и так далее. Количество PGY отражало чистый период обучения резидентов.
Чтобы учесть различия в шансах на успешное выполнение тестовых заданий, мы рассчитали скорректированные проценты правильных результатов: сначала мы оценили для каждого отдельного DRPT наивысший возможный числовой балл для двух типов тестовых заданий на основе изображений, а также для всего контрольная работа. Из этих максимально возможных баллов мы вычли ту часть, которую участники могли правильно набрать, просто угадывая; мы рассчитали эту часть путем суммирования оценок шансов успеха отдельных соответствующих тестовых заданий, в которых оценка шансов успеха данного задания теста была рассчитана как величина, обратная числу вариантов ответа в этом задании. Мы нормализовали итоговые максимально возможные баллы (т.е. максимально возможные баллы, скорректированные с учетом суммы баллов случайного успеха) до 100, а сумму баллов случайного успеха мы нормализовали до 0. перенесли эти баллы в нормализованную шкалу. Эти нормализованные скорректированные процентные правильные оценки жителей в данном DRPT могут варьироваться от 0 до 100, но также могут быть отрицательными, если жители набрали меньше, чем оценка суммы шансов успеха.Мы объединили результаты всех 9 отдельных DRPT для оценки общих баллов за полугодовую фазу PGY.
Статистический анализ
Мы исследовали нормальность показателей с помощью теста Колмогорова-Смирнова. Мы использовали U-критерий Манна-Уитни, чтобы проанализировать различия в шансах на успех тестовых заданий между объемными и двумерными изображениями. Мы выполнили тест Крускала-Уоллиса, чтобы исследовать различия в процентах правильных результатов, как нескорректированных, так и скорректированных на вероятность успеха тестового задания, между PGY для каждого типа элемента на основе изображения и для всего теста. Чтобы проанализировать, различаются ли скорректированные процентные правильные оценки между объемными и двухмерными элементами изображения, мы выполнили парный t-критерий, используя пару объемных и двумерных оценок для каждого отдельного участвовавшего жителя. Значение p < 0,05 считалось статистически значимым.
Мы не проводили повторный анализ наших продольных данных, потому что отдельные жители обычно не участвовали в каждом из 9 исследованных DRPT. Например, пожилые резиденты, участвовавшие в тесте 2013 года, не участвовали в последующих тестах, потому что к тому времени они уже закончили резидентуру.Точно так же резиденты, которые недавно записались на курсы радиологии в 2017–2018 гг., не участвовали в тестах 2013–2016 гг., поскольку в эти годы они не проходили обучение. Также несколько жителей не участвовали в индивидуальных испытаниях из-за устроения. В результате у большинства резидентов в нашем исследовании не было данных по всем 9 последовательным DRPT, что ограничивало анализ повторных измерений. Тем не менее, основное внимание в нашем исследовании уделялось сравнению объемных и двухмерных показателей у жителей, и это вполне можно было бы исследовать с помощью анализа наших данных с помощью парного теста.
Одобрение институционального наблюдательного совета
Это исследование было одобрено этическим наблюдательным советом Нидерландской ассоциации медицинского образования (номер досье 1068).
Интерпретация объемных изображений в радиологии: поведение при прокрутке и когнитивные процессы
Участники
Данные исследовательского проекта Van der Gijp et al. (2015) используются в настоящем исследовании. Участниками этого набора данных являются 20 стажеров-радиологов с четвертого по шестой год обучения (M , возраст = 34.7 лет, 75% женщин) Университетского медицинского центра Утрехта (UMCU) в Нидерландах. Проект Van der Gijp et al. (2015) сосредоточились на этой популяции, занимающейся исследованием среднего уровня, поскольку люди среднего уровня, вероятно, говорят больше, чем новички и опытные радиологи (Rikers et al. , 2000). Все участники согласились добровольно участвовать в этом исследовании и подписали формы информированного согласия.
Инструментарий
Примеры изображений
Участникам было предложено заполнить четыре случая объемных изображений КТ, выбранных из большого набора из 17 возможных случаев изображений КТ.Шкафы изображения были прочитаны в режиме стека, подразумевая, что несколько сотен ломтиков изображений были сложены, чтобы восстановить объемные анатомические структуры человека. Все 17 случаев были связаны с распространенными (под)острыми заболеваниями в четырех областях радиологии; Неврорадиология (четыре случая травматических заболеваний мозга или штрихов), опорно-двигательного аппарата (четыре случая переломов плеча, бедра, фута или позвоночника), брюшной полости (пять случаев острых заболеваний органов брюшной полости, сосудов или кишечников, таких как травматический, сосудистый или Инфекционные проблемы), а груд (четыре случая острых заболеваний легких или сосудов, таких как травматические, сосудистые или инфекционные проблемы).Каждый участник сделал по одному кейсу из каждой подобласти. Это соответствовало целям стажировки, которую участники проходили в то время и которая была завершена всеми участниками.
Короткая клиническая виньетка с информацией о возрасте, поле, соответствующем анамнезе и жалобах пациентов была представлена во время введения каждого случая изображения. Обнаружено, что клинический опыт влияет на работу рентгенологов, а также на их зрительское поведение (Berbaum et al. 2010).Однако, поскольку рентгенологи обычно рассматривают медицинское изображение в сочетании с клиническим фоном, мы утверждаем, что это отражает естественную ситуацию интерпретации изображения и повышает экологическую достоверность. Кроме того, обеспечение клинической подготовки соответствует целям стажировки.
VQuest
Варианты изображений были показаны в VQuest (http://www.vquest.nl), цифровой среде оценки, которая позволяет прокручивать стопку изображений, изменять направление просмотра или настройки окна, увеличивать и уменьшать масштаб и панорамирование изображения.VQuest используется для оценки радиологии в UMCU, а также на национальном уровне и признан достоверным, точным и удобным для пользователя (Ravesloot et al. 2015).
Отображение изображений
Случаи объемных КТ-изображений отображались в оттенках серого и представлялись на 23-дюймовом мониторе компьютера с разрешением 1920 × 1080 пикселей (без калибровки по DICOM GSDF). Участники могли прокручивать стопку изображений вперед и назад. Помимо прокрутки изображения, настройки окна можно было настроить для мягких тканей, костей, легких и мозга.Кроме того, все случаи изображений можно было просматривать в сагиттальном, коронарном и осевом направлениях просмотра (x, y, z). На рисунке 2 показан пример объемного изображения с тремя разными фрагментами изображения в осевом направлении просмотра изображения.
Рис. 2Пример отображения изображений брюшной полости в осевом направлении обзора
Процедура
Исследование проводилось в компьютерном зале УМКУ. Жалюзи в этой комнате были закрыты, блокируя большую часть дневного света, но не создавая абсолютно темной среды, что соответствует ежедневной рентгенологической практике.Перед исследованием участники получили стандартную инструкцию и выполнили упражнение на размышления вслух. Затем участников попросили подумать вслух, изучая случаи с изображениями. Участников также попросили сообщить о (дифференциальном) диагнозе, дать совет, если это необходимо, и указать, чувствовали ли они потребность в дополнительной информации для интерпретации случая изображения. Участники смогли ввести эту информацию в VQuest. Супервайзер оставался в комнате, чтобы побудить участников думать вслух.Видеокамера зафиксировала весь процесс.
Исполнение
Участники получали 0 баллов, когда случай был решен неправильно, и 0,5 балла, когда случай был решен частично правильно (например, когда сообщалось о правильном отклонении, но была допущена ошибка в точном расположении отклонения , или когда было правильно сообщено, что аномалия представляет собой расслоение аорты, но был указан неверный тип расслоения), или 1 балл, когда случай был полностью правильно решен.
Кодирование протоколов размышлений вслух
После расшифровки протоколов размышлений вслух вербализация была закодирована с использованием схемы Van der Gijp et al. (2014) в качестве схемы кодирования (таблица 2 в приложении). Эта структура доказала свою высокую межэкспертную надежность в предыдущем исследовании ( κ Коэна = ,83) (Van der Gijp et al. 2014). Два независимых оценщика кодировали одновременные протоколы размышлений вслух 25% участников. После того, как межэкспертная надежность была признана удовлетворительной (Коэн κ = .76), один оценщик продолжал кодировать оставшиеся протоколы размышлений вслух.
Высказывания, связанные с необходимыми знаниями и навыками (см. необходимый компонент на рис. 1), могут быть отнесены к основным категориям восприятия, анализа и синтеза на основе контекста конкретного высказывания. В качестве иллюстрации, высказывания, отражающие манипуляции с изображением (например, «Перейдем к оправке костей», в переводе с голландского), могут быть закодированы как восприятие в случае, если участник ищет аномалии, но подобное высказывание также может быть закодировано как анализ. в случае, если участник манипулировал изображением с целью анализа аномалии, наблюдаемой ранее.Высказывания, которые не могли быть отнесены ни к одной из основных категорий или к элементам необходимых знаний и умений, относились к категории «другие».
Идентификация типов поведения прокрутки
Типы поведения прокрутки были рассчитаны на основе файлов журналов, которые непрерывно записывались VQuest. Лог-файлы отслеживали точный номер среза, который отображался в направлении просмотра (аксиальном, сагиттальном или коронарном) в любой момент. Все манипуляции регистрировались, в результате чего на каждый случай изображения приходилось от 1500 до более 6000 записей.
Мы идентифицировали полные циклы, полуциклы или колебания в соответствии с определениями Venjakob et al. (2012). На рис. 3 показана случайная часть файла журнала по оси Z, то есть по осевому направлению просмотра, сгенерированная из случая изображения, заполненного участником. Каждый раз при достижении локального экстремального минимума мы сравнивали эту точку с предыдущим локальным экстремальным максимумом (и наоборот: экстремальные локальные максимумы сравнивались с предыдущими экстремальными локальными минимумами). На рис. 3 буква B обозначает крайний локальный минимум, а A — его предыдущий крайний локальный максимум.Разница между этими двумя точками по оси Z составляет более 50% от общего количества срезов в текущем направлении просмотра, которое в данном случае составило 232. Таким образом, линия A–B показывает полный пробег. Линия B–C показывает полупробег, движение прокрутки вперед через 25–50% всех срезов изображения. Колебание представлено линией C – D, потому что эта линия представляет движение назад менее чем через 25% всех срезов изображения. Мы рассматривали движения прокрутки менее чем через 1% срезов как случайный шум и, следовательно, игнорировали эти движения.В каждом случае изображения общее количество срезов в каждом направлении просмотра различалось (сагиттальное, коронарное и осевое). Расчеты полных прогонов, полупрогонов и колебаний были адаптированы к общему количеству срезов, когда участник менял направление взгляда.
Рис. 3Графическое представление случайной части лог-файла случая изображения, просматриваемого в осевом направлении
В отношении двух дополнительных типов поведения прокрутки, которые мы ввели (т. е. манипуляции с изображениями и прерывания), расчеты были выполнены следующим образом.Пробелы в файлах журналов или, другими словами, отсутствие записей в файлах журналов в течение трех и более секунд (не показано на рис. 3) назывались прерываниями. Прерывания могут происходить во время полных циклов, половинных циклов и колебаний. Что касается манипуляций с изображениями, это поведение было явно указано в файлах журналов такими утверждениями, как «изменено на корональное», что указывает на изменение направления просмотра, или «изменено на настройку мозга», что указывает на изменение настроек окна. Весь процесс извлечения типов поведения прокрутки из лог-файлов был выполнен в ImageXplorer (версия 1.2.0.0), программа для анализа журналов, и была полностью автоматической.
Анализ данных
Один случай одного участника не был полностью зарегистрирован и поэтому удален из набора данных. В итоге 20 участников выполнили в общей сложности 79 кейсов.
Производительность
Мы проверили, связаны ли проценты когнитивных процессов участников (т. е. восприятия, анализа и синтеза) с производительностью на уровне случая и участника. Мы рассчитали (1) коэффициенты корреляции Спирмена между оценкой случая и процентным соотношением трех когнитивных процессов для этого случая и (2) коэффициенты корреляции Пирсона между общей производительностью участников и их средним процентом трех когнитивных процессов, которые могут идентифицировать взаимосвязь участников. уровень.Общая производительность участников представляла собой сумму баллов участников по делам и имела диапазон от 0 (т. е. без правильно выполненных дел) до 4 (т. е. все дела были выполнены правильно) с интервалом 0,5. Для отсутствующих случаев применялось среднее вменение производительности.
Поведение при прокрутке и когнитивные процессы
Чтобы проанализировать, связаны ли и каким образом типы поведения при прокрутке и когнитивные процессы, мы соединили эти две категориальные переменные на основе времени. Каждый раз, когда участник озвучивал мысль, участник также выполнял определенный тип поведения прокрутки.Впоследствии мы сопоставили частоты двух категориальных переменных и выполнили критерий хи-квадрат. Последующие попарные сравнения, основанные на z -критериях (в результате которых была получена z-статистика, стандартное нормальное отклонение), были рассчитаны для сравнения долей когнитивных процессов во время полных прогонов, полупрогонов и колебаний. Все попарные сравнения были скорректированы с поправкой Бонферрони, чтобы снизить риск совершения ошибок типа I.
Допущения кросс-табличного анализа с критерием хи-квадрат выполнены.Несмотря на то, что участники завершили четыре случая каждый, предполагается независимость наблюдений, поскольку предыдущие исследования показали, что поисковое поведение в значительной степени зависит от случая (Kok et al. 2012; Van der Gijp et al. 2017). В этом смысле мы предполагаем, что случаи, сделанные одним участником, не влияют друг на друга с точки зрения поведения прокрутки и когнитивных процессов.
Отношения между когнитивными процессами
Чтобы проанализировать отношения между восприятием, анализом и синтезом, мы сначала описали временные закономерности в когнитивной обработке на протяжении всего процесса интерпретации изображения.В соответствии с Морита и соавт. (2008), мы разделили каждый случай изображения на четыре равные фазы по 25% от общего времени, потому что каждый случай был завершен в разное время. Для каждой фазы проценты высказываний восприятия, анализа, синтеза и других были рассчитаны по всем участникам и случаям изображения. В исследовании Morita et al. (2008), вербализация, представляющая концептуальную и перцептивную обработку, также исследовалась на протяжении времени и показала четкие различия в вербализации на четырех этапах.Поэтому мы предположили, что четыре равные фазы действительны для определения переходов в когнитивной обработке во времени.
Помимо описания временных паттернов, мы выполнили последовательный анализ запаздывания, чтобы лучше понять взаимосвязь между восприятием, анализом и синтезом с точки зрения переходов. Система данных процедуры «думай вслух» позволяла вести непрерывную последовательную запись когнитивных процессов, что приводило к «потоку» когнитивных процессов. Лаг-последовательный анализ подразумевает, что мы исследовали условную вероятность того, что за конкретным когнитивным процессом («заданным» кодом) следует другой когнитивный процесс («целевой» код) (ср.Чорни и др. 2010). Например, мы рассмотрели условную вероятность того, что за восприятием следует анализ. Условные вероятности рассчитывали как вероятность события X при данном событии Y по следующей формуле: p(X|Y) = p(X, Y)/p(Y).
Поскольку лаг-последовательный анализ относится к потоку когнитивных процессов, мы добавили два дополнительных «события», чтобы определить моменты, когда производилось переключение между двумя наблюдениями, и моменты, когда читалась клиническая информация, которая была предоставлена как часть случаи изображения.Таким образом, расчеты переходов начинались заново в начале нового случая изображения и, таким образом, предохраняли последовательный анализ от просчетов. Последовательный анализ лагов был выполнен в программе Multiple Episode Protocol Analysis (MEPA, версия 4.