[论文解读] Investigating the Cognitive Processes Involved in Cancer Cell Image Identification

Jennifer S. Trueblood, William R. Holmes+7 more|arXiv (Cornell University)|Sep 19, 2017

AI in cancer detection被引用 1

一句话总结

本研究运用信号检测理论与扩散决策模型，比较新手与专家在癌症细胞图像识别中的认知过程。研究发现，尽管辨别能力存在差异，但在时间压力和概率线索条件下，两组的反应模式相似，表明医学影像感知中存在共享的决策机制。

ABSTRACT

Training individuals to make accurate decisions from medical images is a critical component of education in diagnostic pathology. We describe a joint experimental and computational modeling approach to examine the similarities and differences in the cognitive processes of novice participants and experienced participants (pathology residents and pathology faculty) in cancer cell image identification. For this study we collected a bank of hundreds of digital images that were identified by cell type and classified by difficulty by a panel of expert hematopathologists. The key manipulations in our study included examining the speed-accuracy tradeoff as well as the impact of prior expectations on decisions. In addition, our study examined individual differences in decision-making by comparing task performance to domain general visual ability (as measured using the Novel Object Memory Test (NOMT) (Richler et al., 2017). Using Signal Detection Theory (SDT) and the Diffusion Decision Model (DDM), we found many similarities between expert and novices in our task. While experts tended to have better discriminability, the two groups responded similarly to time pressure (i.e., reduced caution under speed instructions in the DDM) and to the introduction of a probabilistic cue (i.e., increased response bias in the DDM). These results have important implications for training in this area as well as using novice participants in research on medical image perception and decision-making.

研究动机与目标

• 理解新手与专家诊断医师在癌症细胞图像识别中的认知机制。
• 研究时间压力与先前期望如何影响医学影像感知中的决策过程。
• 使用通用视觉能力测量方法，检验个体在决策表现上的差异。
• 评估在医学影像感知与决策研究中使用新手参与者的有效性。
• 通过计算建模框架，比较病理学住院医师与教师的认知策略。

提出的方法

• 收集了大量经专家血液病理学家分类的数字化癌症细胞图像，涵盖细胞类型与难度等级。
• 采用速度-准确性权衡范式，操纵决策时间并评估反应谨慎程度。
• 应用信号检测理论（SDT）分析图像识别任务中的辨别能力与反应偏向。
• 使用扩散决策模型（DDM）模拟决策动态，包括漂移率、阈值与非决策时间。
• 通过新物体记忆测试（NOMT）测量通用视觉能力，以评估个体差异。
• 比较新手参与者与经验丰富的病理学住院医师及教师的模型参数。

实验结果

研究问题

• RQ1 新手与专家在癌症细胞图像识别中的认知处理有何不同？
• RQ2 时间压力如何影响新手与专家群体的反应谨慎程度与决策准确性？
• RQ3 通过概率线索提供的先前期望如何影响医学影像决策中的反应偏向？
• RQ4 视觉能力的个体差异在多大程度上可预测医学影像感知任务中的表现？
• RQ5 从专家表现中推导出的认知模型在诊断病理学的新手学习者中是否具有普适性？

主要发现

• 专家在识别癌症细胞图像时的辨别能力（d'）显著优于新手。
• 在时间压力下，新手与专家均降低了反应谨慎程度，表现为DDM中决策阈值相似下降。
• 引入概率线索后，两组的反应偏向均增加，表明对先前期望具有相似的敏感性。
• 尽管准确率与辨别能力存在差异，但专家与新手的决策认知动态极为相似。
• 通过NOMT测量的视觉能力个体差异与表现相关，但并非专家与新手差异的主要驱动因素。
• 研究结果表明，在受控条件下，新手参与者可有效用于医学影像感知研究，因其决策过程与专家高度一致。