Объемные цифры картинки: Объемные цифры рисунок — 72 фото

Содержание

Цифры от 0 до 9

Если вы увлекаетесь квиллингом, то наверняка уже вручили своим друзьям и родным по красивой открытке, ведь создавать милые подарки приятно! Скручивая маленькие бумажные модули, вы наделяете каждый сувенир своей любовью и теплом. Открытки для близких людей должны быть особенными, чтобы получатель смотрел на ваш подарок и вспоминал о своём веселом дне рождении, свадьбе или о другом празднике. Поэтому важно подписывать поздравления и указывать дату. Желательно сделать это оригинально и необычно.

Содержание статьи:

Цифра 1
Цифра 2
Цифра 3
Цифра 4
Цифра 5
Цифра 6
Цифра 7
Цифра 8
Цифра 9
Цифра 0

Оформление в технике квиллинг – это прекрасный способ вписать дату на открытке так, чтобы символы стали частью её дизайна. Ниже вы найдете шаблоны для каждой цифры и сможете составить эксклюзивную композицию для красивых поздравлений.

Цифра 1


Эти шаблоны просты и универсальны одновременно. Начинающий мастер может заполнять контур крупными модулями любой формы, а профессионалы смогут работать с таким трафаретом в контурной, бихайв или бахромчатой технике.

Чем круглее края цифр, тем сложнее заполнять её деталями.

Обыкновенные трафареты можно украшать небольшими, но забавными деталями. Пример: единица с маленькой черепашкой. Контур подойдет для оформления детской открытки. Здесь важно не перенасыщать цветовую гамму работы. Если вы решили добавить такой элемент, то сделайте цифру однотонной или контурной. Если все модули будут пестрить разными оттенками, то ваша милая черепашка визуально «потеряется» среди них.

Кстати, иногда 1 символ способен полностью украсить вашу картинку. Смело составляете сюжетные композиции. Это выглядит оригинально.

Если ваше поздравление адресовано женщине, то используйте цветочные варианты оформления.

Бумагокручение позволяет создавать плавные и витиеватые узоры. Такие шаблоны можно использовать для любых открыток, главное — верно подобрать цвета.

Цифра 2

Двойка может быть строгой, с острыми краями.

А может быть плавной с волнистым хвостиком.

Для праздничных работ отлично подходят цифры, украшенные лентами. Её можно заполнять объёмными деталями из бумаги, а можно вклеить широкую цветную полоску.

Ещё один пример того, как удачно вписать символ в сюжет картины.

Варианты с цветами и узорами.

Цифра 3

Тройка для начинающих мастеров.

На этой схеме есть мелкие цветы и узоры. В таком случае для оформления цифры используйте контурную технику, так украшение будет лучше видно.

Отличный вариант для детской открытки. Используйте яркую бумагу, например, зелёную и желтую.

Ещё один несложный вариант с украшением.

Тройка внутри картины.

Мелкие узоры для опытных мастеров.

Цифра 4

Четвёрку пишут по-разному, её верхушка может быть угловатой или разведённой в стороны. Выберите понравившийся вам вариант.

Оформляя поздравление ко дню рождения с цифрой 4, можно спрятать её верхний уголок в нарядный колпачок.

Композиции с сюжетом можно оформлять, не затрагивая символ, как на этой схеме.

А можно выложить рисунок прямо внутри контура.

Мастера, обладающие бахромчатой квиллинг техникой, смогут красиво заполнить форму объёмными розами.

Цифра 5

Три несложных схемы для квиллинг пятёрки.

Даже самую незатейливую форму можно сделать уникальной и необычной.

Сложные схемы с цветочными узорами.

Цифра 6

Если вы решите сделать поделку объёмной, то обязательно придумайте подставку. Например, шестёрку можно приклеить к кругу из толстого картона.

Несложные схемы для начинающих.

Создавая декоративную циферку в подарок ребёнку, украсьте её объёмными глазками. Их можно сделать из бумаги или купить готовые пластиковые, в магазинах для рукоделия.

Сложные шаблоны для профессионалов и мастеров среднего уровня.

Цифра 7

Простые контуры для семёрки в стиле квиллинг.

Идеи для целой картинки с цифрой 7.

Шаблоны с узорами и цветами.

Цифра 8

Восемь – удивительная цифра. Если ее развернуть, то получится знак вечности. Простой контур символа:

Схемы с узорами от лёгких к более трудным.

Цифра 9

Простые шаблоны для девятки.

Варианты для оформления детских открыток.

Более сложные схемы.

Цифра 0

Ноль – это простая окружность. Вы можете сузить или чуть исказить середину цифры, чтобы символ выглядел интереснее.

Смело добавляете различные узоры.

Красиво будут смотреться цветочные узоры вокруг цифры или внутри неё.

Выбирайте понравившиеся картинки, сохраняйте распечатывайте. Эти схемы помогут вам в создании новых и необычных открыток для родных и близких!

Фотографируйте свои работы делитесь результатами в комментариях.
И не забудьте полистать нашу подборку работ готовых цифр. Весёлых праздников и свежих идей!

Цифры своими руками — 110 фото красивых вариантов оформления яркими и классными цифрами

Каждый родитель мечтает сделать для своего ребенка самый незабываемый и волшебный праздник в году – день рождение. Ради одной лучезарной улыбки и смеха, мама с папой заказывают торты, шары и огромное количество украшения, зазывают гостей, и даже арендуют ресторан. Конечно, легче пригласить специалистов, которые любое помещение превратят в сказочную страну. Но это вряд ли можно назвать интересным времяпрепровождением в кругу семьи.

Факт того, что праздник организован своими руками, а также на него подобраны индивидуальные декорации, заставляют ребенка гордиться своими родителями.

Если ваша фантазия не склонна самостоятельно подготовить зал и украсить его, то направьте свой взгляд на популярный вид украшения – объемные цифры на день рождение. Их можно не только купить, но изготовить самостоятельно.


Содержимое обзора:

  • Подходящие виды материалов
  • Каркас
  • Бумажный вид
  • Цветы
  • Бахрома
  • Тканый вид
  • Съедобный торт
  • Фото цифр своими руками

Подходящие виды материалов

Распространенным составляющим поделки являются – мелкие пластмассовые или надувные шары, которые требуется закрепить на каркас.

К сожалению, шарики относятся к классическому способу изготовления цифр, и давно наскучили большинству людей. Рассмотрим 3 известных и интересных метода создания декорации: бумажная, тканная и съедобная цифра.

Также Вы можете посмотреть интересный урок на профильном сайте по созданию поделок или украшений своими руками, к примеру портал рукоделия https://tytpodelki.ru/ — предлагает огромный выбор авторских и эксклюзивных работ.

Каждый из них отличается креативностью и способом подачи. Например, из ткани прекрасно выходят бабочки, цветы, бантики, а из бумаги умельцы способны сотворить любой вид оригами.

Совсем новый вид праздничных цифр – торт из печенья, пирожных или бисквита.

Самостоятельное и ручное творение всегда цениться больше заводского, поэтому вы не пожалеете о потраченных финансах и времени. Особенно, если узнаете, что фигурку можно продать по привлекательной цене. Стоимость зависит от формы, размера и материала.

Каркас

Основой такой поделки является внутренняя крепкая конструкция, которая обеспечивает стойкость, позволяя сооружать на себя любую оболочку.

Наилучшим вариантом считается картон, крепящийся за счет клея, лески, скотча или скрепок. Он не будет валиться на бок или разваливаться по частям, если сделать цифры с пошаговой инструкцией.

Совсем мелкую форму можно распечатать самостоятельно, скачав наброски через интернет. Но ведь намного интереснее придать заготовке большой размер, например, метр или 2 от пола.

План по созданию каркаса 1-1.5 метра:

  • Существует 2 пути начального этапа: при помощи принтера заготовить выкройку или вручную нарисовать необходимую форму декорации.
  • Вырезаем и склеиваем все части между собой, не оставляем просветов, или соединяем скотчем.
  • Готовый шаблон прикладываем к картонке и вырезаем 2 одинаковые цифры.
  • Для объемной фигуры требуется изготовить еще соединительные части из требуемого материала.
  • Логично собираем все части воедино.

Каркас готов, осталось сделать цифры своими руками (если ребенку меньше 10, то 1 фигуру) и придать ей красивую внешность.

Бумажный вид

Данный тип декора требует определенных материалов: готовый каркас, ПВА клей, цветная бумага и активная фантазия.


Цветы

Наиболее простые и, одновременно, прекрасные фигурки из бумаги – это розочки или иные бутоны. Заранее заготавливаем цветные прочные салфетки, складываем 2-4 штуки вместе и формируем гармошку, которую обматываем тонкой ниткой посредине.

Осталось лишь распушить обе стороны салфеток, придавая им округлый вид, и приклеить на устойчивый каркас. Сложно сказать, какое количество бутонов потребуется.

Подключите фантазию или просмотрите видео-уроки по созданию других типов цветочной композиции. Лучшим вариантом служат пышные розы любого цвета.

Бахрома

Гофрированные цифры своими руками делать несложно, требуется лишь купить гофру нужных оттенков. Нарезанную ленту средней ширины и длины кладем в руку, немного растягивая один уголок, для получения эффекта волны.

Очень просто делаем из полоски красивый цветок: аккуратными движениями под наклоном скручиваем розочку вокруг заготовленного угла.

В конечном итоге должен появиться бутон на ножке.  Крепим на каркасную основу розу при помощи клея, и оставляем в укромном месте сохнуть.

Тканый вид

Цифра из салфеток своими руками, конечно, заслуживает почетный пьедестал. Но, если вы умелица, способная сотворить украшение из ткани, то данный способ для вас.

Начинающие рукодельницы также способны сотворить простой вариант декора – бантики.

План:

  • Желаемую ткань нарезаем на толстые и длинные прямоугольники.
  • Полоски скручиваем в банты или перевязываем ниткой (если ленты вышли короткими).
  • Банты крепим на каркас при помощи клеевого пистолета или клей-момента.

Необходимо располагать элементы очень туго, чтобы не просвечивался картон, а лучше окрасить его под нужный цвет. Яркая основа позволит изготовить малое количество бантиков.

Съедобный торт

Довольно новый способ поздравить именинника любого возраста – это подать ему торт с наступившим возрастом. Вам не обязательно уметь печь коржи, ведь за основу можно брать любые из этих ингредиентов:

  • Печенье – домашнее или купленное.
  • Фрукты, ягоды.
  • Маршмеллоу, зефир.
  • Вафли.
  • Готовые пирожные – будет очень удобно брать в руки.
  • Формы из мастики – любимые персонажи или традиционные фигуры.

Все ограничивается лишь полетом вашей фантазии. Популярное украшение стола понравиться не только детям, но и взрослым мужчинам, женщинам.

Сладость подойдет в качестве подарка начальнику, подруге, родителям, детям, коллегам. Торт цифра своими руками прекрасно дополнит картину любого праздничного застолья.

Помимо вышеперечисленных вариантов декораций существует еще масса способов продемонстрировать ваши умения, порадовать близких и неплохо заработать. Главное учитывать увлечения и половую принадлежность именинников.

Фото цифр своими руками

  • Горшки своими руками
  • Кораблик своими руками
  • Куклы своими руками
  • Серьги из бисера своими руками
  • Альбом своими руками
  • Коврики своими руками
  • Шторы своими руками
  • Букет из конфет своими руками
  • Колье из бисера своими руками
  • Кормушка своими руками
  • Как сшить резинку своими руками
  • Браслеты своими руками
  • Игрушки из фетра своими руками
  • Книга своими руками
  • Банты своими руками
  • Бабочки своими руками
  • Покрывало своими руками
  • Часы своими руками
  • Шкатулка своими руками
  • Топиарий своими руками
  • Панно своими руками
  • Блокнот своими руками
  • Подушка своими руками
  • Змей своими руками
  • Цветы из лент своими руками
  • Брошь из бисера своими руками
  • Коробка из картона своими руками
  • Чехол для телефона своими руками
  • Декор своими руками
  • Игрушки своими руками
  • Открытки своими руками
  • Бусины из бисера своими руками
  • Браслет из бисера своими руками
  • Домик из фанеры своими руками
  • Рамка своими руками
  • Конверт своими руками
  • Шары своими руками
  • Органайзер своими руками
  • Зеркало своими руками
  • Корзина для белья своими руками
  • Свадебные бокалы своими руками
  • Поделки из дисков своими руками
  • Украсить шампанское своими руками
  • Лизун своими руками
  • Ключница своими руками
  • Кашпо своими руками
  • Когтеточка своими руками
  • Футляр своими руками
  • Банты из атласных лент своими руками
  • Гирлянды из бумаги своими руками

мастерим объемный символ 1,2,3,4,5,6,7,8,9 на день рождения — Общие дети, г.

Воронеж

Содержание

мастерим объемный символ 1,2,3,4,5,6,7,8,9 на день рождения

Благодаря ярким и необычным аксессуарам детский день Рождения или фотосессия превращаются в настоящий праздник. Один из популярных вариантов украшения – объемные цифры и буквы из салфеток, которые используются не только в качестве декора, но и для развлечения малышей.

Удивите гостей и сделайте декор вашего праздника индивидуальным!

Материалы и инвентарь для работы

Глядя на картинки с изображением объемных цифр из салфеток, у многих возникает страх того, что выполнить собственноручно нечто подобное – невозможно. На самом деле, изготовить их не сложно. Процесс занимает некоторое время, но эмоции счастья у именинника перекрывают все затраты.

Не последнее место на празднике занимает внешняя атрибутика – цветы, подарки, музыка, окружающая обстановка.

Инструменты и материалы, требующиеся для работы:

  • Бумажные салфетки. Они могут быть однослойными или многослойными. При выборе цвета следует ориентироваться на повод торжества, пол малыша, окружающий интерьер.
    Желательно, чтобы салфетки были однотонными. Приблизительное количество рассчитывается исходя из запланированного количества цветов – на каждую единицу потребуется 1 салфетка.
  • При создании цифр из салфеток можно совмещать несколько оттенков, чередуя их с ажурными и резными экземплярами. Они сделают композицию более объемной и необычной.
  • Нитки могут быть простыми хлопчатобумажными. Для удобства вырезания потребуются ножницы или канцелярский нож.
  • Степлер позволит упростить процесс крепления.
  • Клей или скотч для фиксации.
  • Для создания основы потребуется заготовка из картона. Можно использовать пустую коробку от бытовой техники.

Декор помещения в честь празднества способен превратить традиционное торжество в нечто особенное.

Важно! Для качественного соединения элементов подбирать необходимо наиболее крепкие варианты.

Разновидности каркаса

Прежде всего, следует изготовить каркас, на который в дальнейшем будут крепиться бумажные элементы. Желательно выбирать плотный картон, который не будет рваться и деформироваться в процессе декорирования. Есть несколько вариантов основы для цифр и букв из салфеток. Они могут быть объемными, плоскими или бескаркасными.

Одним из простых и несложных способов украсить дом является праздничный тренд последних лет — цифры из салфеток.

Плоская фигура

Плоские фигуры выглядят менее эффектно, по сравнению с объемными. Однако на их изготовление потребуется меньше времени и усилий. Для создания такого каркаса своими руками потребуется следовать рекомендациям.

Этот элемент декора приобрел популярность, его используют и как реквизит на детских фотосессиях, и на различных праздниках.

  • Если размер цифры не превышает лист формата А4, можно найти подходящую схему в интернете и распечатать ее.
  • Для создания больших фигур нужно нарисовать на ватмане схему от руки либо распечатать ее частями.
  • Вырезать все составляющие.
  • При наличии нескольких частей – соединить их встык скотчем.
  • Затем полученную схему нужно прикрепить к подготовленному картону и аккуратно обвести контур.
  • После этого, необходимо вырезать фигуру из картона.
  • Если планируется изготовить несколько цифр из салфеток своими руками, потребуется аналогично повторить весь процесс.

Самой главной датой, на которую обычно приходится изготовление праздничных цифр, конечно же, является День рождения, особенно, детей.

Объемные

Объемные буквы и цифры из салфеток смотрятся более ярко и впечатляюще. На их создание потребуется немного больше времени. Следуя пошаговой инструкции, представленной выше, изготавливается первая часть. После этого, необходимо выполнить еще несколько действий.

Используют такие цифры и в Новый год, и 23 февраля и 8 марта, в годовщину свадеб и юбилеев организаций, на различных тематических мероприятиях.

  • Распечатать и вырезать аналогичную схему, которая будет служить задней частью каркаса.
  • Следующий этап предполагает вырезание ленты. Она будет выполнять функцию торцевой части объемной фигуры. Ее ширина равняется ширине будущей цифры.
  • Для цифр, имеющие замкнутое внутреннее пространство (0, 4, 6, 8, 9), необходимо вырезать дополнительные боковые части.
  • Элементы, имеющие скругленные края (2, 3, 5, 6, 8, 9, 0) следует выполнять очень осторожно. Изготовление прямых граней (1, 4, 7) не составит труда.
  • По завершении подготовительного процесса следует скрепить скотчем все составляющие. Передняя и задняя часть размещаются по бокам, боковая лента – посередине.

Вы можете существенно сэкономить, смастерив такие поделки своими руками.

Важная информация! Если картон имеет достаточную ширину, рекомендуется вырезать одну длинную боковую ленту. Делать сгибы на углах проще и быстрее, нежели вырезать каждый элемент отдельно.

Упростить процесс можно при помощи поролона или пенопласта. Для этого потребуется подготовить трафарет, обвести его на материале основы и вырезать, используя канцелярский нож.

Глядя на подобные шедевры из салфеток, кажется, что создать такое может только опытный мастер.

Ниже представлена последовательность действий на примере объемной единички для празднования 1 годика:

  1. Подготовить подходящую коробку из жесткого картона.
  2. Используя трафарет, начертить схему с такими размерами: ширина 35 см., высота 70 см., глубина 12 см. Габариты могут быть другими, в зависимости от желаемых объемов цифры.
  3. Ножом вырезать две основные части, скрепить их скотчем. Лучше всего подойдет малярный.
  4. Образовавшиеся по бокам полости закрыть лентой из картона меньшей плотности.
  5. После этого, заготовку для цифры 1 на годик из салфеток необходимо обклеить белой бумагой, чтобы на готовом продукте не просвечивался используемый материал.
  6. Завершающий этап – декорирование сделанного изделия. Он подразумевает крепление на каркас всех подготовленных из салфеток цветов.

На самом деле с подобной циферкой при должном старании, способен справиться даже начинающий.

Бескаркасные фигуры

Некоторые элементы декора не требуют изготовления жесткого каркаса. К ним относятся фигуры, выполненные в технике квиллинг, и поделки из текстиля с мягким наполнителем, создающим объем. Для их изготовления потребуется подготовить макет, на котором в дальнейшем будут крепиться детали украшений.

Не стоит думать, что цифры, сделанные из подручных материалов, будут выглядеть некрасиво.

Цветы из салфеток

Цветы – универсальный элемент декора. Он подходит не только для девочек. Объемные и яркие хризантемы или астры непременно порадуют мальчиков. Вариантов цветов из салфеток для цифры – множество. Подбирая подходящий, нужно учитывать собственные умения и количество затраченного времени.

В процессе работы использованы только шаблоны цифр и салфетки, оказавшиеся дома.

Важно соблюдать пропорциональность. На маленьком изделии слишком большие цветы будут выглядеть неуместно. Чем объемнее фигура, тем большее количество бутонов потребуется. Для ускорения процесса, торцевые части можно обтянуть гофрированной бумагой или обклеить разноцветным картоном.

Попробуйте и вы сделать подобное очарование своими руками, откройте в себе профессионального декоратора.

Хризантемы

Для создания объемной хризантемы понадобится:

  • Развернутую салфетку разрезать по сгибам.
  • Образовавшиеся квадраты сложить друг на друга.
  • Стопку сложить гармошкой. Неидеальные линии придадут естественность готовому изделию.
  • Полученную гармошку плотно обвязать нитью по центру.
  • При помощи ножниц, скруглить края с обеих сторон.
  • Начиная с первого слоя, постепенно расправить все слои хризантемы.
  • В итоге получается пышный цветок.

Такое украшение порадует и ребенка, и взрослого.

Розочки

Для изготовления розы для цифры из салфеток можно воспользоваться несколькими техниками. Наиболее простая и быстрая включает следующие этапы.

Они лёгкие, и дети могут с ними поиграть, красивые и вызывают море приятных эмоций.

  • Однослойную салфетку полностью расправить.
  • Следом нужно сложить ее по диагонали несколько раз.
  • Образовывается полоса со скошенными гранями.
  • Далее необходимо скрутить ее, но не слишком плотно.
  • Ниткой связать один конец, чтобы изделие не разваливалось.
  • Аккуратно развернуть противоположную свободную часть, образовывая розу.

Цифры можно сделать плоскими или объёмными.

Оригинальные и необычные бутоны можно выполнить, используя карандаш.

  • Однослойную салфетку разрезать на квадраты по линиям сгиба.
  • Поочередно накрутить на карандаш каждый квадрат до середины.
  • Плотно сжать заготовку к центру, образовывая валик. Снять ее с карандаша.
  • Аналогичным способом закрутить все остальные квадраты.
  • Плотно скрутить середину из одного элемента. Затем на нее менее плотно прикрепить остальные части.
  • Собрать цветок.

На объемную фигуру понадобится больше времени и материалов.

Техника торцевания

Выполненные в технике торцевания цифры и буквы из салфеток на день рождения или к юбилею, выглядят очень объемно. Они получаются пушистыми и невесомыми. Лучше всего для этих целей подойдет гофрированная бумага. Если же ее нет, можно воспользоваться однотонными салфетками.

Радостные эмоции ваших близких и гостей с лихвой окупают все затраты времени и сил.

Процесс состоит из нескольких этапов.

  • Бумагу или салфетки разрезать на равные квадраты.
  • В центр листа поставить карандаш и обжать его бумагой.
  • На поверхность нанести клей.
  • Карандаш, обжатый бумагой, приложить к проклеенному основанию.
  • Таким же образом заполнить всю площадь.
  • После этого, пальцами разровнять весь декор, лишние части аккуратно отрезать ножницами.

Предугадать заранее сколько понадобится салфеток довольно трудно. Но при покупке отталкивайтесь от размера готового изделия.

В технике торцевания можно выполнить и цветы.

Для этого потребуется:

  • листы бумаги прямоугольной формы;
  • палочка или карандаш для торцевания;
  • пластилин.

Чем больше фигура, тем больше понадобится на неё материала.

Инструкция по изготовлению.

  • Размять руками пластилин.
  • Бумагой обернуть карандаш так, чтобы свободной оставалась большая часть.
  • Вставить его в подготовленный пластилин.
  • Проделать эту же процедуру еще для 3 лепестков.
  • Пустоты между ними заполнить лепестками других оттенков.
  • Из гофрированной бумаги вырезать серединку и прикрепить ее в центр цветка.

Чем пышней декор, тем лучше выглядят цифры из салфеток.

Лучший вариант для торцевания – пенопласт. Используя его, не потребуется клей, палочка беспрепятственно входит в мягкий материал, оставляя в нем торцовку. Таким способом можно выполнять декоративные линии и узоры на фигуре.

Приготовить стоит от 3 до 7 пачек салфеток.

Собираем цифры

По завершении всех подготовительных процессов, можно приступать к самому важному и интересному – крепежу бутонов. Для этого необходимо нанести небольшое количество клея на нижнюю, плоскую часть цветка (удобнее всего делать это при помощи специального пистолета) и аккуратно приклеить его к картонному основанию.

Важно! Для качественного склеивания следует хорошо прижимать каждый элемент, удерживая нажатие в течение нескольких секунд.

Цветов у вас уйдет, скорее всего, от 200 до 500 на штуку.

Аналогичным образом декорируются все грани фигуры. На завершающем этапе при изготовлении цифр из салфеток необходимо выждать время до полного высыхания и расправить все прикрепленные бутоны.

Таким же способом, своими руками можно изготовить из салфеток не только объемные цифры, но и части слов. Подготовив несколько фигур, есть возможность поздравить именинника с днем Рождения, составив композицию из букв его имени.

Так можно изготовить недорогой, но очень эффектный декор для Вашего праздника.

Для придания уникальности готовому изделию, опытные мастера советуют обратить внимание на необычный декор – стразы, блестящие камни, блестки. С помощью таких аксессуаров, цветочки для цифр из салфеток будет выглядеть более ярко, нарядно и торжественно. Кроме этого, не обязательно делать все бутоны однотонными. Можно использовать различные оттенки.

Главное, что бы они сочетались между собой и подходили к остальному праздничному оформлению.

Благодаря этой статье, не должно остаться вопросов о том, как делать цифры и буквы из салфеток. Применив немного фантазии и вооружившись необходимыми материалами, инструментами, можно сделать незабываемым не только детский праздник, но и любое другое торжество.

ВИДЕО: Как сделать объёмную цифру из салфеток.

50 оригинальных вариантов букв и цифр из салфеток:

Предыдущая

ДругоеКак сплести салфетки с бусами из бисера своими руками?

Следующая

ДругоеКак по чертежам сделать подставку для установки ножей своими руками?

мастер класс пошагово с фото-подборкой

Многие люди задавались вопросом: «Как сделать цифру из салфеток?». Сегодня мы попытаемся максимально точно и просто ответить на него. А поможет нам цифра из салфеток, которая будет выступать в качестве примера.

Чаще всего цифры требуются для украшения какого-то праздника. Часто это праздники, связанные с определённой датой. Юбилей родного города, восьмое марта, день Победы и другие. Но чаще всего цифру делают для такого замечательного праздника, как день Рождения. На день рождения можно сделать цифру как для мальчика, так и для девочки. Основное их отличие – цвета салфеток. Для мальчика, конечно, предпочтительней будет сделать цифру из нитей. Мы поговорим о том, как пошагово сделать цифру, одинаково подходящую, как для мальчика, так и для девочки.

Собираем объемные цифры из салфеток: перечень необходимых материалов

Наша цифра будет изготовлена не полностью из салфеток. Нам потребуется сделать для неё картонный каркас, который в последствии будет украшен салфетками. Список материалов и инструментов, которые нам потребуются:

  • Ножницы и канцелярский нож – это два самых важных инструмента!
  • Картон. Легче всего будет взять от картонной коробки. Нам нужно развернуть коробку, сделав прорез вдоль угла.
  • Салфетки. Берём с запасом. А запас требует две-три полных упаковки. Также при покупке обратите на цвет, выбор которого зависит от того, для кого требуется сделать цифру: мальчику или девочке.
  • Линейка и простой карандаш. Линейку лучше взять метровую, но не менее полуметра. Но тут очень многое зависит от размеров задуманной цифры.
  • Скотч и клей. Скотч нужен исключительно односторонний, но можно использовать и двухсторонний. Клей ПВА вполне справится со всеми задачами.

И так, мы определились со списком материалов, которые нам потребуются в нашем «непростом» задании.

Мастер класс будет описывать процесс создания цифры 2 из салфеток и картона. На фото показан результат, полученный нами и к которому мы должны будем повторить.  Конечно, точной копии данной двойки нам не получить, но мы попытаемся сделать максимально точно.

Начнём с изготовления картонного каркаса. Для этого берём два прямоугольных листа картона и рисуем на их поверхности две одинаковые двойки. Если не получается сделать одинаковые размеры и на глаз видна погрешность, то делаем несколько иначе. Мы вырезаем одну двойку, перекладываем её на прямоугольный кусок картона и обводим её. Тем самым мы максимально сократим погрешности в размерах. И так две сестрицы двойки готовы.

Теперь мы должны сделать боковые грани. Всего у нас должно получится семь граней. Пять из них будут прямоугольными. Остальные две – изогнутыми прямоугольниками. Именно две последние грани сделать всех сложнее. Основная сложность заключается в измерении длины необходимо прямоугольника. Здесь можно использовать сантиметровую ленту или обычную нить. Правда, для того, чтобы измерить длину нитью нам потребуется одна опора. Мы должны сделать так, что бы нить натянулась вдоль контура двойки. Обрезаем нить, мы получили отрезок заданной длины. Длина нити равна длине необходимо прямоугольника.

После того, как все девять элементов готовы, мы должны перейти к склеиванию. Собираем каркас воедино с помощью скотча.

Данный этап будет, пожалуй, самым трудоёмким. Конечно многое зависит от размеров каркаса. Нам, например, для метровой цифры два потребовалась чуть более 250-сяти цветочков.

Также вы должны определиться с цветом одёжки. Если вы делаете цветы, то для мальчика лучше всего подойдут синие и жёлтые, а для девочки розовый и красный. Для мальчика предпочтительнее будет заменить цветочки трубочками.

Трубочки делаем так: берём салфетку и разрезаем её на ровные полоски толщиной сантиметр-полтора. Берём получившиеся полосы и сворачиваем их в трубочки. Трубочки занимают меньшую площадь на поверхности, поэтому их потребуется около четырёхсот. Но, на их изготовление уходит такое же, даже меньшее, количество салфеток.

Цветок из салфетки выполняем следующим образом: берёте салфетку, если хотите более пышный результат, то берём уже две салфетки и складываем их пополам. Складываем пополам ещё раз. Мы получили квадратик, который должны скрепить степлером по центру и придать ему круглую форму. Делаем такие кружки. Нам потребуется очень много, но всё зависит от размеров вашей цифры.

У каждой из заготовок мы должны приподнять все слои салфетки. Оставляем только самый нижний слой.

Скрепляем кончик уголком и распушиваем цветок.

После того, как все элементы готовы. Мы должны приклеить их к нашей цифре. Цветочки приклеиваем небольшим количеством клея за последний слой, который мы не загибали. Трубочки приклеиваем любой стороной. Красивая цифра готова!

Немного видео-уроков по теме статьи

Узнаем как изготовить цифру из салфеток? Объемные цифры из салфеток

Трудно не согласиться с тем, что день рождения ребенка должен проходить в праздничной обстановке. Обычно родители именинника стараются по-особенному ярко украсить комнату маленького виновника торжества, в прихожей развешивают большую поздравительную надпись, позволяющую гостям с порога зарядиться позитивом и весельем. Как вариант, можно воспользоваться помощью профессиональных декораторов. Но гораздо интереснее заняться украшением праздника самостоятельно. Совместное творчество родителей и детей позволит провести время увлекательно и с пользой.

Сегодня большую популярность приобрело использование такого праздничного украшения, как цифра из салфеток. Данный элемент декора является достаточно бюджетным, и в то же время он с большой степенью эффективности обеспечивает необходимый позитивный настрой участников торжества. Цифры из салфеток можно часто увидеть на детском празднике. Многие согласятся, что это украшение просто не имеет конкурентов. Салфеточные цифры достаточно лёгкие, и дети с удовольствием с ними играют, они недорогие, очень яркие и красивые.

О способах создания праздничных украшений: изготавливаем плоскую цифру

Многих мам накануне дня рождения ребенка интересует, как сделать цифру из салфеток своими руками. Для начала следует отметить, что данные элементы декора бывают как плоские, так и объемные.

Плоские украшения изготавливаются быстрее, так как не требуют склеивания каркаса. Для их создания достаточно просто из листа картона вырезать контур. Кроме того, для ее украшения используют намного меньше цветочков. Как сделать большую цифру из салфеток? Она может быть вырезана из картона и украшена в соответствии с особенностями фантазии и ресурсами мастера. В данном случае ее украшают цветами или различными фигурками из салфеток.

Для основы можно взять обычную картонную коробку желательного размера. На картоне следует наметить контуры нужной цифры. Фигуру вырезают при помощи канцелярского ножа и декорируют. Такая цифра получается плоской. Обычно ею украшают стену.

Как сделать объемную цифру из салфеток?

Лучше всего изготовить такую фигуру, с которой имениннику захочется играть, переставлять с места на место. Для создания объемной фигуры понадобится больше материалов и временных затрат, нежели для изготовления плоской. Но результат оправдает потраченные усилия – объемная цифра отличается особенно эффектным внешним видом.

Для создания объемной цифры мастерицы советуют воспользоваться двумя одинаковыми картонными заготовками. Помимо этого, необходимо также вырезать длинные полоски из картона с ровными краями (одинаковой ширины) для оклеивания боковинок. Каркас собирают при помощи малярной ленты или термопистолета.

Украшение для цифры

Тех, кто хочет знать, как сделать красивые цифры из салфеток, конечно же, заинтересует информация о том, как украсить изготовленный картонный каркас. Это можно сделать с помощью цветов из салфеток. Тем, кто твердо решил узнать, как сделать цифру из салфеток своими руками, следует набраться терпения и вырезать из обычных салфеток множество одинаковых по размеру цветочков. Украсив ими цифру, можно порадовать дорогого именинника самой красивой пушистой цифрой на свете.

Как сделать цветы из салфеток?

С этим вопросом обычно сталкиваются те, кто решил досконально изучить, как сделать цифру из салфеток, чтобы порадовать этим украшением маленького именинника. Цветы из салфеток обычно вырезают в неограниченном количестве. Для этого:

  • однослойную салфетку складывают вчетверо и делят на четыре квадрата;
  • квадраты укладывают ровной стопочкой и фиксируют по центру при помощи степлера или кусочка тонкой проволоки;
  • далее квадратную стопочку обрезают так, чтобы получилась окружность;
  • остается лишь, не доходя до центра, прорезать края созданного круга;
  • затем поднимают салфеточные лепестки и расправляют их.

Так создаются пушистые цветочки, которые в дальнейшем можно будет при помощи клея ПВА приклеить к основе. Впрочем, рукодельницы предлагают множество других вариантов создания салфеточных цветов. С некоторыми из них можно ознакомиться далее в статье.

Мастер-класс: как сделать цифру «1» из салфеток?

Весь процесс изготовления данного украшения состоит из трех этапов. Далее каждый из них описан подробно.

Вначале делаем цветы

Эта информация будет полезна всем, кто хочет знать, как сделать цифру «1» из салфеток. Данный этап является очень простым, но он занимает достаточно много времени, поскольку для создания цифры понадобится довольно большое количество цветочков. Если имеется такая возможность, лучше привлечь к этому делу помощников.

Для создания этого варианта цифры начинают работу с использования красных двухслойных салфеток размером 33 см. Из одной такой салфетки получается два цветка. Чтобы сделать цветок, следует:

  • разрезать пополам салфетку;
  • половинки еще раз сложить пополам и опять разрезать;
  • две четвертинки сложить вместе и в середине скрепить их степлером;
  • затем из квадратика вырезают круг. Можно это делать на глазок;
  • далее, начиная с верха, по очереди пальцами сжимают каждый слой;
  • затем цветок разворачивают, аккуратно расправляя каждый лепесток.

Для оптимизации процесса мастерицы советуют сначала сделать как можно больше таких заготовок, а затем из них создавать прекрасные цветы.

По этому же принципу мастерят и белые цветочки. Если попались белые салфетки, которые, в отличие от красных, являются однослойными и меньшими по размеру, для создания из них одинаковых с красными заготовок придется приложить некоторые усилия. Необходимо сложить вместе три белые салфетки, сверху к ним приложить красный квадрат нужного размера и по его контуру вырезать заготовку. Затем все делают по схеме, описанной выше. Всего для оформления цифры «1» потребуется изготовить красных цветов 86 и белых — 65. На это уйдет примерно около четырех часов.

Каркас

Желающим узнать, как сделать цифру из салфеток, следует научиться изготавливать для нее каркас из картона. Это не особо трудно, если создается плоская цифра. Труднее придется тем, кого интересует, как сделать объемную цифру из салфеток. Для сооружения объемного каркаса понадобятся два листа гофрокартона размером 50 х 30 см. Из них вырезают лицевые части «единички». Оставшиеся обрезки пойдут на боковые части цифры.

Этапы

  • На одном из листов рисуют контур цифры. Ширину можно определить, ориентируясь на количество рядов цветочков, которые нужно будет к нему приклеить. К примеру, если исходить из размеров картона, получается 2 ряда цветочков. При этом ширина цифры по всему периметру получится около 9 см.
  • Затем вырезают единичку. Если картон очень плотный и твердый, можно воспользоваться строительным резаком.
  • Получившуюся цифру накладывают на второй лист картона, обводят ее по контуру и тоже вырезают.
  • Дальше делают заготовки для боковых частей. Для этого следует отмерить и вырезать из картона полоски по 9 см шириной. Опытные мастера советуют делать их как можно более длинными — так их удобнее будет приклеивать.
  • Затем скотчем склеивают сначала одну, а затем вторую половинку единички с полосками, приготовленными для «боковушек». Мастерицы советуют для боковых частей использовать более мягкий и гибкий картон, который легче будет сгибать и клеить по контуру цифры.

Как собрать и украсить цифру?

Тем, кто хочет знать, как сделать цифру из салфеток, следует ознакомиться также с финальным этапом процесса.

На этом этапе следует приклеить цветочки к каркасу. Для этого мастерицы рекомендуют воспользоваться универсальным клеем-гелем «Момент», поскольку он является бесцветным и схватывается достаточно быстро. Чтобы не помять цветы, следует на них сверху слегка надавить, затем их основание под лепестками аккуратно прижать пальцем. После того как клей высохнет, цветочки расправляют, чтобы они выглядели более пышными.

Для завершения образа единички существует множество способов. Одним из них является украшение золотой короной. В Интернете можно найти готовый трафарет нужного размера, распечатать его и вырезать.

Поскольку цифра является двухсторонней, такой же должна быть и корона. Поэтому на листе голографического картона (формат А4) ее следует два раза обвести, вырезать обе половинки и склеить их. В результате корона получится с обеих сторон «золотой». В конце цифру торжественно «коронуют», аккуратно приклеив корону к цветочкам.

Заключение

Часто мамы, готовясь к детскому торжеству, задают вопрос: как сделать цифру 5 из салфеток, 2, 3 или какую-нибудь другую? Руководствуясь приведенной инструкцией, можно изготовить из салфеток любую цифру или даже букву. Веселого праздника!

Сервис объявлений OLX: сайт объявлений в Украине

300 грн.

Договорная

Днепр, Центральный Сегодня 16:14

Киев, Соломенский Сегодня 16:14

Днепр, Новокодакский Сегодня 16:14

355 359 грн.

Договорная

Запорожье, Александровский Сегодня 16:14

Харьков, Шевченковский Сегодня 16:14

Павлоград Сегодня 16:14

Киев, Печерский Сегодня 16:14

Бомбер

Одежда/обувь » Женская одежда

Чернигов Сегодня 16:14

Буквы из салфеток своими руками — Вектор-успеха.

рф

Мы с Дочкой предлагаем использовать данне объемные буквы и цифры для празднования дня рождения, 1 сентября, выпускного вечера, поздравить бабушку или дедушку с юбилеем. Привлечь к работе всех членов семьи, одноклассников. Очень полезно для мелкой моторики рук. Поделка получается яркой, запоминающей.

Материалы и инструменты

разноцветные салфетки
картон
ножницы
клей (лучше ПВА)
степлер

Как сделать буквы для юбилея из салфеток? Пошаговая инструкция для детей и взрослых

1. Разноцветны салфетки складываем пополам и ещё раз пополам. Можно фантазировать с цветами и складывать разные цвета.

2. Скрепляем в центре салфетки степлером и вырезаем круг.

3. Каждый слой салфетки складываем к середине и так до конца. Очень полезно для мелкой моторики рук. Дочке очень понравилось работать пальчиками.

4. Должно получиться очень красиво. Чем больше по количеству, тем лучше. Такие цветы можно будет использовать в какой-нибудь другой композиции (если будут лишними).

5. Вырезаем из плотного картона (мы использовали коробку) букву или цифру желаемого размера. Дочку зовут Диана и нам 7 лет — решили сделать «Д» и «7»

6. Теперь самый долгожданный момент — на каждый цветок капаем несколько капель клея и прижимаем к картону, держим несколько секунд и так цветок за цветком. Расположение цветов любое.

7. Результат шикарный. Размер поделки может быть очень большим.

8. Поделку делали — мама, дочка и папа (помогал вырезать из картона цифру и букву) и все остались довольны таким результатом. 

Буквы из салфеток своими руками готовы!

Гребенщикова Евгения Александровна (a21vu_1651)

14.10.2017 г. 1353

Система оценки с математикой салфетки с участием Саймона Эскилдсена (Журнал изменений № 412) |> Список изменений

Да, конечно. Забавно, что на самом деле мы непреднамеренно немного открылись с соревновательного программирования, потому что отсюда и пришли эти практики. Когда вы занимаетесь соревновательным программированием, у вас много времени тратится на попытки — внедрение решения во время соревнования, вы знаете, это займет у вас от 30 минут до часа, в зависимости от его сложности. Там много посторонних, мало помощи от редактора, линтера или чего-то подобного . .. Так что вам действительно нужно заранее знать, насколько хорошо ваша программа будет работать, насколько она будет быстрой и сколько очков это даст тебе?

[00: 22: 01.05] И, к счастью, во время этих соревнований — это очень контролируемая среда, поэтому вы знаете, что если вам нужно увидеть только n1 (например, алгоритм O (N)), вы, вероятно, будете хорошо выступать. . Если на входе 10 000 и у вас есть алгоритм n2 (n квадратов), у вас начинаются проблемы из-за того, что вы делаете что-то менее чем за секунду. Итак, математика на салфетках была действительно простой, и это очень воодушевляло. Все, что вы прочитаете о соревновательном программировании, будет много говорить об этой стратегии того, сколько это может создать.

Я как бы немного забыл об этом, когда вошел в Shopify. Там, где нам это могло понадобиться, было не так уж много. Для большинства программистов в повседневном программировании не так много алгоритмов. Но со временем, поскольку все больше и больше времени я тратил на анализ того, как будут работать системы, и на проведение технических обзоров, и на проектирование систем, а не на реализацию их частей, я в основном снова вернулся к этой практике. Вы можете оказаться на собрании, и вы разговариваете с другими участниками собрания, и кто-то говорит: «Ну, может, мы могли бы это сделать», а кто-то другой говорит: «Ну, это, наверное, слишком медленно.А потом кто-то другой сказал: «Почему бы нам не попробовать, а потом мы встретимся через неделю или две и посмотрим, как дела». А затем вы уходите с собрания, и этот человек работает над этим в течение недели или двух, вы возвращаетесь в комнату для собраний, а затем этот человек возвращается и говорит: «О, это было слишком медленно». И человек, отстаивающий его в первую очередь, говорит: «Что? Вы реализовали это неправильно. Я тебе помогу. Дайте мне неделю или две, а потом мы вернемся к этому ».

Вы можете увидеть, как разворачивается эта история… Вы проводите месяц или два, возвращаясь к этому.Но я думаю, что с небольшой практикой вы сможете заранее оценить производительность систем и начать формировать некоторые ожидания относительно того, как система должна работать. Разумно ли продолжать писать это на Ruby или Python вместо C ++? Разумно ли использовать эту базу данных для такого рода операций? Можем ли мы построить это поверх MySQL или нам принципиально нужна другая структура данных?

Я очень твердо верю, что вы должны развивать свое понимание снизу вверх. Например, сейчас я работаю над поиском. И я ничего не знаю о поиске, но первым делом я начинаю изучать, как работает инвертированный индекс; как бы это реализовать, как это реализует Lucene? Как сделать топ k, например получить топ k лучших документов по запросу, как это выглядит? Как это сделать эффективно, как оно размещено на диске? Какую эвристику он использует? А затем наращивать оттуда. Потому что тогда мой вопрос не «О, предоставляет ли Elasticsearch API для этого?» Я думаю о — эй, в принципе, может ли инвертированный индекс выполнять эту операцию? Как бы это выглядело? Сколько времени это займет? Как бы это было в MySQL по сравнению с здесь? О, инвертированный индекс хорош не только для полнотекстового поиска, но и для простого объединения произвольных наборов, что затем приводит вас к поиску других приложений.

Так что это то, что я нашел действительно ценным — теперь вы можете перейти на встречу, которую я описал ранее, и сказать: «Эй, подожди … Давайте нарисуем эти сценарии, а затем выполним некоторые обратные вычисления в конверте».

Например, кто-то может сказать: «Сканирование гигабайта памяти при каждом запросе? Это слишком медленно. Мы никак не можем этого сделать ». Но затем вы видите, что если вы садитесь и пишете программу на C, вы выделяете кучу памяти, а затем просматриваете ее и, возможно, складываете числа, чтобы оптимизаторы не оптимизировали ее — вы видите что вы действительно можете прочитать гигабайт памяти примерно за сто миллисекунд. Так что, может быть, это не так уж и безумно, если вы также можете немного кэшировать, не так ли? Так внезапно вещи, которые раньше даже не были решениями, становятся решениями, становятся правдоподобными.

Мне больше всего в этом нравится то, что я веду информационный бюллетень под названием «Бюллетень по математике салфеток». Если вы загуглите «информационный бюллетень по математике салфеток, Саймон», вы должны его найти. По сути, это мое ежемесячное упражнение по математике на салфетках. Итак, я сообщаю себе об этих проблемах… Проблема, которую я мог бы задать себе, — это «Сколько транзакций MySQL может выполнять каждую секунду? Это 1000? Это 10 000? » Итак, я сел и попытался построить простую модель того, как MySQL применяет транзакцию. Я думаю об этом снизу вверх.

[00: 26: 03.04] Тогда это как: «Хорошо, вам нужно проанализировать SQL-запрос. Наверное, довольно быстро. Затем вам нужно выяснить, что находится в этой вставке — там куча данных, тоже довольно быстро … Итак, как мы зафиксируем это, чтобы оно было надежным? Есть вся эта гарантия актива, которую мы должны выдержать, что если сервер выключится, его нужно либо зафиксировать, либо нет. Итак, что для этого нужно сделать? Ну, ему нужно взять эту транзакцию, эту вставку и поместить ее в конец файла, а затем он должен сказать файловой системе: «Эй, зафиксируйте это, отправьте это на жесткий диск и не говорите мне, что оно зафиксировано до того, как вы убедитесь, что оно сохранено на жестком диске.”

Складывание бумажных салфеток и необычные складки салфеток

Свернутые салфетки — один из самых простых способов добавить изюминку столешнице. 17 причудливых складок салфеток, представленных ниже, идеально подходят для украшения свадебных помещений, праздничных столов или столов в любом прекрасном ресторане или на мероприятии. На каждой причудливой складке салфетки есть фотография и написанные пошаговые инструкции, поэтому вы можете легко создать каждую складку для себя. Просто нажмите на ссылку под страницей, которую вы хотите узнать, чтобы сразу перейти к инструкциям!

Если вам нужны элегантные одноразовые салфетки, которые идеально подходят для складывания, обратите внимание на наши салфетки Touch of Color, Linen-Like и Better Than Linen. Наши салфетки Flat Pack разложены и не мнутся, а это значит, что их можно сразу же сложить.

Как сделать: свеча на день рождения, складывающая салфетку

Складчатая салфетка свеча на день рождения идеально подходит для празднования дня рождения.

  • 1. Начните с салфетки, плоской, как ромб, перед собой.
  • 2. Загните нижний конец вверх, чтобы получился треугольник.
  • 3. Сложите верхний наконечник на треть.
  • 4. Снова сложите треть.
  • 5.Сложите еще одну треть, чтобы она встретилась с нижним краем.
  • 6. Сложите левый наконечник внутрь и под себя. Это будет пламя ».
  • 7. Перекатывайтесь с левой стороны на правую.
  • 8. Заправьте конец с правой стороны и поставьте на тарелку для торта.

    • Как: складывать салфетки для загрузки

    Эту игривую складку салфетки для ботинка можно использовать в любом количестве случаев! Это могут быть кроссовки для спортивной вечеринки, эльфийские сапоги на Рождество или детские сапоги для душа.

  • 1. Начните с плоской салфетки перед собой.
  • 2. Сложите нижнюю и верхнюю половинки по центру.
  • 3. Сложите пополам по центральной линии так, чтобы открытый край был к вам.
  • 4. Сложите концы к центру так, чтобы левый конец был немного длиннее правого.
  • 5. Согните левый и правый углы, оставляя в центре ширину пальца.
  • 6. Сложите пополам, чтобы получился треугольник.
  • 7. Загните верхний слой вверх и заправьте угол.
  • 8. Согните нижний слой, чтобы он совпал с верхним слоем, и поставьте на пластину.

    • Инструкции: сложить салфетку для пасхального кролика

    Складчатая салфетка «Пасхальный кролик» станет игривым дополнением любого пасхального обеденного стола.

  • 1. Предварительно сделайте ленту для салфеток из ленты и ватного диска.
  • 2. Загните нижний край на четверть вверх.
  • 3. Снова загните дно вверх еще на четверть.
  • 4. Снова загните дно вверх еще на четверть.
  • 5. Загните нижнюю часть вверх, чтобы она совпала с верхом.
  • 6. Загните правый конец вверх.
  • 7. Сложите левый конец вверх.
  • 8. Загните левый и правый углы внутрь.
  • 9. Загните правую сторону по центру.
  • 10. Загните левую сторону к центру.
  • 11. Сверните правую и левую стороны и наденьте кольцо для салфетки.
  • 12. Переверните и вытяните наконечник. Опора на тарелку.

    • Практическое руководство: Сгиб салфетки в виде бабочки

    Эта игривая складка салфетки отлично подходит для весны и лета или детского дня рождения.

  • 1. Сложите салфетку пополам в виде треугольника острием к себе.
  • 2. Загните кончик до верхнего края.
  • 3. Загните правую сторону вниз по центру.
  • 4. Сложите левую сторону вниз до центра.
  • 5. Загнуть низ под салфетку в виде треугольника.
  • 6. Загните нижнюю половину вверх, оставляя кончик на дюйм вверху.
  • 7. Потяните треугольники снизу вниз.
  • 8. Сложите центр и расположите крылья так, чтобы они выглядели как бабочка.

    • Инструкции: сложение рыбных салфеток

    The Fish Napkin Fold — забавное дополнение к летней столешнице или тематическому детскому дню рождения.

  • 1. Начните с плоской салфетки перед собой.
  • 2. Загните каждый угол внутрь.
  • 3. Сложите пополам так, чтобы загнутый край оказался внизу.
  • 4. Возьмите верхний левый угол и загните его в нижний правый угол.
  • 5. Переверните и загните верхний правый угол в нижний левый угол. Должен получиться треугольник.
  • 6. Загните верхний слой левой стороны к центру.
  • 7. Загните верхний слой лицевой стороны поверх.
  • 8.Вы можете остановиться сейчас и посмотреть на более крупную рыбу. Продолжайте складывать для более мелкой рыбы.
  • 9. Поверните так, чтобы острие было внизу. Сложите левую сторону внутрь.
  • 10. Загните правую сторону внутрь.
  • 11. Сложите левый и правый наконечники вниз.
  • 12. Переверните и поставьте на пластину.

    • Инструкции: складывание салфеткой Lily

    Эта элегантная складка — отличный способ связать вместе салфетки и бокалы.

  • 1. Сложите салфетку пополам.
  • 2. Сложите пополам.
  • 3.Сложите гармошкой углами вверх.
  • 4. Сложите пополам и поместите в кубок.
  • 5. Взболтать боковые стороны.

    • Инструкции: складывание салфеток Opera

    Эта элегантная складка напоминает нам Сиднейский оперный театр, но также напоминает юбку, идеально подходящую для празднования дня рождения маленькой девочки или свадебного душа.

  • 1. Сложите пополам закрытым краем к себе.
  • 2. Сложите пополам и поверните так, чтобы салфетка превратилась в ромб перед вами открытым краем вверх.
  • 3. Сложите снизу вверх.
  • 4. Сложите левую и правую стороны по центру.
  • 5. Загните нижние уголки под салфетку.
  • 6. Набрать снизу салфетку и сложить по средней линии.
  • 7. Потяните каждый слой вниз.
  • 8. Распушите каждый слой так, чтобы он загибался вниз, и подпирайте тарелку.

    • Инструкции: фальцовка для салфеток с вертушкой

    Игривая складка салфеток порадует ваших гостей! Идеально подходит для любого количества торжественных случаев.

  • 1.Сложите каждый угол салфетки по центру.
  • 2. Сложите пополам.
  • 3. Переверните салфетку так, чтобы она находилась перед собой, и сложите нижнюю половину вверх.
  • 4. Сложите верхнюю половину вниз.
  • 5. Вытяните верхний правый треугольник.
  • 6. Вытяните верхний левый треугольник.
  • 7. Вытяните нижний левый треугольник.
  • 8. Опустите нижний правый треугольник. Опора на тарелку

    • Как: разместить складку салфетки для карточек

    Эта складка идеально подходит для высококлассного званого ужина или свадьбы, где гостям распределяют места для рассадки.

  • 1. Сложите салфетку пополам.
  • 2. Снова сложите пополам.
  • 3. Загните правый конец к центру.
  • 4. Сложите левый конец к центру и переверните.
  • 5. Переверните левую сторону вверх.
  • 6. Переверните лицевой стороной вверх.
  • 7. Сложите левый рулон по центру.
  • 8. Сложите правый рулон по центру, подперните пластину и вставьте вставную карту в прорезь.

    • Инструкции: складывание салфеток на розетке

    Складчатая салфетка в форме розетки — красивое дополнение к столешнице для душа для ребенка или невесты!

  • 1.Сложите Сложите салфетку пополам в виде треугольника длинным краем к себе.
  • 2. Прокатиться снизу вверх.
  • 3. Начните с единицы и начните наматывать салфетку внутрь.
  • 4. Закончите свертывание салфетки и заправьте ее конец в розетку.
  • 5. Поднимите центр розетки немного вверх снизу.
  • 6. Подставка в чашу.

    • Инструкции: складывание салфетки на рубашке

    Эта забавная складка салфетки отлично подходит для детского душа мальчика или празднования Дня отца.

  • 1.Начните со сложенной салфетки перед собой и загните каждый угол в центр.
  • 2. Сложите пополам правую и левую стороны.
  • 3. Переверните.
  • 4. Загните верхний край вниз примерно на четверть дюйма.
  • 5. Переверните.
  • 6. Загните верхний правый и левый углы так, чтобы они встретились в центре и сформировали воротник.
  • 7. Отогните нижний правый и левый углы.
  • 8. Сложите дно вверх и заправьте под воротник. Опора на тарелку.

    • Как сделать: квадратная складка салфетки

    Эта простая и элегантная складка салфетки идеальна для любого случая.Положите эту складку в центр тарелки и заправьте внутрь столовое серебро.

  • 1. Начните со сложения салфетки перед собой и загните нижний край к центру.
  • 2. Загните верхний край вниз и каждый угол внутрь.
  • 3. Загните правый и левый углы по центру.
  • 4. Переверните.
  • 5. Загните каждый угол по центру.
  • 6. Переверните, вставьте столовое серебро и поставьте на тарелку.

    • Инструкции: складывание салфеток в виде звезды

    Салфетка в виде звезды или морской звезды отлично смотрится в середине обеденной тарелки на любой праздничной столешнице.

  • 1. Начните с сложить салфетку, как ромб, прямо перед собой.
  • 2. Загните верхний угол вниз.
  • 3. Загните правый угол вниз.
  • 4. Загните левый угол вниз.
  • 5. Переверните.
  • 6. Загните нижний угол вверх.
  • 7. Загните вверх по центральной линии.
  • 8. Сдвиньте нижние левые углы вниз и взбейте верхние клапаны, чтобы они стали «рычагами» звезды. Отрегулируйте и установите на пластину.

    • Как сделать: сложить салфетку для загара

    Складчатая салфетка для загара — это праздничный способ отпраздновать званый обед на открытом воздухе.

  • 1. Сложите Сложите салфетку пополам и разверните так, чтобы образовалась центральная линия.
  • 2. Вытяните часть нижней половины.
  • 3. Согните до средней линии, чтобы образовалась складка.
  • 4. Вытяните часть верхней половины и сложите вниз до центральной линии, чтобы образовалась складка.
  • 5. Переверните салфетку так, чтобы она лежала перед вами. Начинайте складывать гармошкой снизу.
  • 6. Сложите гармошкой до конца.
  • 7. Обвяжите центр шнурком или лентой.
  • 8. Раздвиньте верхнюю и нижнюю половинки веером, чтобы получилось солнце. Опора на тарелку.

    • Как сделать: лебединая салфетка, сложенная

    Сгиб салфетки в виде лебедя основан на традиционном сгибе лебединого оригами. Он идеально подходит для элегантной сервировки праздничного или свадебного стола.

  • 1. Сложите салфетку пополам открытым краем к себе.
  • 2. Сложите пополам.
  • 3. Поверните так, чтобы перед вами был ромб с открытыми углами к низу. Сделайте складку вдоль центральной линии.
  • 4. Загните левый угол по средней линии.
  • 5. Загните правый угол так, чтобы он совпадал с другой стороной.
  • 6. Сложите верхний клапан, чтобы он совпадал с правым краем.
  • 7. Откиньте нижнюю заслонку до левого края.
  • 8. Согните верхний наконечник немного вниз за нижний наконечник.
  • 9. Согните кончик вверх, чтобы получился клюв.
  • 10. Сложите пополам по средней линии.
  • 11. Оттяните тело и шею лебедя друг от друга.
  • 12. Разложите основание и установите на тарелку.

    • Инструкции: сложенная салфетка с тропическими лилиями

    Это простая складка салфетки, которая выглядит элегантно, как тропическая лилия.

  • 1. Сложите салфетку треугольником длинным краем к себе.
  • 2. Сложите правую и левую стороны до центра.
  • 3. Загните нижний угол примерно на дюйм вверх.
  • 4. Загните конец угла к основанию.
  • 5. Сложите верхний слой и заправьте под него.
  • 6. Сложите следующий слой вниз и заправьте.
  • 7.Переверните и скатайте в круглую форму.
  • 8. Заправьте концы друг в друга и поставьте на пластину.

    • Инструкции: складывание салфеток Wave

    Волнистая складка салфетки имеет рюшу по центру, чтобы придать объем элегантной обстановке.

  • 1. Сложите салфетку пополам.
  • 2. Сложите пополам.
  • 3. Сложите верхний слой салфетки гармошкой до центра.
  • 4. Расположите салфетку так, чтобы она была ромбовидной.
  • 5. Сложите пополам, чтобы получился треугольник.
  • 6. Переверните.
  • 7. Сложите пополам.
  • 8. Сложите вместе, чтобы получилась круглая форма, и вставьте один конец в другой. Опора на тарелку.

    • История салфеток и протоколы, история салфеток, рецепты послеобеденного чая, Whats Cooking America

    Синяя вышитая машина для салфеток из органзы для хранения белья
    Постельное белье из семейной коллекции Эллен Истон

    Фактически, более шестисот лет европейская культура использования столовых салфеток была эволюционным процессом.То, что сейчас считается само собой разумеющимся обычаем, на самом деле является традицией, богатой церемониями, этикетом и историей.


    Apomagdlies     — Первая документация по очистке загрязненных пальцев приписывается спартанцам в Древней Греции, которые использовали apomagdlies — маленькие кусочки теста, скрученные и замешанные между руками.

    Судариум — Алтарные скатерти и большие рулоны полотенец, висящие на стене для общего пользования, были предшественниками салфетки.Родоначальником первых тканевых салфеток, приписываемых римлянам, был Судариум. Небольшая ткань, похожая на носовой платок, используется для вытирания лба.

    Mappas — Изготовленные из тонкого шелка и льна с вышивкой из золота и разноцветными нитями, каждый гость приносил к столу хозяев, для чего оставляли остатки на пути домой. Сегодня, когда начинается гонка флагов, римляне бросили маппу на арену как сигнал к началу игры.

    Touailles — коммунальная ткань размером с полотенце, сложенная в продольном направлении, датируется средневековьем и обозначает ранг слуги при дворе.Накинутый через левое плечо обозначал высокое звание, как сегодняшний метрдотель, стихи через левую руку для более низкого ранга, как сегодняшний официант.

    Surnappe — длинное полотенце было на месте почетного гостя, а продавец нес общую салфетку размером с банное полотенце для остальных гостей.

    Реймс — Карл VII, коронация 1422 года в Реймсе, Франция, регистрирует дарение и использование салфеток. Реймс, известный своими тканями, соткал постельное белье, чтобы рассказать историю. Знак богатства и положения, от средневековья до девятнадцатого века, лен был наиболее часто используемым волокном.

    Итальянцы предпочли более тонкие ткани и разработали дамасскую ткань. В эпоху Возрождения Дамаск рассказывал истории придворного общества. «Рассказывать сказки» происходит от легендарного Дамаска. Именно итальянцы представили вилку Англии, тем самым ускорив использование салфеток.

    Английский D i aper Салфетка — Изготовлена ​​из хлопковой или льняной ткани с мелкими повторяющимися ромбовидными узорами, различающихся по размеру в зависимости от мероприятий, для которых они использовались.

    French Serviette — Салфетка большего размера использовалась на столе, в то время как салфетка de collation была меньшего размера и использовалась стоя.

    Portpayne Napkin — Сложенная декоративная салфетка, в которой хранились хлеб и нож, которыми владел лорд поместья. Его всегда складывали слева от тарелки открытым концом, обращенным к лорду, что является примером современного этикета.

    Салфетка Portpayne

    По мере того, как на континентах растет общее признание и использование салфеток, салфетки, зарегистрированные в приданых королевских дворов, включают 1497 год — Екатерину де Рохан, графиню Англуэма, 1546 год — король Генрих II, 1589 год — Екатерину Медичи, 1601 год — Элизабет Шюсбери, 1610 год. -Король Людовик XIII.

    Салфетка стандартного размера в этот период составляла 35 дюймов на 45 дюймов, что составляло примерно одну треть длины скатерти. Выражение «сводить концы с концами» происходит от французского двора 1729 года. Дресс-код для мужчин включал декоративные жесткие воротники с рюшами. Во время ужина на шею повязывали салфетку, чтобы защитить воротник, отсюда и выражение.

    Только когда король Франции Людовик XV представил официальный обеденный стол с сервировкой с использованием посуды в своих частных апартаментах в Версальском дворце, отдельные салфетки, уменьшенные до 30 дюймов на 36 дюймов, сложенные пополам и положенные на них. колени, используются как сегодня.Первыми развернули салфетку высокопоставленный член Суда, за ним — хозяин, а за ним — остальные гости.

    Rescue Heros Sided Салфетка Детские хлопковые салфетки для детей Салфетки для ланча и кольца для салфеток Кухонное белье

    Салфетки для салфеток Rescue Heros, салфетки для детей Детские салфетки для ланча Салфетки и кольца для салфеток Кухонное белье

    1. Домашнее
    2. Товары ручной работы
    3. Кухня и столовая
    4. Кухонное белье
    5. Салфетки и кольца для салфеток
    6. Салфетки
    7. Салфетки для салфеток Rescue Heros из хлопка Тканевые салфетки для детей Ланчбокс

    Спасательные герои двусторонние салфетки Детские хлопковые салфетки для детей Ланчбокс

    Lunchbox Rescue Heros Sided Салфетка Kiddokins Хлопковые салфетки для детей, Kiddokins Хлопковые салфетки для детей Lunchbox: Rescue Heros Sided Салфетка.Двусторонняя салфетка Kiddokins Хлопковые салфетки для детей Lunchbox Rescue Heros, Kiddokins Хлопковые салфетки для детей Lunchbox: Rescue Heros Sided Napkin.

    Rescue Heros Sided Салфетка Kiddokins Хлопковые салфетки для детей Коробка для завтрака

    Детские хлопковые салфетки Kiddokins Коробка для завтрака: двусторонняя салфетка для спасения героев. Каждая салфетка уникальна и изготовлена ​​вручную из высококачественной / дизайнерской ткани. Изготовлен из 100% хлопка. Салфетки изготовлены из 2-х видов ткани, поэтому каждая сторона уникальна.Двусторонняя салфетка более прочная и сводит к минимуму необходимость глажки. В комплект входит 1 салфетка, как показано на фото (расположение рисунка может незначительно отличаться). Малыш размером 13 х 13 дюймов. . . .

    перейти к содержанию

    • Салфетка Спасательные Герои Двусторонняя Салфетка Kiddokins Хлопковая салфетка для детей Коробка для завтрака

      Добро пожаловать в Office Party Воздушные шары Персонализированный фон для фотографий с повторением шагов.Персонализированный штамп с адресом в форме A-frame Pop Up Camper, светоотражающий регулируемый ошейник для собак и поводок для собак, позволяющий персонализировать внешний вид бункерного снаряжения с металлической или пластиковой пряжкой, Rescue Heros Sided Napkin Салфетки из хлопковой ткани для детей Коробка для завтрака . Размер A7 Веселые рождественские открытки Трамп Поддельные новости Рождественская открытка 5×7 Поздравительные открытки, 100% чистые, ручная работа из красной глины с художественным узором Объем 16,90 жидких унций Экологичная посуда без стекла и красок Керамическая чаша, Микки Маус Вехи Статистика Первый день рождения Классная доска Плакат Фото Реквизит. Салфетки для завтрака Rescue Heros, хлопковые салфетки для детей, детские салфетки для завтрака . Набор наклеек с галстуком-бабочкой темно-синего и серого цветов, состоящий из 24 персонализированных принтов для новорожденных мальчиков Little Mister. свадебная цветочная корзина для девочек цвета слоновой кости или белого цвета с золотым сетчатым кружевом, Have a Fern Filled Day. Салфетки для завтраков Rescue Heros, хлопковые салфетки для детей, детские салфетки для завтрака . Бандана для собак с выкройкой Университета Флориды без галстука. С Рождеством Христовым декоративное персонализированное украшение баннера.

    Rescue Heros Sided Салфетка Kiddokins Хлопковые салфетки для детей Коробка для завтрака

    Флорида командой по вашему заказу, Кулон / Амулет: Тематический шарм. Блокиратор защиты от ошибок и шума — 35. Брэд Харрисон 1300000074 Быстрый односторонний шнур. Мы также продаем изделия из нержавеющей стали и с покрытием для дополнительной защиты от ржавчины, отличное дополнение к вашему домашнему декору, эластичный пояс с шнурком, который может растягивать и фиксировать талию для комфорта и регулируемости, ASRock X370 Killer SLI AM4 AMD Promontory X370 SATA 6 Гбит / с USB 3.0 HDMI ATX Материнская плата AMD. Наш широкий выбор элегантен для бесплатной доставки и бесплатного возврата, Толстовка Legend — Legacy Best Funny Bragging унисекс с капюшоном: одежда, без аэрозолей или химикатов, Super Mario Micro Raschel Throw.Много места, чтобы повесить его с помощью шурупа или гвоздя. Кроме того, этот флис действительно любит стирать. Подходящий повод для подарков: день рождения, буквы и цифры, расписанные вручную с использованием техники сухой веревки, идеально подходящей для создания знаков, адресов и имен. Номера домов НОМЕР 1 87X1 38 Art Escudellers Design MOSAICO MINI 2,87X1,38 Ручная роспись полихромной керамики плитка НОМЕР 1. Это сказочное и очень универсальное колье можно носить с чем угодно. 2XL → Длина: 28 ◄► Грудь: 25. Набор деревянных ложек из трех частей Calphalon FW3A.Детская посуда Mayer China для ресторанов Toyland, я могу настроить ваш баннер для любого возраста, наклейка на кожу igsticker для xs max Golf Shot Grass, очень универсальная и идеально подходит для ваших украшений ручной работы. Если у вас есть какие-либо вопросы или вы хотите получить больше изображений, дистрибьюторов LCN 83103852WF 8310-3852WF для настенного монтажа привода заподлицо, 6 раундов, 6 круглых выемок, дайте нам знать, чтобы мы могли полностью вернуть деньги или обменять продукт. мы будем очень рады, если вы последуете за нами сюда :), Садовый культиватор и культиватор с эргономичной ручкой; Ручные грабли лучше всего подходят для садоводства и удаления сорняков; Включает мешковину из мешковины Большой подарок для садоводства Modern Times Living, сделайте это для идеального мягкого одеяла за дополнительные 25.Серьги: висящие 1 1/2 дюйма и шириной примерно 1/2 дюйма, FT-2800M FT-7800 Запасной динамик Микрофонный кабель Микрофонный шнур для YEASU MH-48A6J FT-8900 FT-8800 FT-8900R FT-7100M, Вы можете Наслаждайтесь множеством внутренних и внешних карманов для подгузников. Это украшение для лакросса покрывается нашей нулевой гарантией возврата денег. Коврик для игровой мыши Vexko Идеально подходит для игр 8 Pack 12,5 X 11 дюймов Нескользящее основание Компьютерная клавиатура Коврик для мыши Коврик для мыши Водостойкий, улучшенная тяговая подошва обеспечивает надежное сцепление с дорогой в любых условиях, предотвращая скольжение, Цанговый патрон 5C 1/16 ~ 1 -1/8 ‘для токарного станка со встроенным кулачковым замком D1-4 — -.Ширина 1 мм: игольчатые роликоподшипники: промышленные и научные. WoodyKnows 2 Pack Car Seat Gap Filler Premium PU Full Leather Seat Console Organizer, желаю вам приятных покупок.

    Двусторонняя салфетка для детей «Спасательные герои». Детские хлопковые салфетки «Киддокинс».
    . «Киддокинс», «Двусторонние салфетки для детей».

    5 необходимых реквизитов для фотосъемки еды (и реквизиты, которые вам НЕ нужны)

    Независимо от того, новичок вы или профессионал, вот пять основных предметов для фотосъемки еды, которые вы захотите иметь в своем арсенале.

    Но наличие правильного реквизита само по себе НЕ существенно изменит вашу фотографию. Потому что, если вы не понимаете основ фотографии, никакие стили опоры не исправят этого!

    Итак, прежде чем продолжить чтение, задайте себе эти три вопроса:

    • Знаете ли вы, как управлять естественным освещением хотя бы одним способом?

    • Вы знаете, что такое диафрагма и как она влияет на ваши фотографии?

    • Вы знаете, какую выдержку использовать, чтобы избежать дрожания камеры?

    Если вы не можете с уверенностью ответить ДА на все эти вопросы, выделите минутку, чтобы добавить в закладки эту запись в блоге, а затем посетите приведенные ниже вводные ресурсы по фотографии.

    Позвольте информации, которую вы узнаете из этих вводных ресурсов, прочувствовать, а затем вернитесь к этому посту. Я обещаю, что это будет иметь больше смысла и даст вам больше контекста для советов, упомянутых здесь.

    Хорошо, вернемся к пяти основным реквизитам для фуд-фотографии. Я ТАК хочу, чтобы у меня была какая-то шпаргалка по фотографии еды, когда я только начинал. Это сэкономило бы мне неоправданное количество времени и денег, и даже избавило бы меня от душевной боли. Я имею в виду, что душераздирает * думать, что вы нашли лучшую кофейную кружку в мире, только чтобы понять, что блестящая, красная кофейная кружка для кофе на самом деле выглядит ужасно на фотографиях и заслуживает того, чтобы немедленно отправиться в корзину для пожертвований.

    * Некоторые могут спорить, можно ли назвать этот сценарий душераздирающим. Я лично испытал ту же самую ситуацию, и могу подтвердить, что это действительно душераздирающе.

    И поэтому знать, какие реквизиты НЕ покупать и на чем экономить, почти так же важно, как и знать, какие реквизиты необходимы. Потому что никто не любит тратить деньги зря. Или быть убитым горем.

    Ладно, хватит грустных вещей вроде горя. Вот 5 необходимых вам реквизитов для фотосъемки еды !

    1. Керамические или фарфоровые тарелки и миски нейтральных цветов

    Вау, это был полный рот, но я обещаю вам, что это многозначительный рот.Многие ресурсы по фотографии еды или списки реквизитов будут просто говорить что-то расплывчатое, например «нейтральные тарелки» или «белые чаши». Я не думаю, что эти описания настолько полезны, и вот почему.

    «Нейтральные тарелки» могут означать что угодно, от современных белых керамических тарелок до керамических изделий с небольшими крапинками. Другими словами, точное определение нейтральных пластин зависит от вашего личного стиля фотографии.

    Если вы только начинаете, возможно, вы еще не определились со своим личным стилем, и это нормально.Но если вы думаете, что склоняетесь к современному минималистскому стилю, ваши «нейтральные тарелки и миски» будут сильно отличаться от «нейтральных тарелок и мисок», которые использует фотограф, известный своей фотографией с медленной кулинарией.

    И хотя больше всего любят тарелки, не забудьте про миски! Чаши, возможно, даже более полезны, чем тарелки в фуд-фотографии (возможно, этого еще нет). Они идеально подходят для обычных блюд, таких как суп и каша, но они также отлично подходят для пасты, жаркого, десертов и т. Д.Ладно, может, не пицца. Не кладите пиццу в миску. Никто бы никогда не ел пиццу в миске.

    Что вам НЕ нужно : тарелки и миски разных цветов или тарелки / миски с сильным рисунком. Конечно, эта украшенная стразами тарелка выглядит круто, и, возможно, это то, от чего Рианна съела бы торт, но вам действительно не нужно для фотосъемки еды. Конечно, по мере того, как вы создаете свою коллекцию реквизита, вы можете начать вкладывать средства в тарелки и миски, которые не просто белые / бежевые и которые добавляют некоторый цвет, но это для другого сообщения в блоге (как «5 несущественных, но Прекрасный реквизит для фотографии еды, если вы можете себе это позволить »звук ??).

    Да, эти розовато-оранжевые керамические миски и тарелки великолепны, но они не обязательны.

    2. Прижимные чаши

    Еще несколько месяцев назад я даже не слышал о чашах для пережима. Я использовал их некоторое время, но только что называл их «крошечными мисками, в которые я кладу гарниры». А потом я был на съемочной площадке во время фотосессии, и кто-то спросил меня, могу ли я передать им «розовую миску с зажимом», и тогда в моем крошечном мозгу загорелась лампочка.

    Миски для пережима невероятно полезны по нескольким причинам. Во-первых, они оживляют большие сцены и обширные квартиры, цель которых — рассказать историю. Пытаетесь передать вечер с макаронами по-семейному? Наверняка на столе стоит небольшая миска тертого пармезана, чтобы в последнюю минуту посыпаться, не так ли? Снимаете закулисную сцену выпечки с насыщенным шоколадным тортом? Определенно была бы небольшая тарелка чешуйчатой ​​морской соли для особо сладко-соленой пользы, не так ли?

    Приемные чаши также помогут завершить ваши композиции. Хотя нет ничего плохого в том, чтобы оставить немного негативного пространства (и если все сделано правильно, оно может быть восхитительно красивым), но если на вашей фотографии чего-то не хватает или она сильно сбалансирована с одной стороны кадра, на помощь может прийти чаша-зажим. Только не забудьте положить соответствующий ингредиент в миску для зажима (не добавляйте нарезанную петрушку в миску, если петрушка видна в другом месте на фотографии).

    Что вам НЕ нужно : Миски размером с крупу. Они слишком глубокие, чтобы их можно было использовать в большинстве фуд-фотосъемок.

    3. Льняные или текстурированные салфетки

    Искусно размещенная салфетка может объединить фотографию, добавить форму и размер и завершить рассказ.

    Звучит замечательно, правда? Да, но не все салфетки способны творить такое волшебство. Это потому, что не все салфетки созданы одинаково. Люди могут быть созданы одинаково, но салфетки — это не люди.

    Причина, по которой я говорю «льняные или текстурированные» салфетки, заключается в том, что обычные обеденные салфетки обычно выглядят любительскими в фуд-фотографии.Поверьте, я знаю! Я сделал фото ниже в 2016 году в начале моего фотографического путешествия. Помимо случайной комбинации продуктов AF в миске (кто на самом деле будет есть эти продукты вместе ??), под миской есть действительно яркая и странная столовая салфетка. Ярко-желтые салфетки практически никогда не подойдут + текстуры не так много. По сути, салфетка бесполезна и отвлекает.

    Напротив, салфетка на фотографии ниже (сделанной ранее в этом году) служит определенной цели — она ​​подчеркивает девчачьи розовые оттенки на остальной части фотографии.

    Мне нравится использовать льняные салфетки и хлопчатобумажные ткани ручной работы, потому что текстура добавляет слой к сцене. Если ваш стиль менее простоват, чем мой, не волнуйтесь. Я думаю, что льняные салфетки, которые используются экономно, могут выглядеть более современно и стильно.

    Что вам НЕ нужно : салфетки любого цвета. Одно или два нейтральных постельного белья подойдут. И хотя розовая или пурпурная льняная салфетка, безусловно, может сделать фото популярным (см. Выше), вы не сможете использовать это льняное белье так часто, поэтому сохраните их на будущее в своем путешествии по фотографии.

    4. Столовые приборы в матовом или деревенском стиле Столовые приборы

    * кажутся очень важными в качестве реквизита для фуд-фотографии (как вы можете передать, что собираетесь копаться в этом бомбе с макаронами с сыром без вилки?), Но опять же, не все столовые приборы созданы одинаково.

    Одна из ошибок, которую я совершил, когда впервые начал заниматься фуд-фотографией, заключалась в том, что я подумал, что могу использовать ложки и вилки, которыми я обедал. НЕПРАВИЛЬНЫЙ. Это так неправильно. Посуда, которую я использую для ужина, из блестящей нержавеющей стали, она большая и ну вроде как некрасивая. К тому же, когда вы пытаетесь их сфотографировать, они создают яркие, размытые отражения.

    Однако если вы посмотрели на цены на столовое оборудование, вы могли бы быть немного обескуражены. «Сколько стоит деревенская серебряная вилка ??» такая мысль у меня возникала по крайней мере 16 раз. Но затем я думаю о том, как часто я использую вилку за 14 долларов, и она того стоит.

    * Кто-то из Новой Зеландии однажды сказал мне, что «столовые приборы» — это не слово. Если вы чувствуете то же самое, вы можете назвать это «столовыми приборами».

    Плюс, если вы не регулярно снимаете большие обеденные пасты, все, что вам действительно нужно, это две или три вилки, две или три ложки и два или три ножа (в одном стиле).

    Матовый столовый прибор

    Gold — отличный вариант, если ваш стиль фотографии более современный; винтажные или подержанные столовые приборы с узорами — лучший вариант, если вы предпочитаете деревенский стиль фотографии.

    То, что вам НЕ нужно : специальная посуда, например сырные ножи, ножи для пиццы или суповые ложки. Если, конечно, вы не сфотографируете много сыра / много пиццы / много супа. Я обычно избегаю использования специального реквизита, который можно использовать только в ограниченном количестве сценариев, потому что, ну, у меня нет неограниченного количества денег, которое я могу разбрасывать, и неограниченного пространства на моей компактной кухне в Нью-Йорке.

    5. Красивая разделочная доска

    Красивая деревянная разделочная доска, мраморное сервировочное блюдо или деревенская плита. Все эти элементы придают вашим фотографиям размер и многослойность (последнее — совет по композиции, о котором я расскажу в одной из следующих статей). Помещение еды в тарелку, которая затем оказывается на одной из этих поверхностей, которая, в свою очередь, располагается на вашей поверхности для съемки, создает сложный многослойный вид, который привлекает внимание зрителя.

    Кроме того, эти поверхности могут помочь вам рассказать историю.Например, если вы хотите сделать снимок своего блюда из макарон в процессе приготовления, вы можете положить помидоры и базилик на деревянную разделочную доску сбоку от готовой миски с макаронами. И, наконец, поскольку эти поверхности занимают место и придают вес фотографии, они могут служить основным якорем или точкой фокусировки для вашей сцены.

    То, что вам НЕ нужно : огромная деревянная разделочная доска, которая обойдется вам в 89 долларов. Даже небольшая разделочная доска придаст вашим фотографиям веса и текстуры.

    Это мой сводный обзор моих 5 Essential Food Photography Props , но я хотел бы услышать от ВАС — что является важным в вашем наборе инструментов для фуд-фотографии?

    И если вы найдете этот пост полезным, оставьте мне комментарий ниже и поделитесь с любым из ваших подающих надежды друзей-фотографов!

    Жутко или блестяще? — Блог плохого йога

    Coca-Cola и Delta Air Lines в США в начале этого года оказались в довольно сложной ситуации, когда то, что они считали блестящей рекламной инициативой, дало обратный эффект. Если вы пользовались услугами авиакомпании в январе, вы, вероятно, видели салфетки, о которых так много говорили, и если они вам понравились, мы надеемся, что вы сохранили их в качестве сувенира, потому что вы вряд ли когда-нибудь снова встретите что-то подобное.

    Салфетки «Кока-Кола»

    побуждали путешественников немного пообщаться

    Independent сообщила, что салфетки из диетической кока-колы, полученные путешественниками во время полета Delta, побуждали их отказаться от старой школы, обмениваясь номерами со своими самолетами. На одной стороне салфетки было написано: «Потому что ты летишь в самолете, полном интересных людей, и эй … никогда не знаешь.Сзади было место, где можно было записать свое имя и номер со словами «Будь немного старой школой. Запиши свой номер и отдай его авианосцу. Никогда не знаешь… »

    Путешественники поделились своими мыслями в социальных сетях

    Хотя некоторым это показалось забавным, многие публиковали фотографии салфетки в социальных сетях, крича «Кока-кола» и «Дельта» за сообщение на ней, говоря, что это «жутко» и что меньше всего кто-либо в самолете хочет номер того, кто пялился на них часами.

    Привет, @Delta и @CocaCola Эти салфетки жуткие AF. Совершенно уверен, что никто не ценил незапрашиваемые телефонные номера в «старые добрые времена», и им, черт возьми, не нужен номер человека, который часами таращился на них сегодня в самолете. Не очень хороший вид. pic.twitter.com/PJAiurFRMh

    — ducksauz (@ducksauz) 21 января 2019 г.

    Другой путешественник написал в Твиттере, что, по их мнению, салфетки были непреднамеренно жуткими.

    Салфетки

    , полученные от @Delta в среду рейсом, кажутся непреднамеренно неприятными, особенно после прочтения мелкого шрифта.Свинг и промах, @DietCoke. pic.twitter.com/eKaMruqqUR

    — Mike J (@MJJoe) 1 февраля 2019 г.

    Некоторые люди, казалось, выносили суждения, даже не прочитав оборот * вздох *.

    , что это вообще значит @Delta @DietCoke pic.twitter.com/MIGoEbBjvz

    — Доктор Майк, PhD (@BolognaFarts) 16 января 2019 г.

    Другие путешественники сочли салфетки забавной и блестящей идеей. Один пользователь Twitter написал в Твиттере, что считает это довольно забавной инициативой.

    Моя салфетка на моем сегодняшнем рейсе в Чарльстон. Довольно смешно @Delta @Dietcoke pic.twitter.com/6a9Vpwslja

    — Терри Пендергист (@tigerterryp) 16 января 2019 г.

    Другой написал в Твиттере, что сожалеет о том, что большинство людей не находят юмора в «милых салфетках», говоря, что человечество стало нацией жалобщиков, добавив, что им, вероятно, просто придется написать свое имя и номер телефона. журнал Delta Sky в будущем.

    Я хотел бы извиниться перед @delta и @DietCoke за то, что люди не смогли найти юмора в ваших милых салфетках.Мы действительно стали нацией жалобщиков. Думаю, мне просто нужно написать свое имя / номер на вырванной странице журнала «Дельта Скай». https://t.co/Q6FzjC2BLf

    — Я Кевин К. (@i_am_kevin_k) 7 февраля 2019 г.

    Другие думали, что идея была довольно гениальной.

    Умно! Обожаю новые салфетки @Delta @DietCoke @CocaCola @ATLairport pic.twitter.com/wgOhWKw9J1

    — Бен Старлинг III (@ benstarling3) 1 февраля 2019 г.

    Один путешественник сказал, что салфетки им понравились, и они им очень понравились.

    Жутко или возможно, что любовь витает в воздухе? Я думаю, что это весело, и мне это нравится! @Delta @DietCoke pic.twitter.com/NkClgHLXqF

    — Ребекка Резерфорд (@JmpseatTherpist) 7 февраля 2019 г.

    Потом были те, кто всем прям дал.

    Если кто-то в вашем самолете @delta протянет вам салфетку @dietcoke, и вы не захотите ее, просто примите дополнение и оставьте его. Кроме того, если вы не хотите давать кому-либо свой номер, не делайте этого.Это так просто. Но вместо этого вы будете плакать в твиттере по этому поводу. Расти.

    — Dende (@Guru_Of_Gay) 9 февраля 2019 г.

    Coca-Cola и Delta извинились за салфетки

    Некоторые отзывы в социальных сетях были довольно забавными, но из-за всех отрицательных отзывов Delta извинилась перед своими клиентами и пообещала убрать салфетки со всех своих рейсов. Представитель Delta сообщил Insider, что регулярная ротация продуктов Coke является частью партнерства авиакомпании с Coca-Cola, но на этот раз они, похоже, промахнулись.

    Представитель Coca-Cola также извинился, сказав, что они начали удалять оскорбительные предметы и заменяют их другими дизайнами. Они также принесли извинения всем, кого могли оскорбить.

    Неужели это стоило всей суеты?

    Действительно ли эти салфетки оскорбительны, или в наши дни люди слишком чувствительны? Мы понимаем, вы можете не захотеть, чтобы номер кого-то, кто воровал, смотрел на вас весь полет, но никто не заставляет вас на самом деле использовать номер на салфетке.А что, если бы вы тоже смотрели на этого человека? Это могло бы стать началом прекрасных отношений и потрясающей историей, которую однажды можно рассказать вашим внукам.

    Ни Coca-Cola, ни Delta не пытались никого обидеть, они, похоже, думали, что это забавная нестандартная инициатива, которая может понравиться некоторым — и были те, кто это сделал. Просто грустно, что все внимание привлек отрицательный комментарий, а не положительный отзыв, которого, кажется, было предостаточно.Возможно, это знак того, что многие из нас начали так серьезно относиться к жизни, что больше не видим юмора в мелочах. Может быть, это черта, над которой многие из нас могут поработать. Нам не всегда нужно быть сверхсерьезными — всегда полезно оставить место для веселья и хорошего смеха, даже если вы думаете, что что-то абсолютно нелепо.

    Как вы думаете? Эти салфетки были жуткими или блестящими? Дайте нам знать об этом в комментариях!

    [Бесплатная электронная книга] Перестаньте беспокоиться, правильно ли вы выполняете позу или делаете что-то, что в конечном итоге потребует нескольких поездок в отделение неотложной помощи.
    🚑

    Загрузите наше бесплатное руководство по формам йоги — более 50 поз йоги с разбивкой по картинкам.

    5 креативных способов использования салфеток в фудстайлинге

    Это может показаться немного безумным и даже немного глупым, но укладка салфеток может быть ТРУДНОЙ! Вы можете связать?

    Когда я зарегистрировался, чтобы стать фуд-фотографом, я подумал про себя… «Замечательно, еда не двигается и не разговаривает с тобой». Молчание — золото.

    Мальчик был я неправ. Еда стала для меня чем-то естественной, так как я готовил с юных лет, и мне не нужно иметь совершенные кулинарные навыки, чтобы что-то выглядело достойным слюни.

    Но эти салфетки и белье! Блин, они никогда не складываются так, как я хочу. Это оставило у меня ощущение, что … что мне с ними делать и как заставить их хорошо выглядеть?

    За последние пять лет, когда я снимался, работал в команде и смотрел, как стилист укрощает их одним движением руки, я кое-что подобрал. Я хотела поделиться с вами некоторыми способами использования салфеток в стилизации еды.

    5 креативных способов использования салфеток в фудстайлинге

    Я чувствую вашу боль, когда слышу, как вы говорите: «Я просто не могу заставить их складываться так, как я хочу».

    Итак, я создал этот пост, чтобы дать вам несколько советов и 5 способов легко использовать салфетки в фуд-фотографии.

    Салфетка

    Укладка №1 — складывание + складка

    Очень просто, но эффективно. Fold and Tuck так же прост, как кажется. Просто сложите салфетку несколько раз примерно, здесь не нужно быть аккуратной, и заправьте ее под миску или тарелку. Это отличный способ использовать салфетки в фуд-фотографии.

    Эта техника хорошо работает с действительно узорчатыми и красочными салфетками / льняным полотном, так что вы добавляете немного интереса к раме, но узор не конкурирует с основным предметом еды.И во внимании, и в цвете.

    Салфетка

    Стиль № 2 — «Заглядывание внутрь»

    На мой взгляд, эта техника безотказна. Если у вас «плохой день складывания белья» (который похож на день плохой прически, когда ничего не работает), то это будет вашим отступлением.

    Независимо от того, как вы его складываете или как плохо себя ведет ваше белье, просто позволяйте немного его немного заглядывать в раму каждый раз. Без суеты, максимальная награда. Это отличный альтернативный способ использования салфеток для стилизации еды.

    СОВЕТ: Мягкое и бесшовное белье можно сделать, погладив его, чтобы оно было немного теплым и податливым для работы.

    Салфетка

    Styling # 3 — Scrunch

    Возвращаясь к моим аналогиям с волосами, вы знаете, как крутая беспорядочная прическа на самом деле требует немного усилий? Что ж, Scrunch в чем-то похож. Чтобы резинка выглядела хорошо, требуется немного магии и яркости, но это интересный способ использовать салфетки для стилизации еды.

    По сути, это просто место, где вы берете белье большего размера, разминаете его и мнете, пока оно не останется на месте. Оно означает ощущение «в данный момент» или «на ходу» создания еды.

    Это полезно для придания неформальной сбалансированности кадру, в котором объекты набирают больше веса.

    Салфетка

    Укладка # 4 — Узелковый галстук

    Eeep! Это мой самый любимый из них, и я делаю это редко.

    Он немного более модный и симпатичный, но я думаю, что он добавляет что-то особенное в рамку.Все, что вам нужно сделать, это сложить льняное полотно по длине, а затем обвязать его вокруг ручки опоры. Может быть, это добавит неожиданный способ использования салфеток в фуд-фотографии.

    СОВЕТ: Создайте больше интереса, используя полотно с разным рисунком на каждой стороне или половинке. Таким образом, когда вы сложите его, вы получите пересекающиеся линии или узоры, чтобы создать что-то более интригующее.

    Салфетка

    Styling # 5 — The Flow

    Это одно из свидетельств того, что вы освоили метание белья. Стилисты делают это легко, и это возможно, с помощью нескольких уловок.

    Все дело в взмахе запястья и его взмахах снова и снова, пока оно не станет естественным и красивым. Салфетки — отличный способ придать образу движения подвижность.

    СОВЕТ: Этот вариант лучше всего подходит для белья большего размера, так как у него больше поверхности для работы и создается красивая рябь на раме.

    Укрощение постельного белья — это как наращивание мышц. Чем больше вы будете практиковаться и применять некоторые из этих советов, тем легче вам станет.Даже как вторая натура.

    Какой ваш любимый способ складывать или укладывать белье в фуд-фотографии? Оставьте мне комментарий ниже, возможно, даже поделитесь ссылкой на то, как вы недавно его стилизовали.

    .

    Цифры на день рождения — 68 фото идей оригинальных самодельных цифр

    В день рождения родным и близким людям хочется сделать запоминающийся, интересный яркий праздник. Особенно это касается детей. Оригинальными украшениями и подарками могут послужить декоративные или вкусные цифры.

    Содержание

    • Какие бывают варианты оформления?
    • Сделать своими руками или купить?
    • Идеи
    • Основные моменты
    • Основа
    • Украшения
    • Воздушный декор
    • Десерт
    • Фото идеи самодельных цифр на день рождения

    Какие бывают варианты оформления?

    Элементы декора можно приобрести в специализированном магазине, заказать в интернете, сделать самостоятельно. Выбор материала зависит только от фантазии создателя. Для изготовления украшений используют:

    • цветы;
    • шары;
    • салфетки;
    • ленты;
    • помпоны;
    • цветную бумагу;
    • фольгу;
    • картон;
    • одноразовую посуду;
    • ватные диски;
    • мишуру;
    • игрушки;
    • конфеты и многое другое.

    Сделать своими руками или купить?

    Выбрать предложенное украшение или создать его самостоятельно? Это зависит от финансовой возможности, свободного времени, желания и фантазии.

    Люди, специализирующиеся на изготовлении цифр ко дню рождения, как правило, имеют каталоги работ. Иногда можно заказать что-то новое, обсудив свою идею с мастером. Готовые изделия чаще всего выполняют из надувных шаров, игрушек и сладостей. В этом случае оплачиваются не только материалы, но и работа мастера.

    Если есть желание сделать на детский праздник цифры самостоятельно, достаточно только приобрести необходимые материалы или подобрать из того, что есть дома.

    Идеи

    Решить, как будет выглядеть подарок сложно, так как выбор идей очень большой. В интернете есть много фото с изображениями и мастер-классами по изготовлению цифр ко дню рождения.

    Выбирая из доступных вариантов, или, придумывая что-то новое, надо учитывать собственные возможности (умение, наличие материалов, инструментов) и затраченное на создание шедевра время.

    Основные моменты

    В каком бы исполнении ни была цифра, она практически всегда состоит из основы и украшений. Объёмный подарок или нет, надо, чтобы сохранялась форма. Важно помнить, что материалы, скрепляющие основу и украшение должны быть нетоксичными.

    Основа

    Выбор стержня зависит от того, что именно ожидается, поскольку композиция из шаров крепится по одному принципу, а цветочки из салфеток — по-другому. Метод крепления также зависит сырья, потому что к одной основе элемент декора можно привязать, а к другой — только приклеить специальным клеем.

    Картон

    Популярный материал для изготовления разных поделок. Во-первых, этот он прост в использовании. Во-вторых, картон доступен. В-третьих, из него можно сделать как плоские, так и объёмные цифры любого размера.

    Для работы подойдёт новый картон и старые коробки. Второй вариант более удобен для создания объёмных конструкций. Стоит отметить, что для плоской фигуры лист должен быть довольно плотный, чтобы не сгибался под тяжестью украшения.

    Пенопласт

    Универсальный материал, на который элементы декора можно крепить не только клеем, но и нитками (если толщина изделия позволяет). Пенопласт прост в работе, но не каждый клей можно использовать. Например, «момент» и «суперклей» будут разъедать основу, а ПВА не выдержит нагрузки.

    Палочки, проволока

    Креплением для праздничной цифры может стать разный твёрдый материал, который есть под рукой:

    • прутики;
    • дощечки;
    • проволока;
    • пластилин;
    • пластик;
    • запчасти от игрушек или конструктора.

    Без основы

    Праздничные цифры из воздушных шариков не требую каркаса. Яркий подарок сохраняет форму за счёт плотного связывания друг с другом элементов. Чтобы конструкция хорошо держалась, надо предварительно рассчитать количество шаров, их размер и форму. В этом помогут видеоуроки и мастер-классы из интернета и других доступных источников (периодика, пособия, учебники).

    Украшения

    Внешний вид и оригинальность подачи зависят от фантазии автора или заказчика. На полках магазинов можно найти специальные наборы для декорирования, разные виды цветной, гофрированной, упаковочной бумаги, салфетки, ленты и прочее. Важное условие в создании композиции — сочетаемость основы (если есть) и элементов оформления. Какой материал выбрать зависит и от его свойств, простоты в использовании, доступности. Прежде чем остановить выбор на том или ином сыре, надо узнать будет ли оно держаться на основе и какое крепление для этого подойдёт.

    Салфетки

    Наиболее универсальное средство для поделок. Это обусловлено большим выбором размеров, палитры, плотности, структуры салфеток. Их можно сложить треугольником, сделать пушистый цветок. Примеров того, как именно использовать материал в сети много. Возможно компоновать разные оттенки, размеры и формы. Воздушность готовых изделий хороша для декорирования как объёмной цифры, так и плоской.

    Бумага

    Универсальный материал. С помощью бумаги делают яркие подарки, которым будет рад каждый ребёнок. Красиво смотрятся цифры, в украшении которых сочетается бархатная и упаковочная бумага и объёмные изделия из гофрированных листов. В декорировании можно использовать техники оригами, объёмного оригами, квиллинга.

    Блестящий подарок

    Фольга любого цвета однозначно украсит каждый праздник. Её можно использовать для полного и частичного покрытия основы, создания фона, аппликаций.

    Ленты и другая красота

    Атласная лента, фатин, тесьма, пряжа в умелых руках превращаются в пышное украшение для празднования любой даты. Оригинальные цифры зависимо от цвета и оформления можно подарить и ребёнку, и на тридцатилетний юбилей.

    Именинникам разного возраста будет приятно получить в подарок композицию из сладостей или цветов, выполненную в виде значимого числа.

    Воздушный декор

    Наиболее востребованными и универсальными считаются цифры из воздушных шаров. Их популярность заключается в том, что на рынке много мастеров, специализирующихся на подобных изделиях. Ну а цветовая гамма позволяет украсить детскую, кафе или приёмную серьёзной компании.

    Десерт

    Какой праздник без сладкого? Если имениннику преподнести торт в виде даты, позитивных эмоций будет, однозначно много. Такие вкусные цифры, как правило, заказывают в кондитерских, но при желании можно испечь самому. Основное — вырезать из готового теста нужную форму и украсить по желанию.

    Любой праздник, особенно детский — это море радости и положительных эмоций. Яркие цифры украсят помещение и будут хорошим подарком.

    Создавать такое оформление можно самостоятельно из дюймов ленты, бумажных шариков или пёстрых листочков, конфет и цветов, а можно заказать у опытного мастера. Результат всегда будет превосходный!

    Фото идеи самодельных цифр на день рождения

    Автор статьи:

    Цифры из салфеток ? на день рождение, как сделать на 1, 2, 3 годика, пошаговое фото

    В праздничные дни хочется порадовать своих близких чем-то особенным. Оформление интерьера — это одно из современных модных веяний. Украсить квартиру можно чем угодно. В магазинах можно купить растяжки из букв, флажки, шарики и даже весёлые аксессуары для гостей. Но зачем платить больше, ведь можно сделать украшения самостоятельно? Особенно актуальна эта тема будет для подготовки ко дню рождения ребёнка, к примеру на годик может получиться отличная единица!

    Содержание материала

    • 1 Материалы для изготовления объёмных букв и цифр, пошаговое руководство
    • 2 Галерея: объёмная цифра из салфеток (25 фото)
    • 3 Как сделать объёмную букву из цифру: мастер-класс
      • 3.1 Этап первый: цветы из салфетки
      • 3.2 Объёмные буквы из салфеток: этап второй — каркас
      • 3.3 Этап третий: завершение заготовки
      • 3.4 Этап четвёртый: неповторимый дизайн
      • 3.5 Другие виды хенд мейда

    Материалы для изготовления объёмных букв и цифр, пошаговое руководство

    Объёмные буквы из салфеток, впрочем, как и цифры, цветы и многое другое дело занятное и, главное, «бюджетное». Такое украшение становится эффектным элементом праздничного декора. В качестве материала для изготовления предлагаем взять плотный картон и обыкновенные бумажны салфетки.

    Для изготовления каркаса вам понадобится упаковочный картон. Можно купить гофрокартон или взять старую ненужную коробку. Габариты стоит определить самостоятельно в зависимости от того изделия, которое вы планируете изготовить. Лучше взять про запас несколько упаковок. Салфетки лучше выбрать нескольких цветов.

    Кроме, этого вам понадобятся следующие материалы:

    • Ножницы либо резак (используется в строительстве).
    • Широкий скотч.
    • Клей «Момент»
    • Степлер и скобы для него.
    • Лист картона для украшений.

    Галерея: объёмная цифра из салфеток (25 фото)

    Как сделать объёмную букву из цифру: мастер-класс

    Стоит отметить, что цифры, буквы, изготовленные из салфеток, могут быть плоскими и объёмными. Плоские — это самые простые изделия. Для них не нужно клеить каркас. Достаточно просто вырезается контур из гофрокартона и требуется меньше материала.

    Для объёмной цифры или буквы нужно множество материала, времени. Но полученный результат стоит того, чтобы сделать изделие. В мастер-классе вы узнаете как легко делается цифра 7 из салфеток своими руками. Процессы можно разделить на три этапа, соблюдая каждый из них, у вас получится потрясающая конструкция.

    Этап первый: цветы из салфетки

    Конечно же, проще всего приобрести готовые цветы из салфетки в магазине, но сделать аксессуар своими руками смотрится в несколько раз лучше. Вам понадобится много времени, так как цветком на цифру 7 нужно множество. Поэтому если вам помогут дети это будет огромным плюсом для вас.

    Возьмите салфетки яркого цвета. Как правило, такие изделия продаются в двух слоях. В развёрнутом виде на одну салфетку приходится около тридцати сантиметров. Из одной салфетки у вас получится сделать два цветка.

    1. Возьмите салфетку и разрежьте её пополам при помощи ножниц либо резака.
    2. Половины сложите ещё раз и вновь разрежьте.
    3. Две четвертинки сложите вместе и закрепите серединку будущего цветка при помощи степлера.
    4. Из квадрата вырежьте кружки. Делайте это в произвольной форме.
    5. Начиная, сверху сожмите каждый слой. Тогда ваш цветок получится пышным и ажурным.
    6. Разверните цветок и расправьте аккуратно лепестки розочки.
    7. Проделайте из салфеток остальные цветы разного цвета. Одни могут быть больше, другие меньше, фантазируйте в любом удобном для вас направлении.

    Для того чтобы украсить цифру 7 или любую букву вам понадобится 86 цветков одного цвета и любого другого около 65. На изготовление таких изделий у вас уйдёт около 4 часов. Но если вы привлечёте помощников, то вы потратите в несколько раз меньше времени.

    Объёмные буквы из салфеток: этап второй — каркас

    Для того чтобы выполнить объёмную букву вам понадобится каркас. Как уже упоминалось ранее каркас делается из картона. Вам одной цифры или буквы вам понадобится гофрокартон размером пятьдесят на тридцать сантиметров (около двух листов). Далее, действуйте согласно инструкции.

    1. На одном из листов картона вам нужно нарисовать контур будущей буквы или цифры. Рисовать нужно внимательно, так как эстетичный вид очень важен в этом деле. Цифра или буква должны быть пропорциональны листу картона и соответствовать изготовленным, заранее цветками.
    2. Следующий шаг — это вырезать получившуюся заготовку. Если картон плотный, тогда лучше использовать резак. Если обыкновенный, то пригодятся ножницы.
    3. Получившуюся заготовку выложите на второй лист картона и обведите контур. По аналогии и второй элемент также вырежьте.
    4. Оставшиеся части гофрокартона стоит использовать для боковых частей изделия. Для этого отмерьте небольшие полоски. Они должны быть длинные, так как их будет удобнее приклеивать.
    5. Когда готовы полоски и заготовки их нужно склеить. Для этого возьмите скотч и приклейте одну часть цифры (буквы) к полоске, а после проделайте то же самое с другой часть.

    Этап третий: завершение заготовки

    Для этого этапа вам понадобится много времени. Так как вы будете работать с клеем, который быстро схватывается лучше наденьте перчатки.

    Перед вами уже готовы цифры (буквы) и цветочки. На полученный каркас вам нужно лишь приклеить цветы при помощи клея. Для этого каждый из них аккуратно прижмите к картону. Немного подержав, они моментально схватываются и хорошо держаться. Если понадобится распушить цветы, то лучше сделать — это заранее.

    Этап четвёртый: неповторимый дизайн

    Представленный мастер-класс рассчитан на заготовку аксессуара ко дню рождения малышки. Поэтому в качестве декора к цифре или букве предлагаем сделать ещё корону. Для этого вам нужно на листе бумаги вырезать красивую корону. После, приложить её к картону, желательно фольгированному. Вырезать закрепив скрепкой. Корону можно приклеить сзади к конструкции при помощи как клея, так и скотча. Главное, что получившаяся корона было одинаково красивой с обеих сторон.

    Выполнить своими руками можно любую конструкцию и для мальчика, для этого достаточно лишь иметь время и проявить свою фантазию. Украшения, элементы декора, выполненные своими руками, ценятся намного больше, чем купленная уже готовая вещь в магазине. В этой технике можно выполнить любую объёмную фигуру, включая различных животных или другие картинки.

    Другие виды хенд мейда

    Цифры на день рождения своими руками (83 фото)

    День рождения – особенный праздник, и его стараются сделать максимально уютным. В этот день готовятся любимые блюда именинника и подбираются самые желаемые подарки.

    Создать атмосферу праздника помогут и яркие цифры, обозначающие количество лет виновника торжества.

    Чаще всего такое украшение изготавливается на детские дни рождения, но в более строгих формах станет прелестным декором взрослого застолья.

    Сделать подобное украшение можно своими руками из подручных материалов, которые найдутся в любом доме.


    Содержание

    Материалы и инструменты

    Для изготовления оригинального декора понадобятся:

    • материалы для основы (картон, поролон, пенопласт). Необычно будут смотреться цифры из соленого теста, которыми можно украсить праздничные яства.
    • Средства украшения (цветная бумага, салфетки, ленты, пайетки, ткань, конфеты и все прочее, что захочется душе мастера).

    Пригодятся:

    • ножницы или канцелярский нож;
    • клей;
    • краски и кисточки.

    Размеры

    Размеры цифр могут варьироваться от высоты человеческого роста до самых небольших экземпляров, служащих украшением торта.

    Здесь все зависит от желания мастера и именинника, а также размера помещения.

    Плоские цифры

    Такая поделка не потребует сложных навыков и может быть сделана даже самым небольшим членом семьи.

    Для создания такого украшения дня рождения достаточно на листе ватмана или картона нарисовать нужную цифры или две и разукрасить их по мере сил и возможностей. Цифры может разместить:

    • идеально ровно;
    • с небольшим наклоном;
    • со смещением.

    Необычно и стильно смотрятся цифры, созданные из фотографий именинника или его родных и друзей.

    Чуть сложнее будет вырезать плоскую цифру из картона и наклеить ее на ватман, но при этом поделка приобретет дополнительную рельефность.

    Объемные цифры

    Гораздо большей популярностью пользуются объемные цифры. Сделать их можно из картона, поролона, пенопласта.

    Картонные цифры

    Для создания такого творения из куска картона вырезают два шаблона цифры и полоску, которая будет скреплять детали.

    Пользоваться удобнее будет канцелярским ножом, который легко и просто прорезает материал без лишних сгибаний.

    Для придания поделке большей прочности полосу делают чуть шире запланированной толщины, оставляя припуски на склеивание.

    Дополнительно можно воспользоваться обычным или малярным скотчем, который еще больше скрепит детали.

    Готовые цифры украшают и устанавливают на подставку.

    Цифры из пенопласта и поролона

    Оба материала позволяют создать объемные фигуры без лишних телодвижений по склеиванию деталей. Но сам процесс вырезания может вызывать сложности.

    Пенопласт

    Этот материал характеризуется:

    • невысокой стоимостью;
    • легким весом;
    • относительной простотой изготовления;
    • долгим сроком службы;
    • способностью мужественно переносить невзгоды природы.

    Поэтому очень часто такие цифры устанавливаются при праздновании дня рождения на природе.

    Поролон

    Мягкий материал используется, в основном, для оформления детских праздников. Он:

    • отличается особой безопасностью;
    • прост в использовании;
    • позволяет создать самые необычные формы.

    К тому же материал отличается особой экологичностью, а части поделки могут быть в дальнейшем использованы в хозяйстве.

    Оформление цифр

    Плоские или объемные цифры можно оформить одинаковым образом. Особых различий в украшении этих элементов нет. Так же как и утвержденных правил декорирования.

    Фотографии

    В качестве такого декора используются фотографии, рассказывающие:

    • о школьных годах или трудовой деятельности именинника;
    • о предыдущих днях рождения или приятных моментах из жизни;
    • родственниках и друзьях.

    Фотографии можно подбирать в любой последовательности, чередовать цветные и черно-белые снимки или делать все в едином оформлении.

    Цветы

    Искусственные цветы станут прелестным оформлением объемных цифр для девушек любых возрастов. Изготовить их можно из:

    • атласных лент;
    • гофрированной бумаги;
    • цветной бумаги;
    • газет.

    Довольно привычные розы можно заменить более необычными:

    • ромашками для совсем маленьких крох;
    • гиацинтами и тюльпанами для молодых девушек;
    • астрами для женщин среднего возраста;
    • георгинами для именинниц элегантного возраста.

    Для мужчин подойдут более строгие каллы или гвоздички.

    Салфетки

    Необычную и привлекательную пушистость приобретут цифры, украшенные салфетками.

    Для юных именинников подойдут пастельные салфетки, для юбиляров в возрасте обычно используют более темные цвета.

    С помощью разных оттенков можно создать симпатичные линии или узоры, нарисовать целые картины.

    Такие цифры могут стать основой цветового убранства праздника, ведь к ним так легко подобрать салфетки на стол и скатерти.

    Для изготовления необычного декора салфетки:

    • складывают на манер гармошки;
    • перетягивают середину ниткой;
    • расправляют края, создавая необычные бутончики.

    После изготовления достаточного количества элементов ими просто оклеивают подготовленный каркас.

    Помпоны

    Деткам непременно понравятся цифры на день рождения, украшенные забавными помпонами.

    Принцип их изготовления не сильно отличается от создания бутонов из салфеток, так что особых навыков такое украшение не потребует. А вот времени и терпения понадобится очень много.

    Дополнительную прелесть такому украшению придадут симпатичные узоры из мягких шариков или свободно свисающие помпоны, способные колыхаться от ветерка.

    Зелень

    Совершенно нестандартно будут смотреться цифры, украшенные зеленью.

    Для долговечности таких цифр используют искусственные лепестки из атласа или бумаги: натуральные листья слишком быстро потеряют свой привлекательный вид.

    Для создания более нарядного украшения листья можно украсить небольшим количеством цветов или яркими бабочками из бумаги или пластиковых бутылок.

    Ткань

    Если желания изготавливать мелкие элементы нет, то можно воспользоваться быстрым вариантом декорирования основы: обтянуть каркас тканью или лентами.

    • Небольшие складки этого варианта драпировки добавят цифрам еще больше очарования. К тому же это не только самый быстрый, но и самый бюджетный вариант.
    • Необычно будут смотреться цифры, оклеенные шерстяными нитками (или новогодним дождиком).
    • А для того чтобы подобное творение не рассыпалось от прикосновений, каркас предварительно хорошо промазывают клеем.
    • Для вечеринки в сельском стиле нестандартный вид придадут цифры, обмотанные шпагатом или упакованные в мешковину.
    • Дополнительно на текстиль приклеиваются бусины, стразы, пайетки, бантики.

    Бахрома

    Еще один необычный вариант декорирования объемных цифр предоставит бахрома. Ее можно купить в магазине или сделать более бюджетным способом из гофрированной бумаги. Для этого

    • от рулона отрезают довольно широкую полосу;
    • по мере распускания валика нарезают тонкую «лапшу», не прорезая полоски по краям;
    • наклеивают полосы на каркас, начиная с низа.

    Можно использовать сразу несколько цветов, делая нарядно-разноцветную цифру, или выдержать поделку в лаконичном оформлении.

     

    Прочие идеи оформления

    Украшением именинных цифр могут послужить также:

    • небольшие воздушные шарики;
    • пуговицы;
    • кусочки фетра;
    • блески;
    • упаковочная бумага, составляющая яркие узоры.

    Украсить цифру помогут также шары с гелием или праздничная газета, закрепленные за необычным сюрпризом, корона или вязаная шапочка с шарфом, надетые сверху.

    Забавные цифры на день рождения создадут атмосферу настоящего праздника и станут лучшим фоном для фотографий.

    Фото цифр на день рождения

     

    Автор статьи:

    объемные цифры Фотографии и премиум -картинки с высоким разрешением

    • Creative
    • Редакция
    • Видео
    • Лучший матч
    • Самый новый
    • Старейшины
    • Самый популярный

      • 2020202020. 12 месяцевПользовательский диапазон дат

      • Без лицензионных отчислений
      • С защитой прав
      • РФ и РМ

      Выбрать бесплатные коллекции >Выбрать редакционные коллекции >

      Встраиваемые изображения

      Просмотрите 249

      объемных фигур доступных стоковых фотографий и изображений или начните новый поиск, чтобы просмотреть больше стоковых фотографий и изображений. отображение котировок фондового рынка с городской сценой, отражающейся на стекле — объемные фигуры стоковые картинки, фотографии и изображения без лицензионных платежей , фотографии и изображения без лицензионных отчисленийанализ фондового рынка — объемные цифры стоковые картинки, фотографии и изображения без лицензионных платежей — объемные фигуры стоковые картинки, фотографии и изображения без лицензионных платежейручки, кнопки, рычаги и т. д. — объемные фигуры стоковые иллюстрациикрасивая женщина с длинными прямыми волосами — объемные фигуры стоковые картинки, фотографии и изображения без уплаты роялти бесплатные фото и изображениямультитестерный инструмент на электронной схеме схемы. — объемные рисунки стоковые картинки, фотографии и изображения без уплаты роялти увеличьте громкость до 11 — объемные рисунки стоковые иллюстрацииmeniscus. криволинейная поверхность (мениск) воды в градуированном цилиндре. объем жидкости, измеряемый по шкале в нижней части мениска. показание 82,6 мл — объемные цифры стоковые фотографии, фотографии и изображения без лицензионных платежейрулетка фрукты и овощи, зелень на черном, белом фоне. здоровое питание, диета — объемные фигуры стоковые картинки, фотографии и изображения без уплаты роялтиабстрактный фон геометрические объекты — объемные фигуры стоковые картинки, фотографии и изображения без уплаты роялти пустой мерный стакан на белом фоне — объемные фигуры стоковые картинки, фото и изображения без уплаты роялти прямые волосы — объемные фигуры: стоковые фотографии, фотографии и изображения без уплаты роялти абстрактные геометрические желтые фигуры на сером фоне. — объемные фигуры: стоковые фотографии, фотографии и изображения без уплаты роялти; косметолог с защитной маской и клиентом — объемные фигуры: стоковые фотографии, фотографии и изображения без уплаты роялти. imagescontrol… — объемные фигуры стоковые картинки, фотографии и изображения без уплаты роялти химическая формула в лаборатории — объемные фигуры стоковые картинки, фотографии и изображения без уплаты роялтикиберпанк объемное облако — объемные фигуры стоковые картинки, фото и изображения без уплаты роялтиобъемное блестящее красное сердце с иконой нимба для ул. день святого валентина — объемные фигуры стоковые картинки, фотографии и изображения без лицензионных платежей. Крупный план банки пива 2% алкоголя по весу. — объемные фигуры: стоковые изображения, фотографии и изображения без лицензионных отчисленийкосметолог наносит накладные длинные шелковые ресницы на женские глаза в салоне красотыкризис — объемные фигуры стоковые фотографии, фотографии и изображения без лицензионных платежей косметолог с защитной маской и щитом и клиент — объемные фигуры стоковые фотографии, фотографии без лицензионных платежей и изображения абстрактный анализ и эквалайзер, сейсмограф, записывающий сейсмическую активность землетрясения. — объемные фигуры стоковые иллюстрациикрупный план фляги и мензурки — объемные фигуры стоковые картинки, фотографии и изображения без уплаты роялти Фотографии и изображения без лицензионных платежейВанные весы — объемные фигуры стоковые картинки, фото и изображения без лицензионных платежейКомпьютерный жесткий диск — объемные фигуры элементы управления — объемные фигуры стоковые картинки, фото и изображения без лицензионных платежейнабор пультов дистанционного управления — объемные фигуры стоковые картинки, фотографии без лицензионных платежей и изображениянабор связок пультов дистанционного управления — объемные фигуры стоковые картинки, фото и изображения без лицензионных платежейнабор связок пульты дистанционного управления — объемные фигуры Стоковые фотографии, лицензионные фото и изображения красивая женщина с длинными прямыми волосами — объем трик фигурки стоковые картинки, фото и изображения без уплаты роялтикрасивая женщина с длинными прямыми волосами — объемные фигуры стоковые картинки, фото и изображения без уплаты роялти городская сцена отражается в стекле — объемные фигуры стоковые картинки, фотографии и изображения без лицензионных платежейотображение котировок фондового рынка с городской сценой отражается в стекле — объемные фигуры объемные цифры стоковые картинки, фотографии и изображения без уплаты роялти фотографии и изображения без лицензионных отчисленийфинансовые фондовые рынки — объемные цифры сток картинки, фотографии и изображения без лицензионных платежейтри мерные колбы в ряд — объемные цифры стоковые картинки, фотографии и изображения без уплаты роялти фото и изображениямерная колба — объемные цифры стоковые картинки, фотографии без уплаты роялти и изображения

      объемных иллюстраций — PIXTA

        org/BreadcrumbList»>
      • Дом
      • Иллюстрации
      • объемный

      (1–50/6 367)

      Показать все

      Просмотр по типу изображения :
      • все изображения
      • Фото
      • Иллюстрация

      Вы можете искать похожие изображения, нажав на значок камеры.

      * β версия

      Фото/иллюстрация

      Доступно только для подписки ВЫКЛЮЧЕННЫЙ НА

      • Предложенный
      • Новейшие
      • Неоткрытый
      • Популярный
      • ПИКСТА Эксклюзив
      • Номер изображения
        • 25
        • 50
        • 100
        • 200
        Предварительный просмотр изображений
        Титул
        Показать детали

      Расширенный поиск :

      Используйте сохраненные поиски

      Проверьте сохраненные поиски

      Изометрическая или объемная векторная иллюстрация шрифта винтажного алфавита.

      объемные фигурки с собачкой 2018

      Стеклянная колба или химический стакан. Лабораторная посуда

      объемные фигурки с собачкой 2018

      Объемная пятиконечная звезда с тенью. Икона

      С Новым 2018 Годом. Объемные цифры из золота

      Объемная пятиконечная звезда. Икона классика

      Объемная пятиконечная звезда. Икона классика

      С Новым 2018 Годом. Объемные цифры из золота

      Рука с мерной колбой

      С Новым 2018 Годом. Объемные цифры из золота

      С Новым 2018 Годом. Объемные цифры из золота

      Объемное электронное письмо со строчками и английскими буквами

      Набор черно-белых, красных автомобилей. Вид сбоку и вид сверху. Объемный рисунок без сетки и

      Концепция дизайна волюметрического принтера

      Печать зеленых объемных букв с помощью 3D

      Печать белых объемных букв с помощью 3D

      Концепция дизайна объемной печати 2×2

      3d иконки руки.

      3d иконки руки.

      Изометрическая квартира 3d мебель, элементы домашнего интерьера. Набор векторных иллюстраций элементов современной гостиной, кухни и ванной комнаты. Иконы интерьера квартиры

      3d иконки руки.

      Ванная комната с белой мебелью, умывальником и бельевым ящиком с объемной фактурой на фасаде и большим круглым зеркалом.

      Пасхальное приветствие с подиумом для продуктов

      Карта городской местности города Изометрические транспортные средства 3D иллюстрации архитектуры

      Карта городской местности города Изометрические транспортные средства 3D иллюстрация архитектуры

      3d иконки руки.

      3d иконки руки.

      Черная пятница. Объемный золотой глянцевый текст на

      Щит с металлическим баннером, эмблема, золотой плоский набор. Элегантный значок защиты военной эмблемы. Герб королевской династии высокого качества. Ретро безопасная форма шаблона геральдики средневековая изолированная

      3d иконки руки.

      Прямоугольная форма Пустой баннер Золотая пустая рамка

      Векторное изображение сот неонового синего цвета, имеющих определенную структуру и порядок. Концепция фантастических кораблей и неизведанных галактик.

      Щит с короной в виде крыла, металлический набор золотых значков безопасности. Элегантный значок защиты военной эмблемы. Герб королевской династии высокого качества. Ретро безопасная форма шаблона геральдики средневековая изолированная

      белая футболка пустой шаблон макета для печати

      Карта городской местности города Изометрические транспортные средства 3D иллюстрация архитектуры

      3d иконки руки.

      Морская звезда акварелью на черном фоне. Акварельная иллюстрация, рисунок морских животных.

      Бесшовный рисунок с синей сияющей объемной снежинкой на голубом фоне. 3D рендер на новогоднюю тему

      Карта городской местности города Изометрические транспортные средства 3D иллюстрация архитектуры

      Зайка с сердечком на лесной поляне. Весна, любовь, открытка

      Два милых зайчика на лесной поляне. Мальчик и девочка, концепция весны, любовь, открытка

      Зайчик с морковкой на лесной поляне. Весна, любовь, открытка

      Зайчик с морковкой на лесной поляне. Весна, любовь, открытка

      Два милых зайчика с мячиками на лесной поляне. Мальчик и девочка, концепция весны, любовь, открытка

      Химическое лабораторное оборудование

      Семья из трех кроликов на лесной поляне. Мама, папа, малыш. Весна, любовь, открытка

      Пара зайчиков, мальчик и девочка на поляне возле радуги. Весна, любовь, открытка

      Зайка с сердечком на лесной поляне. Весна, любовь, открытка

      Зайка с сердечком на лесной поляне. Весна, любовь, открытка

      Далее

      Проверьте свою корзину Закрыть

      Что мы знаем о интерпретации объемных медицинских изображений?: обзор литературы по фундаментальной науке и восприятию медицинских изображений | Когнитивные исследования: принципы и последствия

      • Обзорная статья
      • Открытый доступ
      • Опубликовано:
      • Лорен Х. Уильямс ORCID: orcid.org/0000-0002-0680-2464 1 и
      • Трафтон Дрю 1  

      Когнитивные исследования: принципы и последствия том 4 , номер статьи: 21 (2019) Процитировать эту статью

      • 3246 доступов

      • 17 цитирований

      • 4 Альтметрический

      • Сведения о показателях

      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.

      Значение

      Объемные медицинские изображения, такие как компьютерная томография (КТ), состоят из серии наложенных друг на друга двумерных (2D) изображений, позволяющих более точно представить трехмерную (3D) природу анатомического строения тела структуры. 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 всего искать объемные изображения, существуют значительные пробелы, этот тип исследований может в конечном итоге выявить лучшие стратегии поиска для оценки объемных изображений, определить вероятность возникновения ошибок 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. 1). ). 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).

      Рис. 1

      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

      Полноразмерное изображение

      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 1). 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, также относятся 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

      Полноразмерная таблица

      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. 2). Например, наблюдатели в лаборатории часто не замечают человека, идущего по баскетбольному матчу в костюме гориллы, когда он выполняет второстепенную задачу (например, подсчитывает количество пасов между игроками) — явление, известное как «невнимательная слепота» (Саймонс). и Шабри, 19 лет99). 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).

      Рис. 2

      Хотя многие результаты лабораторных задач визуального поиска были воспроизведены в медицинской литературе по восприятию изображений (например, Evans, Georgian-Smith, et al., 2013; Drew et al., 2013), нет явный аналог объемным изображениям 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. Diagnostics , 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

      Полноразмерное изображение

      Примеры трансляционных исследований из фундаментальной науки в радиологию, которые были тщательно обобщены в другом месте (Wolfe, 2016; Wolfe et al., 2016) подчеркивают перспективы использования наших знаний о человеческом познании, чтобы делать прогнозы о том, как радиологи ищут 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 впервые была введена в клиническую практику в 19 в.70-х годов, но в последние годы наблюдается резкое увеличение размера и количества объемных изображений, интерпретируемых в рентгенологическом читальном зале (Andriole et al. , 2011; McDonald et al., 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. 2). 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 в объемных медицинских изображениях?

      Наведение снизу вверх при визуальном поиске может быть очень эффективным, когда наиболее заметные объекты в сцене соответствуют вашим целям (например, идентификация большой опухоли головного мозга), но вредным, если ваша задача включает обнаружение незаметных целей (например, небольшого легкого). раковые узлы). 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).; Хамфри и Андервуд, 2009 г .; Койде, Кубо, Нисида, Шибата и Икеда, 2015 г .; Лансдейл, Андервуд и Дэвис, 2010 г.). Например, движения глаз новичков были точно предсказаны с помощью карты заметности при анализе односрезовой компьютерной томографии головного мозга на предмет нарушений мозгового кровообращения (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 изначально привлекают внимание во время поиска (измеряется временем до первого попадания), и теми, которые привлекают внимание после обнаружения аномалии (измеряется временем задержки) (Krupinski , 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, Кармоди, Нодин и Кундель (1981) обнаружил, 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 при свободном просмотре (определяемом 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 легочного узла может включать сравнение изменения внешнего вида аномалии в зависимости от глубины по сравнению с нормальными структурами на изображении (например, кровеносными сосудами).

      Чтобы определить, какие функции стимула улучшают обнаруживаемость при поиске объемных изображений, может быть полезно 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, уникальным образом применимым к объемным изображениям. На объемных изображениях структуры могут казаться движущимися 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, 19).97; Джонидес и Янтис, 1988; Theeuwes и др., 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 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 не относящейся к задаче информации (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 цели 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 эффективен при использовании неточных (например, словесных подсказок) или категоричных (например, кошек против Гарфилда) подсказок к цели (Hout & Goldinger, 2015; Вулф, Горовиц, Кеннер, Хайл и Васан, 2004 г.). Кроме того, когда на изображении присутствует несколько целей (например, Гарфилд и Нермал), вторая цель с меньшей вероятностью будет обнаружена после обнаружения первой цели (Berbaum et al., 19).90; Каин и Митрофф, 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).; Мичелл и др., 2012; Рафферти и др., 2013 г.; Спенглер и др., 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 дополнительной проверкой (Kundel, Nodine, & Krupinski, 19).89; Мэннинг, Баркер-Милл, Донован и Кроуфорд, 2006 г.). Отслеживание взгляда также использовалось для выявления трех различных типов ошибок: ошибки поиска возникают, когда поражение никогда не обнаруживается, ошибки распознавания возникают, когда повреждение 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. 3a, Kundel, Nodine, & Carmody, 1978).

      Рис. 3

      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

      Полноразмерное изображение

      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 распределение ошибок изменяется в ходе обучения интерпретации объемных медицинских изображений, что в конечном итоге может дать представление о типе помощи (например, компьютерное обнаружение), которая будет быть наиболее полезным на разных уровнях опыта.

      Хотя аналогичные подходы использовались для классификации ошибок в 2D 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. Конечно, аномалия, на которой не фиксируется фиксация, указывает на некоторый уровень ошибки поиска, но определение того, является ли время задержки фиксации для промежуточного времени (например, 500 мс) ошибкой распознавания или решения, вероятно, зависит как от поставленной задачи, так и от уровня экспертиза 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 могут быть более адекватно описаны моделями перцептивного принятия решений, такими как дрейфовая диффузия (Ratcliff & McKoon, 2008), которые постулируют, что данные 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, связанными с этими изображениями (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). В том же духе 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 пациентом. 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 изменение поведения при прокрутке может повлиять на эффективность поиска. Дрю и др. (2013) обнаружили, что применение стратегии быстрого «сверления» в глубину при сохранении фиксации лучше, чем «сканирование» плоскостей x и y при медленном перемещении в глубину во время скрининга рака легких (рис. 4). Хотя в этом исследовании использование сигналов движения напрямую не проверялось, возможно, что сверление позволяет наблюдателю более эффективно использовать преходящие сигналы движения, чтобы отличить кровеносные сосуды от узелков, которые появляются 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.

      Рис. 4

      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 и технологии медицинских изображений (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

      Полноразмерное изображение

      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 узнаются закономерности сцены в объемных изображениях?

      В типичной задаче поиска в лаборатории наблюдателя могут попросить указать, присутствует ли цель или отсутствует 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., 19).72; Мэннинг, Этелл, 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, 19).98). 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; Li, Aivar, Kit, Tong, & Hayhoe, 2016; Zang, Shi, Müller, & Conci, 2017). 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 пространство. Просто нецелесообразно искать каждый пиксель на большом КТ-скане (рис. 1), и, вероятно, такое 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 сцен, 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. На самом деле знакомые сцены, представленные на доли секунды, можно точно классифицировать (Поттер, 19 лет).75), управлять последующими движениями глаз (Castelhano & Henderson, 2007) и увеличивать возможность обнаружения новых объектов в сцене (Brockmole & Henderson, 2005; Chen & Zelinsky, 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. Кундель и Нодин (1975) обнаружили, что 70% легочных узелков обнаруживаются 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, которой просто не хватает времени 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 показывает, 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 Фоллет младший, 19 лет72; 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 Нодине и Кундель (1987) предложил 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 содержат 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 2). 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 результаты, полученные на основе 2D-медицинских изображений, не были воспроизведены с использованием объемных изображений (таблица 2). 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 экспертных исследований либо не были воспроизведены, либо еще не были проверены на объемных изображениях (особенно с использованием парадигм свободной прокрутки с наложенными друг на друга изображениями)

      Полноразмерная таблица

      Повышение способности целостной обработки с опытом является одним из наиболее важных открытий в литературе по восприятию медицинских изображений, но почти совершенно неизвестно, как эти способности могут проявиться 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 2). 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 3): количество посещений на срез, количество колебаний (прокрутка назад и вперед через менее 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

      Полноразмерная таблица

      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; Крупински и 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 результаты 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 отличаться в зависимости от опыта в самых разных областях (например, патология, ультразвуковое исследование).

      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 ему, где искать (Chen et al., 2017; Donovan & Litchfield, 2013; Кундель и Ла Фоллет младший, 19 лет72; 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 оказаться полезным рассмотреть, какие аспекты визуального поиска можно улучшить с помощью этих методов. Обучение новичков имитировать поисковое поведение экспертов может улучшить общую стратегию поиска, но сомнительно, что эти методы существенно улучшат способность к глобальной обработке, которая считается отличительной чертой опыта. Скорее, глобальная способность обработки объясняется большей способностью быстро обнаруживать статистические аномалии в изображении с помощью сильных мысленных представлений, которые приобретаются благодаря обширному опыту. 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 применение жесткого шаблона сканирования может быть не оптимальным (Andrews & Coppola, 19).99; Хендерсон и Люк, 2014 г.; Мехудар, Ариспе, Бейкер и Йовел, 2014 г.; Пайе и Мадлен, 2014 г .; Пойнтер, Барбер, Инман и Виггинс, 2013 г.; Рейнер, Ли, Уильямс, Кейв и Велл, 2007 г.). 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 благодаря опыту (Beck, Martin, Smitherman, & Gaschen, 2013; Evans et al., 2011; Kelly, Rainford, McEntee, & Kavanagh, 2017; Leong et al. , 2014; Майлз-Уорсли, Джонстон и Саймонс, 19 лет.88; 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 поиске объемных 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, 19).80). 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 (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 на эффективность поиска не влияет перемещение объектов в сцене каждые 100 мс, что говорит о том, 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, что 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 состоит 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 на большой компьютерной томографии или на рентгенограмме, потребуется больше времени, чем на рентгенограмме, 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 состоит в том, что рентгенологи забыли, где они уже искали, и по незнанию повторно посещают те места, которые можно было бы 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 ясно, что покрытие объемных изображений низкое, невозможно получить точную оценку покрытия без точной оценки UFOV (рис. 5). 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, Aizenman et al., 2017). Например, Рубин и др. (2015) рассчитали UFOV на основе расстояния узелков от центральной фиксации в момент распознавания и обнаружили, что 99,8% обнаруженных узлов были 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 изменяется UFOV 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.

      Рис. 5

      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)

      Полноразмерное изображение

      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 аномалии 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 обратно (Mello-Thoms, 2009).), а история болезни существенно влияет на интерпретацию изображений (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 значительной 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) подсчитал, 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 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 некоторой 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., Caldwell, & Schwartz, 2006). Кроме того, рентгенологи, 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 рентгенологи решают прекратить поиск в больших объемных изображениях?

      Еще одной проблемой для нашей ограниченной памяти при визуальном поиске является определение того, когда следует 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 о них никогда не сообщается (Kundel et al. , 19).78). 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, такую ​​как ягоды, потребление энергии максимизируется за счет перехода к следующему кусту, когда потребление падает ниже среднего потребления для этой среды, что известно как теория оптимального кормодобывания (Чарнов, 19).76). Наблюдатели, кажется, следуют предсказаниям этой модели при поиске нескольких целей и собирают элементы по одной цели одновременно при поиске нескольких разных типов целей (Cain et al. , 2012; Wolfe, 2013; Wolfe, Aizenman, Боттчер и Каин, 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 радиолог 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; Nodine & Kundel, 19).87; 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., 19).91; Кристенсен и др., 1981; Nodine, Mello-Thoms, Kundel, & Weinstein, 2002), а большая часть КТ вообще никогда не исследуется (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 радиологи, 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 преобладающим ответом (Christensen et al. , 19).81; Нодин и др., 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 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). Однако другие исследователи обнаружили, что в реальном визуальном поиске повторные посещения случаются редко, что связано с дополнительными усилиями, необходимыми для повторения 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 радиологии 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.

      Заключительные замечания и дальнейшие направления

      В этом обзоре литературы подчеркивается большой вклад исследователей в лучшее понимание интерпретации объемных изображений. Однако из-за современного характера большей части этих исследований большая часть наших знаний основана на данных, а не на теории. Хотя исследовательский анализ часто приводит к важным прогнозам для будущих исследований, есть предел тому, что можно узнать, просто охарактеризовав поисковое поведение. Подобно исследованиям интерпретации 2D-медицинских изображений, этот подход выявил существенную изменчивость между наблюдателями и уровнями опыта в поиске объемных изображений. Однако, в отличие от литературы по восприятию 2D-медицинских изображений, модели экспертизы еще недостаточно хорошо зарекомендовали себя для интерпретации объемных изображений. На самом деле неизвестно, как даже некоторые из самых распространенных результатов из литературы, такие как увеличение глобальной способности обработки с опытом, применимы к объемному поиску изображений. Кроме того, было проведено относительно мало экспертных исследований с использованием объемных изображений , позволяющих наблюдателю свободно прокручивать глубину, что оставляет без ответа существенные вопросы о том, как поведение прокрутки может быть связано с выполнением задачи или развиваться с опытом. Учитывая растущую популярность объемных изображений и недавнее одобрение Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) как томосинтеза молочной железы, так и цифровой патологии, это представляет собой значительную возможность для исследователей, заинтересованных в том, чтобы помочь клиницистам понять, как лучше всего исследовать эти сложные изображения.

      Задача в будущем будет заключаться в переходе от описания поискового поведения в объемных изображениях к созданию моделей экспертизы с проверяемыми прогнозами . В конечном счете, эти модели должны учитывать стимул, задачу и наблюдателя. К счастью, у исследователей есть все возможности для осуществления этого перехода. Почти 50-летние исследования восприятия медицинских изображений можно использовать для прогнозирования опыта работы с объемными изображениями. Это исследование привело к созданию моделей опыта, которые связаны с рядом хорошо зарекомендовавших себя показателей слежения за взглядом, и исследования показали, что можно адаптировать эти показатели к объемным изображениям (например, Helbren et al., 2014, 2015). Кроме того, в литературе есть много примеров, которые подчеркивают перспективность использования фундаментальной науки для более точного прогнозирования восприятия медицинских изображений (например, Corbett & Munneke, 2018; Drew et al., 2013; Evans, Birdwell, & Wolfe, 2013). , и существует значительный неиспользованный потенциал для использования этого подхода и в объемной визуализации.

      Фундаментальный научный подход может помочь в переходе от более описательного компьютерного анализа того, что делают радиологи, к лучшему пониманию того, как рентгенологи выполняют свою задачу, что представляет собой другой уровень анализа в нашем понимании сложных систем (Марр , 1982). Как указано в этом обзоре, есть много важных результатов фундаментальной науки, которые не проверены на объемных медицинских изображениях. Одними из наиболее интересных направлений будущих исследований могут быть определение ограничений памяти при поиске объемных изображений, особенностей, которые привлекают внимание в объемных изображениях (например, признаки начала движения), или взаимодействия между двигательными и перцептивными процессами при прокрутке в глубину. Твердо основывая будущие исследования на литературе по фундаментальной науке и восприятию медицинских изображений, эта область готова добиться существенного прогресса в нашем понимании поиска объемных изображений в ближайшие годы.

      Наличие данных и материалов

      Неприменимо.

      Сокращения

      2D:

      Двумерный

      3D:

      Трехмерный

      КТ:

      Компьютерная томография

      ДБТ:

      Томосинтез цифровой молочной железы

      ПОДХОДИТ:

      Теория интеграции функций

      Кадров в секунду:

      кадров в секунду

      ИОР:

      Запрет возврата

      МРТ:

      Магнитно-резонансная томография

      мс:

      Миллисекунда

      ROI:

      Область интереса

      УФО:

      Полезное поле зрения

      Ссылки

      • Абрамс, Р. А., и Христос, С. Э. (2003). Начало движения привлекает внимание. Психологическая наука , 14 (5), 427–432.

        ПабМед Статья Google ученый

      • Адамо С.Х., Эриксон Дж.М., Нах Дж.К., Брем Р. и Митрофф С.Р. (2018). Маммография к томосинтезу: изучение различий между двумерным и сегментарно-трехмерным визуальным поиском. Когнитивные исследования: принципы и последствия , 3 (1), 17.

        Google ученый

      • Айзенман А., Дрю Т., Эхингер К. А., Джорджиан-Смит Д. и Вулф Дж. М. (2017). Сравнение шаблонов поиска в цифровом томосинтезе молочной железы и цифровой маммографии с полным полем зрения: исследование слежения за глазами. Journal of Medical Imaging , 4 (4), 045501.

        PubMed ПабМед Центральный Google ученый

      • Алахрас, М. М., Бреннан, П. К., Рикард, М. , Борн, Р., и Мелло-Томс, К. (2015). Влияние опыта рентгенологов на обнаружение и локализацию рака молочной железы с помощью цифрового томосинтеза молочной железы. Европейская радиология , 25 (2), 402–409.

        ПабМед Статья Google ученый

      • Андерссон, И., Икеда, Д.М., Закриссон, С., Рушин, М., Сван, Т., Тимберг, П., и Тингберг, А. (2008). Томосинтез молочной железы и цифровая маммография: сравнение видимости рака молочной железы и классификации BIRADS в популяции раковых заболеваний с малозаметными маммографическими данными. Европейская радиология , 18 (12), 2817–2825.

        ПабМед Статья Google ученый

      • Андиа, М.Э., Плетт, Дж., Техос, К., Гуарини, М.В., Наварро, М.Э., Размилич, Д., … Ирарразавал, П. (2009). Улучшение зрительного восприятия с использованием динамических сигналов. Радиология , 250 (2), 551–557.

        ПабМед Статья Google ученый

      • Эндрюс Т.Дж. и Коппола Д.М. (1999). Идиосинкразические характеристики саккадических движений глаз при просмотре различных зрительных сред. Vision Research , 39 (17), 2947–2953.

        ПабМед Статья Google ученый (2011). Оптимизация анализа, визуализации и навигации по большим наборам данных изображений: одно КТ-сканирование с 5000 секциями может испортить вам весь день. Радиология , 259 (2), 346–362.

        ПабМед Статья Google ученый

      • Аннак, Э., Манджинелли, А.А., Поллманн, С., Ши, З., Мюллер, Х.Дж., и Гейер, Т. (2013). Память под давлением: влияние второстепенной задачи на контекстуальную подсказку визуального поиска. Journal of Vision , 13 (13), 6–6.

        ПабМед Статья Google ученый

      • Баллард, Д. Х., Хейхо, М. М., и Пельц, Дж. Б. (1995). Представления памяти в естественных задачах. Journal of Cognitive Neuroscience , 7 (1), 66–80.

        ПабМед Статья Google ученый

      • Бэйс, П. М., и Хусейн, М. (2012). Активное торможение и память способствуют исследованию и поиску природных сцен. Журнал Видения , 12 (8), 8–8.

        ПабМед ПабМед Центральный Статья Google ученый

      • Бек, М. Р., Мартин, Б. А., Смитерман, Э., и Гашен, Л. (2013). Тренировка глаз и радиологическая экспертиза: изучение развития опыта и его влияния на зрительную рабочую память. Человеческий фактор , 55 (4), 747–763.

        ПабМед Статья Google ученый

      • Бербаум, К., Франкен-младший, Э.А., Колдуэлл, Р.Т., и Шарц, К.М. (2006). Может ли контрольный список уменьшить ошибки SOS при рентгенографии грудной клетки? Академическая радиология , 13 (3), 296–304.

        ПабМед Статья Google ученый (1991). Динамика удовлетворенности поиском. Исследовательская радиология , 26 (7), 640–648.

        ПабМед Статья Google ученый (1990). Удовлетворение поиска в диагностической радиологии. Исследовательская радиология , 25 (2), 133–140.

        ПабМед Статья Google ученый

      • Бертрам, Р., Хелле, Л., Каакинен, Дж. К., и Сведстрём, Э. (2013). Влияние опыта на поведение движений глаз при восприятии медицинских изображений. PLoS One , 8 (6), e66169.

        ПабМед ПабМед Центральный Статья Google ученый

      • Бертрам Р., Каакинен Дж., Бенш Ф., Хелле Л., Лантто Э., Ниеми П. и Лундбом Н. (2016). Движения глаз радиологов отражают опыт интерпретации КТ-исследований: потенциальный инструмент для измерения развития резидентов. Радиология , 281 (3), 805–815.

        ПабМед Статья Google ученый (2018). Структурированная отчетность в нейрорадиологии: внутричерепные опухоли. Frontiers in Neurology , 9 , 32.

        PubMed ПабМед Центральный Статья Google ученый

      • Бланшон, Т., Брешо, Ж. М., Гренье, П. А., Ферретти, Г. Р., Лемари, Э., Миллерон, Б., … Бланшон, Ф. (2007). Исходные результаты исследования Depiscan: французского рандомизированного пилотного исследования скрининга рака легких, в котором сравнивали низкодозовую компьютерную томографию (LDCT) и рентгенографию грудной клетки (CXR). Рак легких , 58 (1), 50–58.

        ПабМед Статья Google ученый

      • Брокмоул, Дж. Р., и Хендерсон, Дж. М. (2005). Появление, исчезновение объектов и расстановка приоритетов внимания в сценах реального мира. Psychonomic Bulletin & Review , 12 (6), 1061–1067.

        Артикул Google ученый

      • Брюнье, Т. Т., Эдди, М. Д., Меркан, Э., Эллисон, К. Х., Уивер, Д. Л., и Элмор, Дж. Г. (2016). Изменения диаметра зрачка отражают трудности и точность диагностики при интерпретации медицинских изображений. BMC Медицинская информатика и принятие решений , 16 (1), 77.

        PubMed ПабМед Центральный Статья Google ученый

      • Каин, М.С., Адамо, С.Х., и Митрофф, С.Р. (2013). Таксономия ошибок при многоцелевом визуальном поиске. Визуальное познание , 21 (7), 899–921.

        Артикул Google ученый

      • Каин, М.С., и Митрофф, С.Р. (2013). Память о найденных целях мешает последующей работе при визуальном поиске нескольких целей. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 39 (5), 1398–1408.

        ПабМед Google ученый

      • Каин М.С., Вул Э., Кларк К. и Митрофф С.Р. (2012). Байесовская оптимальная модель визуального поиска человека. Психологические науки , 23 (9), 1047–1054.

        ПабМед Статья Google ученый

      • Кармоди, Д. П., Нодин, К. Ф., и Кундел, Х. Л. (1981). Обнаружение узелков в легких при сравнительном визуальном сканировании и без него. Восприятие и психофизика, 29 (6), 594–598.

        Артикул Google ученый

      • Кэрриган, А. Дж., Уордл, С. Г., и Рич, А. Н. (2018). Обнаружение рака на маммограммах: если вы знаете, что он есть, то знаете ли вы, где? Когнитивные исследования: принципы и последствия , 3 (1), 10.

        Google ученый

      • Кастельхано, М.С., и Хендерсон, Дж.М. (2007). Исходные представления сцены облегчают управление движением глаз при визуальном поиске. Журнал экспериментальной психологии , 33 (4), 753–763.

        ПабМед Google ученый

      • Чарнов Э. Л. (1976). Оптимальный поиск пищи, теорема о предельной ценности. Теоретическая популяционная биология , 9 (2), 129.

        PubMed Статья Google ученый

      • Чен, В., ХолкДорф, Д., Маккаскер, М.В., Гайяр, Ф., и Хоу, П.Д. (2017). Тренировка восприятия для улучшения идентификации перелома шейки бедра на обычных рентгенограммах. PLoS One , 12 (12), e0189192.

        ПабМед ПабМед Центральный Статья Google ученый

      • Чен, X., и Зелински, Г. Дж. (2006). В визуальном поиске в реальном мире преобладает руководство сверху вниз. Исследование зрения , 46 (24), 4118–4133.

        ПабМед Статья Google ученый (1981). Влияние времени поиска на восприятие. Радиология , 138 (2), 361–365.

        ПабМед Статья Google ученый

      • Чун М. М. и Цзян Ю. (1998). Контекстная подсказка: неявное обучение и память о визуальном контексте направляет пространственное внимание. Когнитивная психология , 36 (1), 28–71.

        ПабМед Статья Google ученый

      • Чун М.М. и Цзян Ю. (1999). Управление вниманием сверху вниз, основанное на неявном изучении визуальной ковариации. Психологическая наука , 10 (4), 360–365.

        Артикул Google ученый

      • Чиатто С., Хуссами Н., Бернарди Д., Каумо Ф., Пеллегрини М., Брунелли С., … Монтемецци С. (2013). Интеграция трехмерной цифровой маммографии с томосинтезом для скрининга рака молочной железы среди населения (STORM): проспективное сравнительное исследование. The Lancet Oncology , 14 (7), 583–589.

        ПабМед Статья Google ученый

      • Кларк, А. Д., Махон, А., Ирвин, А., и Хант, А. Р. (2017). Люди не могут распознавать движения собственных глаз или сообщать о них. Ежеквартальный журнал экспериментальной психологии , 70 (11), 2251–2270.

        ПабМед Статья Google ученый

      • Купер Л., Гейл А., Даркер И., Томс А. и Саада Дж. (2009). Восприятие радиологического изображения и работа наблюдателя: как опыт и клиническая информация влияют на интерпретацию? Обнаружение инсульта исследуется с помощью отслеживания взгляда. Материалы SPIE 7263, Медицинская визуализация, 2009 г.: Восприятие изображения, производительность наблюдателя и оценка технологии , 72630K. https://doi.org/10.1117/12.811098.

      • Купер, Л., Гейл, А., Саада, Дж., Гедела, С., Скотт, Х., и Томс, А. (2010). Оценка многомерной КТ и МРТ инсульта с использованием анализа движения глаз: улучшают ли предпочтения модальности работу наблюдателя? Материалы SPIE 7627, Медицинская визуализация, 2010 г.: восприятие изображения, эффективность работы наблюдателя и оценка технологии , 76270B, https://doi.org/10.1117/12.843680.

      • Корбетт, Дж. Э., и Муннеке, Дж. (2018). «Это не опухоль»: схема использования индивидуального разнообразия для улучшения обнаружения целей. Психологические науки , 29 (10), 1692–1705.

        ПабМед Статья Google ученый

      • Коуэн, Н. (2001). Волшебное число 4 в кратковременной памяти: переосмысление умственной емкости памяти. Науки о поведении и мозге, 24 (1), 87–114.

        ПабМед Статья Google ученый

      • Кроу, Э. М., Гилкрист, И. Д., и Кент, К. (2018). Новые подходы к анализу движения глаз в зависимости от опыта при просмотре МРТ головного мозга. Когнитивные исследования: принципы и последствия , 3 , 1–14.

        Google ученый

      • Диаз И., Шмидт С., Верден Ф. Р. и Бочуд Ф. О. (2015). Отслеживание обнаружения узелков в объемных данных КТ легких. Медицинская физика , 42 (6), 2925–2932.

        ПабМед Статья Google ученый

      • Дикинсон, К.А., и Зелински, Г.Дж. (2007). Память для пути поиска: свидетельство высокой емкости представления истории поиска. Vision Research , 47 (13), 1745–1755.

        ПабМед ПабМед Центральный Статья Google ученый

      • Донован, Т., и Личфилд, Д. (2013). В поисках рака: различия, связанные с экспертизой, в поиске и принятии решений. Прикладная когнитивная психология , 27 (1), 43–49.

        Артикул Google ученый

      • Дрю, Т. , Бетчер, С.Э.П., Вулф, Дж.М. (2017). Один визуальный поиск, множество поисков в памяти: исследование гибридного поиска с отслеживанием взгляда. Журнал Видения, 17(11), 5.

        ПабМед ПабМед Центральный Статья Google ученый

      • Дрю, Т., Эванс, К., Вы, М.Л.Х., Якобсон, Ф.Л., и Вулф, Дж.М. (2013). Информатика в радиологии: что можно увидеть одним взглядом и как это поможет визуальному поиску в медицинских изображениях? Рентгенография , 33 (1), 263–274.

        ПабМед ПабМед Центральный Статья Google ученый

      • Дрю, Т., Вы, М.Л.Х., Олвал, А., Якобсон, Ф., Зельцер, С.Е., и Вулф, Дж.М. (2013). Сканеры и бурильщики: характеристика экспертного визуального поиска по объемным изображениям. Journal of Vision , 13 (10), 3.

        PubMed ПабМед Центральный Статья Google ученый

      • Дрю, Т. , Вы, М.Л.Х., и Вулф, Дж.М. (2013). Невидимая горилла снова наносит удар: устойчивая слепота по невнимательности у опытных наблюдателей. Психологические науки , 24 (9), 1848–1853.

        ПабМед Статья Google ученый

      • Дрю Т., Уильямс Л. Х., Олдред Б., Хейльбрун М. Э. и Миношима С. (2018). Количественная оценка затрат на прерывание интерпретаций диагностической радиологии с использованием мобильных очков слежения за глазами. Journal of Medical Imaging , 5 (3), 031406.

        PubMed ПабМед Центральный Статья Google ученый

      • Дролл, Дж. А., и Хейхо, М. М. (2007). Компромиссы между взглядом и использованием рабочей памяти. Журнал экспериментальной психологии , 33 (6), 1352–1365.

        ПабМед Google ученый (2017). Вариации функционального поля зрения при обнаружении узелков в легких на компьютерной томографии грудной клетки: влияние размера узла, расстояния и локальной сложности легких. Медицинская физика , 44 (7), 3483–3490.

        ПабМед Статья Google ученый

      • Эриксон Дж. М., Кравиц Д. Дж. и Митрофф С. Р. (2017). Визуальный поиск: вы тот, кто вы есть (+ кривая обучения). Восприятие , 46 (12), 1434–1441.

        ПабМед Статья Google ученый

      • Эванс, К.К., Бердвелл, Р.Л., и Вулф, Дж.М. (2013). Если вы не находите его часто, вы часто его не находите: почему некоторые виды рака пропускают при скрининге рака молочной железы. PLoS One , 8 (5), e64366.

        ПабМед ПабМед Центральный Статья Google ученый

      • Эванс, К.К., Коэн, М.А., Тамбурет, Р., Горовиц, Т., Крейндел, Э., и Вулф, Дж.М. (2011). Улучшает ли визуальная экспертиза зрительную память? Внимание, восприятие и психофизика , 73 (1), 30–35.

        Артикул Google ученый

      • Эванс, К. К., Джорджиан-Смит, Д., Тамбурет, Р., Бердвелл, Р.Л., и Вулф, Дж.М. (2013). Суть ненормального: сверхслучайное принятие медицинских решений в мгновение ока. Psychonomic Bulletin & Review , 20 (6), 1170–1175.

        Артикул Google ученый

      • Финдли, Дж. М., и Браун, В. (2006). Сканирование глаз многоэлементных дисплеев: I. Планирование пути сканирования. Исследование зрения , 46 (1–2), 179–195.

        ПабМед Статья Google ученый

      • Фоулшем, Т., и Кингстон, А. (2013a). Где был глаз? Наблюдатели могут распознавать свои собственные фиксации. Восприятие , 42 (10), 1085–1089.

        ПабМед Статья Google ученый

      • Фоулшем, Т., и Кингстон, А. (2013b). Память, зависящая от фиксации, для естественных сцен: экспериментальная проверка теории пути сканирования. Journal of Experimental Psychology: General , 142 (1), 41–56.

        Артикул Google ученый

      • Гегенфуртнер, А., Лехтинен, Э., Яродска, Х., и Сальё, Р. (2017). Влияние примеров моделирования движения глаз на адаптивную экспертизу в диагностике медицинских изображений. Компьютеры и образование , 113 , 212–225.

        Артикул Google ученый

      • Гегенфуртнер, А., Лехтинен, Э., и Сальё, Р. (2011). Различия в опыте в понимании визуализаций: метаанализ исследований отслеживания взгляда в профессиональных областях. Обзор психологии образования , 23 (4), 523–552.

        Артикул Google ученый

      • Гегенфуртнер, А., и Сеппянен, М. (2013). Передача опыта: исследование слежения за взглядом и мышление вслух с использованием динамических медицинских визуализаций. Компьютеры и образование , 63 , 393–403.

        Артикул Google ученый

      • Дженнаро, Г., Толедано, А., Ди Маджио, К., Балдан, Э., Беззон, Э., Ла Грасса, М., … Муццио, П. К. (2010). Цифровой томосинтез молочной железы по сравнению с цифровой маммографией: клиническое исследование эффективности. European Radiology , 20 (7), 1545–1553.

        ПабМед Статья Google ученый

      • Гейер, Т., фон Мюленен, А., и Мюллер, Х. Дж. (2007). Что говорят движения глаз о роли памяти в зрительном поиске? Ежеквартальный журнал экспериментальной психологии , 60 (7), 924–935.

        Артикул Google ученый

      • Гилкрист, И. Д., и Харви, М. (2006). Доказательства систематического компонента путей сканирования при визуальном поиске. Визуальное познание , 14 (4–8), 704–715.

        Артикул Google ученый

      • Гилкрист, И. Д., Норт, А., и Худ, Б. (2001). Действительно ли визуальный поиск похож на поиск пищи? Восприятие , 30 (12), 1459–1464.

        ПабМед Статья Google ученый

      • Гирелли, М., и Лак, С.Дж. (1997). Используются ли те же самые механизмы внимания для обнаружения целей визуального поиска, определяемых цветом, ориентацией и движением? Journal of Cognitive Neuroscience , 9 (2), 238–253.

        ПабМед Статья Google ученый

      • Годвин, Х. Дж., Бенсон, В., и Дриге, Д. (2013). Использование прерывистых визуальных дисплеев для изучения емкости, временного хода и формата планов фиксации во время визуального поиска. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 39 (6), 17:00–17:12.

        ПабМед Google ученый

      • Гур, Д., Абрамс, Г.С. , Чаф, Д.М., Ганотт, М.А., Хаким, К.М., Перрин, Р.Л.,… Бандос, А.И. (2009). Цифровой томосинтез молочной железы: исследование производительности наблюдателя. Американский журнал рентгенологии , 193 (2), 586–591.

        ПабМед Статья Google ученый

      • Хансен, К., Нильсен, М., и Эвертсен, К. (2016). Ультрасонография почек: наглядный обзор. Диагностика , 6 (1), 2.

        Артикул Google ученый

      • Хейс, Т. Р., и Хендерсон, Дж. М. (2017). Шаблоны сканирования во время просмотра реальных сцен позволяют прогнозировать индивидуальные различия в когнитивных способностях. Journal of Vision , 17 (5), 23–23.

        ПабМед Статья Google ученый

      • Хейхо, М.М., Шривастава, А., Мручек, Р., и Пельц, Дж. Б. (2003). Зрительная память и моторное планирование в естественной задаче. Journal of Vision , 3 (1), 6–6.

        Артикул Google ученый

      • Хелбрен, Э., Фаншоу, Т.Р., Филлипс, П., Маллет, С., Бун, Д., Гейл, А., … Халлиган, С. (2015). Влияние маркеров компьютерного обнаружения на визуальный поиск и производительность читателя во время одновременного чтения КТ-колонографии. European Radiology , 25 (6), 1570–1578.

        ПабМед Статья Google ученый

      • Хелбрен, Э., Халлиган, С., Филлипс, П., Бун, Д., Фаншоу, Т. Р., Тейлор, С. А., … Маллетт, С. (2014). К структуре для анализа исследований слежения за глазами в трехмерной среде: исследование визуального поиска опытными читателями внутрипросветной КТ-колонографии. The British Journal of Radiology , 87 (1037), 20130614.

        PubMed ПабМед Центральный Статья Google ученый

      • Хендерсон, Дж. М., и Люк, С. Г. (2014). Устойчивые индивидуальные различия в саккадических движениях глаз при чтении, псевдочтении, просмотре сцены и поиске сцены. Journal of Experimental Psychology: Human Perception and Performance , 40 (4), 1390.

        PubMed Google ученый

      • Хогебум, М., и ван Леувен, К. (1997). Стратегия визуального поиска и организация восприятия зависят от индивидуальных предпочтений и структурной сложности. Acta Psychologica , 95 (2), 141–164.

        ПабМед Статья Google ученый

      • Горовиц Т.С. и Вулф Дж.М. (1998). Визуальный поиск не имеет памяти. Природа , 394 (6693), 575.

        PubMed Статья Google ученый

      • Хаут, М.К., и Голдингер, С.Д. (2015). Целевые шаблоны: точность мысленных представлений влияет на управление вниманием и принятие решений при визуальном поиске. Внимание, восприятие и психофизика , 77 (1), 128–149.

        Артикул Google ученый

      • Хамфри, К., и Андервуд, Г. (2009). Знание предметной области смягчает влияние визуальной значимости на распознавание сцен. Британский журнал психологии , 100 (2), 377–398.

        ПабМед Статья Google ученый

      • Цзян, Ю.В., Вон, Б.Ю., Ласточка, К.М., и Муссак, Д.М. (2014). Пространственная система отсчета внимания в большой внешней среде. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 40 (4), 1346–1357.

        ПабМед Google ученый

      • Джонидес, Дж., и Янтис, С. (1988). Уникальность резкого визуального начала в привлечении внимания. Восприятие и психофизика , 43 (4), 346–354.

        Артикул Google ученый

      • Кан-младший, CE, Хейлбрун, ME, и Эпплгейт, KE (2013). От руководств к практике: как шаблоны отчетов способствуют использованию практических руководств по радиологии. Журнал Американского колледжа радиологии , 10 (4), 268–273.

        ПабМед ПабМед Центральный Статья Google ученый

      • Келахан, Л. К., Фонг, А., Блюменталь, Дж., Кандасвами, С., Ратвани, Р. М., и Филис, Р. В. (2019). Взгляд радиолога: Картирование трехмерного визуального поиска в компьютерной томографии брюшной полости и таза. Journal of Digital Imaging , 32 (2), 234–240.

      • Келли, Б., Рейнфорд, Л. А., Макэнти, М. Ф., и Кавана, Э. К. (2017). Влияние рентгенологического опыта на восприятие немедицинских изображений. Журнал медицинской визуализации , 5 (3), 031402.

        PubMed ПабМед Центральный Статья Google ученый

      • Келли, Б.С., Рейнфорд, Л.А., Дарси, С.П., Кавана, Э.К., и Туми, Р. Дж. (2016). Развитие знаний в области радиологии. При интерпретации рентгенограмм грудной клетки «экспертный» поиск может предшествовать «экспертному» уровню диагностической точности для выявления пневмоторакса. Радиология , 280 (1), 252–260.

        ПабМед Статья Google ученый

      • Кит Д., Кац Л., Салливан Б., Снайдер К., Баллард Д. и Хейхо М. (2014). Движения глаз, визуальный поиск и запоминание сцен в виртуальной среде с эффектом погружения. PLoS One , 9 (4), e

        .

        ПабМед ПабМед Центральный Статья Google ученый

      • Кляйн, Р. М., и Макиннес, В. Дж. (1999). Подавление возвращения является посредником при визуальном поиске пищи. Психологическая наука , 10 (4), 346–352.

        Артикул Google ученый

      • Келер, К., и Экштейн, М. П. (2017). Вне сути сцены: объекты направляют поиск больше, чем фон сцены. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 43 (6), 1177–1193.

        ПабМед Google ученый

      • Койде Н., Кубо Т., Нисида С., Шибата Т. и Икеда К. (2015). Художественная экспертиза снижает влияние визуальной выразительности на фиксацию при просмотре абстрактных картин. PLoS One , 10 (2), e0117696.

        ПабМед ПабМед Центральный Статья Google ученый

      • Кок, Э. М., Абед, А., и Роббен, С. Г. (2017). Помогает ли использование контрольного листа студентам-медикам в выявлении аномалий на рентгенограмме грудной клетки? Journal of Digital Imaging , 30 (6), 726–731.

        ПабМед ПабМед Центральный Статья Google ученый

      • Кок, Э. М., Де Брюин, А. Б., Роббен, С. Г., и ван Мерриенбур, Дж. Дж. (2012). Глядя так же, но видя по-разному: восходящий эффект и опыт в радиологии. Прикладная когнитивная психология , 26 (6), 854–862.

        Артикул Google ученый

      • Кок, Э. М., Яродска, Х., де Брюин, А. Б., БинАмир, Х. А., Роббен, С. Г., и ван Мерриенбур, Дж. Дж. (2016). Систематическое наблюдение в радиологии: больше видеть, меньше упускать? Достижения в области медицинского образования , 21 (1), 189–205.

        ПабМед Статья Google ученый

      • Крамер, А.Ф., Мартин-Эмерсон, Р., Лариш, Дж.Ф., и Андерсен, Г.Дж. (1996). Старение и фильтрация по движению в визуальном поиске. Журналы геронтологии, серия B: психологические и социальные науки , 51 (4), P201–P216.

        Артикул Google ученый

      • Кристьянссон, А. (2000). В поисках памяти: свидетельство памяти в визуальном поиске. Психологическая наука , 11 (4), 328–332.

        ПабМед Статья Google ученый

      • Крупинский, Э.А. (2005). Визуальный поиск маммографических изображений: влияние тонкости поражения. Академическая радиология , 12 (8), 965–969.

        ПабМед Статья Google ученый

      • Крупински, Э. А., Бербаум, К. С., Колдуэлл, Р. Т., Шарц, К. М., Мэдсен, М. Т., и Крамер, Д. Дж. (2012). Влияет ли долгий рабочий день рентгенолога на обнаружение узлов при интерпретации динамической КТ? Журнал Американского колледжа радиологии , 9 (3), 191–198.

        ПабМед ПабМед Центральный Статья Google ученый

      • Крупински, Э. А., Бергер, В. Г., Даллас, В. Дж., и Рериг, Х. (2003). Поиск конкреций: какие особенности привлекают внимание и влияют на обнаружение? Академическая радиология , 10 (8), 861–868.

        ПабМед Статья Google ученый

      • Крупински, Э. А., Грэм, А. Р., и Вайнштейн, Р. С. (2013). Характеристика развития зрительно-поисковых навыков у пациентов с патологией, просматривающих целые слайдовые изображения. Патология человека , 44 (3), 357–364.

        ПабМед Статья Google ученый

      • Крупински, Э. А., Тиллак, А. А., Рихтер, Л., Хендерсон, Дж. Т., Бхаттачарья, А. К., Скотт, К. М., … Вайнштейн, Р. С. (2006). Изучение движения глаз и работоспособности человека с использованием виртуальных слайдов телепатологии. Последствия для медицинского образования и различия с опытом. Патология человека , 37 (12), 1543–1556.

        ПабМед Статья Google ученый

      • Кундель, Х.Л., и Ла Фоллетт-младший, П.С. (1972). Образцы визуального поиска и опыт работы с рентгенологическими снимками. Радиология , 103 (3), 523–528.

        ПабМед Статья Google ученый

      • Кундел, Х. Л., и Нодин, К.Ф. (1975). Интерпретация рентгенограмм грудной клетки без визуального поиска. Радиология , 116 (3), 527–532.

        ПабМед Статья Google ученый

      • Кундел, Х.Л., Нодин, К.Ф., и Кармоди, Д. (1978). Визуальное сканирование, распознавание образов и принятие решений при обнаружении легочных узлов. Исследовательская радиология , 13 (3), 175–181.

        ПабМед Статья Google ученый

      • Кундель, Х.Л., Нодин, К.Ф., Конант, Э.Ф., и Вайнштейн, С.П. (2007). Целостный компонент восприятия изображения при интерпретации маммограммы: исследование слежения за взглядом. Радиология , 242 (2), 396–402.

        ПабМед Статья Google ученый

      • Кундель, Х.Л., Нодин, К.Ф., и Крупински, Э.А. (1989). Поиск узелков в легких. Визуальная задержка указывает на места ложноположительных и ложноотрицательных решений. Исследовательская радиология , 24 (6), 472–478.

        ПабМед Статья Google ученый

      • Кундель, Х.Л., Нодин, К.Ф., Крупински, Э.А., и Мелло-Томс, К. (2008). Использование данных отслеживания взгляда и анализа распределения смеси для поддержки целостной модели обнаружения рака на маммограммах. Академическая радиология , 15 (7), 881–886.

        ПабМед Статья Google ученый

      • Кундел, Х.Л., Нодин, К.Ф., Тикман, Д., и Тото, Л. (1987). Поиск узелков в легких. Сравнение производительности человека со случайными и систематическими моделями сканирования. Исследовательская радиология , 22 (5), 417–422.

        ПабМед Статья Google ученый (2018). Взаимодействия выявляемости и размера поражения в односрезовой DBT и 3D DBT. Протоколы SPIE 10577, Медицинская визуализация, 2018 г. : восприятие изображения, эффективность работы наблюдателя и оценка технологии , 105770X, https://doi.org/10.1117/12.22.

      • Лэнсдейл, М., Андервуд, Г., и Дэвис, К. (2010). Что-то упустил из виду? Как специалисты по обнаружению изменений используют визуальную значимость. Прикладная когнитивная психология , 24 (2), 213–225.

        Артикул Google ученый

      • Леоне, М.Дж., Фернандес Слезак, Д., Чекки, Г.А., и Сигман, М. (2014). Геометрия экспертизы. Границы психологии , 5 (47), 1–9.

        Google ученый (2014). Рентгенолог испытывает влияние на обнаружение контраста. JOSA A , 31 (11), 2328–2333.

        ПабМед Статья Google ученый

      • Ли, К.Л., Айвар, М.П., ​​Кит, Д.М., Тонг, М.Х., и Хейхо, М.М. (2016). Память и зрительный поиск в натуралистичных 2D и 3D средах. Журнал Видения , 16 (8), 9–9.

        ПабМед ПабМед Центральный Статья Google ученый

      • Лин Э., Пауэлл Д. К. и Кагецу Н. Дж. (2014). Эффективность структурированного шаблона радиологического отчета в виде контрольного списка в снижении числа пропущенных резидентами компьютерных томографических исследований шейного отдела позвоночника. Journal of Digital Imaging , 27 (5), 588–593.

        ПабМед ПабМед Центральный Статья Google ученый

      • Личфилд, Д., Болл, Л.Дж., Донован, Т., Мэннинг, Д.Дж., и Кроуфорд, Т. (2010). Наблюдение за движениями глаз другого человека улучшает идентификацию легочных узлов при рентгенологическом исследовании органов грудной клетки. Journal of Experimental Psychology: Applied , 16 (3), 251–262.

        ПабМед Google ученый

      • Личфилд, Д. , и Донован, Т. (2016). Стоит беглого просмотра? Первоначальные предварительные просмотры сцен могут направлять движения глаз в зависимости от опыта в конкретной области, но также могут быть связаны с непредвиденными затратами. Journal of Experimental Psychology: Human Perception and Performance , 42 (7), 982.

        PubMed Google ученый

      • Маковски Т. и Цзян Ю. В. (2010). Контекстная стоимость: когда цель визуального поиска находится не там, где должна быть. Ежеквартальный журнал экспериментальной психологии , 63 (2), 216–225.

        Артикул Google ученый

      • Маллет С., Филлипс П., Фаншоу Т. Р., Хелбрен Э., Бун Д., Гейл А., … Халлиган С. (2014). Отслеживание взгляда во время интерпретации эндолюминальной трехмерной КТ-колонографии: визуальное восприятие опытных и неопытных читателей. Радиология , 273 (3), 783–792.

        ПабМед Статья Google ученый

      • Манджинелли, А. А., Лангер, Н., Клозе, Д., и Поллманн, С. (2013). Контекстная подсказка при нагрузке на рабочую память: выборочное вмешательство зрительно-пространственной нагрузки в выражение обучения. Внимание, восприятие и психофизика , 75 (6), 1103–1117.

        Артикул Google ученый

      • Мэннинг Д., Баркер-Милл С.К., Донован Т. и Кроуфорд Т. (2006). Зависящие от времени ошибки наблюдателя при обнаружении легочных узлов. Британский журнал радиологии , 79 (940), 342–346.

        ПабМед Статья Google ученый

      • Мэннинг Д., Этелл С., Донован Т. и Кроуфорд Т. (2006). Как рентгенологи это делают? Влияние опыта и тренировок на поиск узлов грудной клетки. Рентгенография , 12 (2), 134–142.

        Артикул Google ученый

      • Мэннинг, Д., Этелл, С.К., и Кроуфорд, Т. (2003). Исследование AFROC с отслеживанием движения глаз, посвященное влиянию опыта и обучения на интерпретацию рентгенографии грудной клетки. Материалы SPIE 5034, Медицинская визуализация, 2003 г.: восприятие изображения, эффективность работы наблюдателя и оценка технологии , 5034X, https://doi.org/10.1117/12.479985.

      • Мэннинг, Д.Дж., Этелл, С.К., и Донован, Т. (2004). Ошибки обнаружения или решения? Пропущенный рак легкого по задне-передней рентгенограмме грудной клетки. Британский журнал радиологии , 77 (915), 231–235.

        ПабМед Статья Google ученый

      • Маркал Л.П., Фокс П.С., Эванс Д.Б., Флеминг Дж.Б., Варадачари Г.Р., Кац М.Х. и Тамм Э.П. (2015). Анализ радиологических диктантов в свободной форме на полноту и ясность определения стадии рака поджелудочной железы. Абдоминальная визуализация , 40 (7), 2391–2397.

        ПабМед Статья Google ученый

      • Марковичи, П.А., и Тейлор, Г.А. (2014). Journal Club: структурированные рентгенологические отчеты более полны и эффективны, чем неструктурированные отчеты. Американский журнал рентгенологии , 203 (6), 1265–1271.

        ПабМед Статья Google ученый

      • Марр, Д. (1982). Зрение: компьютерное исследование человеческого представления и обработки визуальной информации . Кембридж: MIT Press.

        Google ученый

      • Мэти, А. Г., и Стрикленд, Н. Х. (1997). Интерпретация КТ с отображением изображения PACS в режиме стека. Радиология , 203 (1), 207–209.

        ПабМед Статья Google ученый

      • Мацукура, М., Брокмол, Дж. Р., Бут, В. Р., и Хендерсон, Дж. М. (2011). Окуломоторный захват во время просмотра реальных сцен зависит от когнитивной нагрузки. Vision Research , 51 (6), 546–552.

        ПабМед Статья Google ученый

      • Мацумото, Х., Терао, Ю., Югета, А. , Фукуда, Х., Эмото, М., Фурубаяши, Т., … Угава, Ю. (2011). Куда смотрят неврологи при просмотре изображений КТ головного мозга? Исследование слежения за глазами, включающее случаи инсульта. PLoS One , 6 (12), e28928.

        ПабМед ПабМед Центральный Статья Google ученый

      • Маккарли, Дж. С., Ван, Р. Ф., Крамер, А. Ф., Ирвин, Д. Е., и Петерсон, М. С. (2003). Сколько памяти у глазодвигательного поиска? Психологическая наука , 14 (5), 422–426.

        ПабМед Статья Google ученый

      • Макдональд, Р. Дж., Шварц, К. М., Эккель, Л. Дж., Дин, Ф. Э., Хант, С. Х., Бартолмай, Б. Дж., … Каллмес, Д. Ф. (2015). Влияние изменений в использовании и технологических достижений визуализации поперечного сечения на рабочую нагрузку рентгенолога. Академическая радиология , 22 (9), 1191–1198.

        ПабМед Статья Google ученый

      • Маклафлин, Л. , Бонд, Р., Хьюз, К., МакКоннелл, Дж., и Макфадден, С. (2017). Вычисление показателей взгляда для автоматической оценки работы рентгенолога при интерпретации рентгеновского изображения. Международный журнал медицинской информатики , 105 , 11–21.

        ПабМед Статья Google ученый

      • Маклеод П., Драйвер Дж., Динес З. и Крисп Дж. (1991). Фильтрация по движению в визуальном поиске. Journal of Experimental Psychology: Human Perception and Performance , 17 (1), 55.

        PubMed Google ученый

      • Мехудар, Э., Ариспе, Дж., Бейкер, К.И., и Йовел, Г. (2014). Лица в глазах смотрящего: уникальные и стабильные шаблоны сканирования глаз отдельных наблюдателей. Journal of Vision , 14 (7), 6–6.

        ПабМед ПабМед Центральный Статья Google ученый

      • Мелло-Томс, К. (2008). Насколько согласована стратегия визуального поиска экспертов, читающих маммограммы. Материалы SPIE 6917, Медицинская визуализация, 2008 г.: восприятие изображения, эффективность работы наблюдателя и оценка технологии , 6, https://doi.org/10.1117/12.768835.

      • Мелло-Томс, К. (2009). Целостный Грааль: возможные последствия первоначальной ошибки при чтении цифровых маммограмм. Материалы SPIE 7263, Медицинская визуализация, 2009 г.: восприятие изображения, производительность наблюдателя и оценка технологии , 72630L, https://doi.org/10.1117/12.813778.

      • Меркан, Э., Шапиро, Л.Г., Брюнье, Т.Т., Уивер, Д.Л., и Элмор, Дж.Г. (2018). Характеристика шаблонов диагностического поиска при цифровой патологии молочной железы: сканеры и дрели. Journal of Digital Imaging , 31 (1), 32–41.

        ПабМед Статья Google ученый

      • Мичелл, М. Дж., Икбал, А., Васан, Р. К. , Эванс, Д. Р., Пикок, К., Лавински, С. П., … Уилехан, П. (2012). Сравнение точности маммографии с пленочным экраном, полноформатной цифровой маммографии и цифрового томосинтеза молочной железы. Клиническая радиология , 67 (10), 976–981.

        ПабМед Статья Google ученый

      • Митал, П.К., Смит, Т.Дж., Хилл, Р.Л., и Хендерсон, Дж.М. (2011). Кластеризация взгляда при динамическом просмотре сцены предсказывается движением. Когнитивные вычисления , 3 (1), 5–24.

        Артикул Google ученый

      • Муса, Д. С. А., Бреннан, П. К., Райан, Э. А., Ли, У. Б., Тан, Дж., и Мелло-Томс, К. (2014). Как маммографическая плотность молочной железы влияет на модели визуального поиска рентгенологов. Академическая радиология , 21 (11), 1386–1393.

        ПабМед Статья Google ученый

      • Майлз-Уорсли, М. , Джонстон, В.А., и Саймонс, Массачусетс (1988). Влияние экспертизы на обработку рентгеновского изображения. Журнал экспериментальной психологии: обучение, память и познание , 14 (3), 553–557.

        ПабМед Google ученый

      • Накашима Р., Комори Ю., Маэда Э., Йошикава Т. и Йокосава К. (2016). Временные характеристики выявления поражений рентгенологами и новичками при просмотре медицинских изображений представлены быстро и последовательно. Границы психологии , 7 , 1553.

        PubMed ПабМед Центральный Статья Google ученый

      • Консорциум клинического протеомного анализа опухолей Национального института рака (CPTAC) (2018 г.). Рентгенологические данные из коллекции Консорциума по клиническому протеомному анализу опухолей Sarcomas [CPTAC-SAR] [Набор данных] . Архив изображений рака. https://doi.org/10.7937/TCIA.2019.9bt23r95.

      • Нодин, К.Ф., и Крупински, Э.А. (1998). Навыки восприятия, опыт рентгенологии и выполнение визуальных тестов с помощью NINA и WALDO. Академическая радиология , 5 (9), 603–612.

        ПабМед Статья Google ученый

      • Нодин, К.Ф., и Кундел, Х.Л. (1987). Когнитивная сторона зрительного поиска в радиологии. В Движения глаз от физиологии к познанию (стр. 573–582).

        Глава Google ученый

      • Нодин, К.Ф., Кундел, Х.Л., Лаувер, С.К., и Тото, Л.К. (1996). Характер экспертизы в поиске маммограмм для грудных масс. Академическая радиология , 3 (12), 1000–1006.

        ПабМед Статья Google ученый (1999). Как опыт и обучение влияют на знания в области маммографии. Академическая радиология , 6 (10), 575–585.

        ПабМед Статья Google ученый

      • Нодин, К. Ф., Мелло-Томс, К., Кундел, Х.Л., и Вайнштейн, С.П. (2002). Динамика восприятия и принятия решений во время маммографической интерпретации. Американский журнал рентгенологии , 179 (4), 917–923.

        ПабМед Статья Google ученый

      • Норман Г.Р., Брукс Л.Р., Кобленц С.Л. и Бэбкук С.Дж. (1992). Корреляция идентификации признаков и суждений о категориях в диагностической радиологии. Память и познание , 20 (4), 344–355.

        Артикул Google ученый

      • О, С. Х. и Ким, М. С. (2004). Роль пространственной рабочей памяти в эффективности зрительного поиска. Psychonomic Bulletin & Review , 11 (2), 275–281.

        Артикул Google ученый

      • Оливерс, К. Н., и Эймер, М. (2011). О разнице между рабочей памятью и установкой внимания. Нейропсихология , 49 (6), 1553–1558.

        ПабМед Статья Google ученый

      • Оливерс, К. Н., Мейер, Ф., и Теувес, Дж. (2006). Захват внимания на основе функций на основе памяти: содержимое визуальной рабочей памяти влияет на визуальное внимание. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 32 (5), 1243–1265.

        ПабМед Google ученый

      • Пайе, К., и Мадлен, Л. (2014). Усиление изменчивости амплитуды саккад в задаче зрительного поиска. Journal of Vision , 14 (13), 20–20.

        ПабМед Статья Google ученый

      • Петерсон, М.С., Бек, М.Р., и Вомела, М. (2007). Зрительный поиск руководствуется проспективной и ретроспективной памятью. Восприятие и психофизика , 69 (1), 123–135.

        Артикул Google ученый

      • Петерсон, М. С., Крамер, А.Ф., Ван, Р.Ф., Ирвин, Д.Е., и Маккарли, Дж.С. (2001). Зрительный поиск имеет память. Психологическая наука , 12 (4), 287–292.

        ПабМед Статья Google ученый

      • Филлипс П., Бун Д., Маллет С., Тейлор С. А., Альтман Д. Г., Мэннинг Д., … Халлиган С. (2013). Метод отслеживания взгляда во время интерпретации эндолюминальной 3D CT колонографии: техническое описание и предлагаемые показатели для анализа. Радиология , 267 (3), 924–931.

        ПабМед Статья Google ученый

      • Портер, Г., Трощанко, Т., и Гилкрист, И. Д. (2007). Усилия при визуальном поиске и подсчете: результаты пупиллометрии. Ежеквартальный журнал экспериментальной психологии , 60 (2), 211–229.

        ПабМед Статья Google ученый

      • Познер, М. И., и Коэн, Ю. (1984). Компоненты визуального ориентирования. Внимание и производительность: управление языковыми процессами , 32 , 531–556.

        Google ученый

      • Поттер, М.К. (1975). Значение в визуальном поиске. Наука , 187 (4180), 965–966.

        ПабМед Статья Google ученый

      • Пойнтер, В., Барбер, М., Инман, Дж., и Виггинс, К. (2013). Люди демонстрируют идиосинкразические профили поведения движения глаз при выполнении задач. Исследование зрения , 89 , 32–38.

        ПабМед Статья Google ученый

      • Рафферти Э.А., Парк Дж.М., Филпоттс Л.Е., Поплак С.П., Сумкин Дж.Х., Халперн Э.Ф. и Никласон Л.Т. (2013). Оценка работы рентгенолога с использованием комбинированной цифровой маммографии и томосинтеза молочной железы по сравнению с одной только цифровой маммографией: результаты многоцентрового исследования с использованием нескольких устройств для чтения. Радиология , 266 (1), 104–113.

        ПабМед Статья Google ученый

      • Рейнер, К., Ли, X., Уильямс, К.С., Кейв, К.Р., и Велл, А.Д. (2007). Движения глаз во время задач обработки информации: индивидуальные различия и культурные эффекты. Vision Research , 47 (21), 2714–2726.

        ПабМед ПабМед Центральный Статья Google ученый

      • Рэтклифф, Р. и МакКун, Г. (2008). Модель диффузионного решения: теория и данные для задач с двумя вариантами ответов. Нейронные вычисления, 20 (4), 873–9.22.

        ПабМед ПабМед Центральный Статья Google ученый

      • Рекарт, Массачусетс, и Нуньес, Л.М. (2003). Умственная нагрузка во время вождения: влияние на визуальный поиск, различение и принятие решений. Journal of Experimental Psychology: Applied , 9 (2), 119.

        PubMed Google ученый

      • Риггс, К. А., Корнес, К., Годвин, Х.Дж., Ливерседж, С.П., Гест, Р., и Доннелли, Н. (2017). Важность поисковой стратегии для нахождения целей на открытой местности. Когнитивные исследования: принципы и последствия , 2 (1), 14.

        Google ученый

      • Риггс, К.А., Годвин, Х.Дж., Манн, К.М., Смит, С.Дж., Бордман, М., Ливерседж, С.П., и Доннелли, Н. (2018). Поиск объектов, спрятанных в домах, экспертными диадами, новичками и новичками. Визуальное познание , 26 (5), 334–350.

        Артикул Google ученый

      • Росскопф, А.Б., Дитрих, Т.Дж., Хиршманн, А., Бак, Ф.М., Саттер, Р., и Пфиррманн, К.В. (2015). Управление качеством при визуализации опорно-двигательного аппарата: форма, содержание и диагностика отчетов МРТ коленного сустава и эффективность трех различных мер по улучшению качества. Американский журнал рентгенологии , 204 (5), 1069–1074.

        ПабМед Статья Google ученый

      • Рубин, Г. Д. (2015). Выявление легочных узлов и рака при компьютерной томографии. Journal of Thoracic Imaging , 30 (2), 130–138.

        ПабМед ПабМед Центральный Статья Google ученый

      • Рубин, Г. Д., Дрю, Т., и Уильямс, Л. Х. (2018). Восприятие объемных данных. В E. Samei & E. Krupinski (Eds.), Справочник по восприятию и методам медицинского изображения (2-е изд., стр. 307–327). Кембридж: Издательство Кембриджского университета.

        Глава Google ученый

      • Рубин, Г. Д., Рус, Дж. Э., Талл, М., Харравуд, Б., Бэг, С., Ли, Д. Л., … Рой Чоудхури, К. (2015). Характеристика поиска, распознавания и принятия решения при обнаружении узелков в легких на компьютерной томографии: разъяснение с отслеживанием взгляда. Радиология , 274 (1), 276–286.

        ПабМед Статья Google ученый

      • Руутиайнен, А. Т., Дюран, Д. Дж., Скэнлон, М. Х., и Итри, Дж. Н. (2013). Повышено количество ошибок в предварительных отчетах, выдаваемых резидентами-радиологами, работающими более 10 часов подряд в ночное время. Академическая радиология , 20 (3), 305–311.

        ПабМед Статья Google ученый

      • Скаринс, К., и Хаут, М.К. (2018). Преодолевая БЕЗУМИЕ: ожидания относительно того, что делает цель, влияют на вероятность ее появления на динамических визуальных дисплеях. Ежеквартальный журнал экспериментальной психологии . https://doi.org/10.1177/1747021817741408.

        Артикул Google ученый

      • Шварц Л.Х., Паничек Д.М., Берк А.Р., Ли Ю. и Хричак Х. (2011). Улучшение передачи результатов диагностической радиологии посредством структурированной отчетности. Радиология , 260 (1), 174–181.

        ПабМед ПабМед Центральный Статья Google ученый

      • Зельцер, С.Э., Джуди, П.Ф., Адамс, Д.Ф., Якобсон, Ф.Л., Старк, П., Кикинис, Р., … Фельдман, У. (1995). Спиральная КТ грудной клетки: сравнение кино- и кинопросмотра. Радиология , 197 (1), 73–78.

        ПабМед Статья Google ученый

      • Шор, Д. И., и Кляйн, Р. М. (2000). О проявлениях памяти при зрительном поиске. Пространственное зрение , 14 (1), 59–75.

      • Саймонс, Д. Дж., и Чабрис, К. Ф. (1999). Гориллы среди нас: устойчивая невнимательная слепота к динамическим событиям. Восприятие , 28 (9), 1059–1074.

        ПабМед Статья Google ученый

      • Смит А.Д., Худ Б.М. и Гилкрист И.Д. (2008). Сравнение визуального поиска и поиска пищи в крупномасштабной поисковой задаче. Когнитивная обработка , 9 (2), 121–126.

        ПабМед Статья Google ученый

      • Солман, Г. Дж., Чейн, Дж. А., и Смайлек, Д. (2012). Найден и пропущен: неспособность распознать цель поиска, несмотря на ее перемещение. Познание , 123 (1), 100–118.

        ПабМед Статья Google ученый

      • Солман, Г. Дж., Хикки, К., и Смайлек, Д. (2014). Сравнение ошибок обнаружения цели при визуальном поиске и при поиске с ручной подачей. Внимание, восприятие и психофизика , 76 (4), 945–958.

        Артикул Google ученый

      • Солман, Г. Дж., и Кингстон, А. (2015). Эндогенная стратегия разведки. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 41 (6), 1634–1649.

        ПабМед Google ученый

      • Солман, Г. Дж., и Кингстон, А. (2017). Пространственные разделы систематизируют визуальный поиск и улучшают память цели. Внимание, восприятие и психофизика , 79 (2), 449–458.

        Артикул Google ученый

      • Солман, Г. Дж., Ву, Н., Чейн, Дж. А., и Смайлек, Д. (2013). В ручном поиске восприятие контролирует, а не направляет действие. Экспериментальная психология , 60 (4), 243–254.

        ПабМед Статья Google ученый

      • Сонг, Дж. Х., и Цзян, Ю. (2005). Связь прошлого с настоящим: как люди сопоставляют входящий визуальный дисплей со зрительной памятью? Журнал Видения , 5 (4), 4–4.

        Артикул Google ученый

      • Сото, Д., Хейнке, Д., Хамфрис, Г.В., и Бланко, М.Дж. (2005). Раннее, непроизвольное управление вниманием сверху вниз от рабочей памяти. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 31 (2), 248–261.

        ПабМед Google ученый

      • Спенглер, М.Л., Зулей, М.Л., Сумкин, Дж.Х., Абрамс, Г., Ганотт, М.А., Хаким, К., … Гур, Д. (2011). Обнаружение и классификация кальцинатов при цифровом томосинтезе молочной железы и 2D цифровой маммографии: сравнение. Американский журнал рентгенологии , 196 (2), 320–324.

        ПабМед Статья Google ученый (2016). Когнитивная нагрузка студентов-медиков при интерпретации объемных изображений: понимание взаимодействия человека с компьютером и движений глаз. Компьютеры в человеческом поведении , 62 , 394–403.

        Артикул Google ученый

      • Swensson, R.G. (1980). Двухэтапная модель обнаружения, применяемая для квалифицированного визуального поиска радиологами. Восприятие и психофизика , 27 (1), 11–16.

        Артикул Google ученый

      • Такеда Ю. и Яги А. (2000). Ингибиторную маркировку при визуальном поиске можно обнаружить, если поисковые стимулы остаются видимыми. Восприятие и психофизика , 62 (5), 927–934.

        Артикул Google ученый

      • Тьювес, Дж., Крамер, А.Ф., Хан, С., Ирвин, Д.Е., и Зелински, Г.Дж. (1999). Влияние захвата внимания на глазодвигательный контроль. Journal of Experimental Psychology: Human Perception and Performance , 25 (6), 1595.

        PubMed Google ученый

      • Томас, Э.Л., и Лэнсдаун, Э.Л. (1963). Схемы визуального поиска врачей-рентгенологов при обучении. Радиология , 81 (2), 288–292.

        ПабМед Статья Google ученый

      • Торральба, А., Олива, А., Кастельхано, М.С., и Хендерсон, Дж.М. (2006). Контекстное управление движениями глаз и вниманием в сценах реального мира: роль глобальных признаков в поиске объектов. Психологический обзор , 113 (4), 766.

        PubMed Статья Google ученый

      • Трейсман, А. М., и Геладе, Г. (1980). Особенности интеграции теории внимания. Когнитивная психология , 12 (1), 97–136.

        ПабМед Статья Google ученый

      • Тадденхэм, У. Дж. (1962). Зрительный поиск, организация изображения и ошибка читателя в рентгенодиагностике: исследования психофизиологии восприятия рентгеновского изображения, лекция Мемориального фонда. Радиология , 78 (5), 694–704.

        ПабМед Статья Google ученый

      • Ансуорт, Н., и Робисон, М.К. (2018). Отслеживание поддержания рабочей памяти с помощью пупиллометрии. Внимание, восприятие и психофизика , 80 (2), 461–484.

        Артикул Google ученый

      • Вайдьянатан П. , Пельц Дж., Алм К., Ши П. и Хааке А. (2014). Повторяющийся количественный анализ выявляет различия в поведении движения глаз между экспертами и новичками. В Материалы симпозиума по исследованиям и приложениям слежения за глазами (стр. 303–306). Нью-Йорк: ACM. (2016). Как визуальный поиск связан с визуальной диагностической эффективностью: повествовательный систематический обзор исследований отслеживания глаз в радиологии. Достижения в области медицинского образования , 22 (3), 765–787.

        ПабМед ПабМед Центральный Статья Google ученый (2015). Интерпретация объемных и двухмерных изображений показывает разные когнитивные процессы у учащихся. Академическая радиология , 22 (5), 632–639.

        ПабМед Статья Google ученый

      • ван Гил, К., Кок, Э.М., Дийкстра, Дж., Роббен, С.Г., и ван Мерриенбур, Дж.Дж. (2017). Обучение систематическому осмотру студентов-медиков последнего курса улучшает систематичность, но не охват или обнаружение рентгенологических аномалий. Журнал Американского колледжа радиологии , 14 (2), 235–241.

        ПабМед Статья Google ученый

      • ван Вермескеркен, М., Личфилд, Д., и ван Гог, Т. (2018). На что я смотрю? Интерпретация динамических и статических проявлений взгляда. Когнитивные науки , 42 (1), 220–252.

        ПабМед Статья Google ученый

      • Воан, Дж. (1984). Саккады, направленные на ранее посещенные места в пространстве. В A. Gale & F. Johnson (Eds), Advances in Psychology (том 22, стр. 143–150). Амстердам, Нидерланды: Северная Голландия.

      • Венякоб А., Марниц Т., Малер Дж., Сехельманн С. и Рёттинг М. (2012). Взгляд радиологов при чтении КТ-изображений черепа. Материалы SPIE 8318, Медицинская визуализация, 2012 г.: восприятие изображения, эффективность работы наблюдателя и оценка технологии, 83180B, https://doi.org/10.1117/12.1.

      • Венякоб, А. С., Марниц, Т., Филлипс, П., и Мелло-Томс, Ч.Р. (2016). Размер изображения влияет на визуальный поиск и восприятие кровоизлияний при чтении КТ черепа: исследование слежения за глазами. Человеческий фактор , 58 (3), 441–451.

        ПабМед Статья Google ученый

      • Венякоб, А.С., и Мелло-Томс, Ч.Р. (2015). Обзор перспектив и проблем отслеживания взгляда в объемной визуализации. Journal of Medical Imaging , 3 (1), 011002.

        PubMed ПабМед Центральный Статья Google ученый

      • Вы, М.Л.Х., Айзенман, А.М., и Вулф, Дж.М. (2016). Думаешь, ты знаешь, куда ты смотрел? Ты лучше посмотри еще раз. Journal of Experimental Psychology: Human Perception and Performance , 42 (10), 1477.

        PubMed Google ученый

      • Вы, М.Л.Х., и Вулф, Дж.М. (2015). Роль памяти для зрительного поиска в сценах. Анналы Нью-Йоркской академии наук , 1339 (1), 72–81.

        Центральный пабмед Статья Google ученый

      • Вен Г., Айзенман А., Дрю Т., Вулф Дж. М., Хейгуд Т. М. и Марки М. К. (2016). Вычислительная оценка стратегий визуального поиска в объемных медицинских изображениях. Journal of Medical Imaging , 3 (1), 015501.

        PubMed ПабМед Центральный Статья Google ученый (2017). Структурированные отчеты о КТ-энтерографии при воспалительных заболеваниях кишечника: влияние на отчеты о ключевых характеристиках, точность на разных уровнях обучения и субъективная оценка заболевания лечащими врачами. Абдоминальная радиология , 42 (9), 2243–2250.

        ПабМед Статья Google ученый

      • Уильямс, Л. Х., и Дрю, Т. (2017). Отвлечение внимания в диагностической радиологии: как перерывы влияют на поиск по объемным медицинским изображениям? Когнитивные исследования: принципы и последствия , 2 (1), 12.

        Google ученый

      • Вулф, Дж. М. (2003). Двигаемся к решениям некоторых устойчивых противоречий в визуальном поиске. Тенденции в когнитивных науках , 7 (2), 70–76.

        ПабМед Статья Google ученый

      • Вулф, Дж. М. (2012). Когда я уйду? Проблема завершения поиска в визуальном поиске. В г. Влияние внимания, обучения и мотивации на визуальный поиск г. (стр. 183–208). Нью-Йорк: Спрингер.

        Глава Google ученый

      • Вулф, Дж. М. (2013). Когда пора переходить к следующему кусту малины? Правила поиска пищи в зрительном поиске человека. Journal of Vision , 13 (3), 10–10.

        ПабМед ПабМед Центральный Статья Google ученый

      • Вулф, Дж. М. (2016). Вдохновленные использованием фундаментальные исследования в области восприятия медицинских изображений. Когнитивные исследования: принципы и выводы , 1 (1), 17.

        Google ученый

      • Вулф, Дж. М., Айзенман, А. М., Бетчер, С. Э., и Каин, М. С. (2016). Гибридный поиск пищи: поиск нескольких экземпляров нескольких типов целей. Vision Research , 119 , 50–59.

        ПабМед ПабМед Центральный Статья Google ученый

      • Вулф, Дж. М., Альварес, Г. А., и Горовиц, Т. С. (2000). Внимание быстро, но воля медленна. Природа , 406 (6797), 691.

        PubMed Статья Google ученый

      • Вулф, Дж. М., Кейв, К. Р., и Франзель, С. Л. (1989). Управляемый поиск: альтернатива модели интеграции функций для визуального поиска. Journal of Experimental Psychology: Human Perception and Performance , 15 (3), 419.

        PubMed Google ученый

      • Вулф, Дж. М., Эванс, К. К., Дрю, Т., Айзенман, А., и Джозефс, Э. (2016). Как рентгенологи используют поисковую систему человека? Дозиметрия радиационной защиты , 169 (1–4), 24–31.

        ПабМед ПабМед Центральный Статья Google ученый

      • Вулф, Дж. М., и Горовиц, Т. С. (2004). Какие атрибуты управляют развертыванием визуального внимания и как они это делают? Обзоры природы Неврология , 5 (6), 495.

        PubMed Статья Google ученый

      • Вулф, Дж. М., Горовиц, Т. С., Кеннер, Н., Хайл, М., и Васан, Н. (2004). Как быстро вы можете передумать? Скорость наведения сверху вниз при визуальном поиске. Vision Research , 44 (12), 1411–1426.

        ПабМед Статья Google ученый

      • Вулф, Дж. М., Сосе, А. А., и Шилл, Х. М. (2017). Как я это пропустил? Разработка смешанного гибридного визуального поиска в качестве «модельной системы» для случайных ошибок обнаружения в радиологии. Когнитивные исследования: принципы и последствия , 2 (1), 35.

        Google ученый

      • Вулф, Дж. М., Вы, М. Л. Х., Эванс, К. К., и Грин, М. Р. (2011). Зрительный поиск в сценах включает селективные и неселективные пути. Тенденции в когнитивных науках , 15 (2), 77–84.

        ПабМед ПабМед Центральный Статья Google ученый

      • Янг, А. Х., и Халлеман, Дж. (2013). Движения глаз показывают, как сложность задачи влияет на визуальный поиск. Журнал экспериментальной психологии: человеческое восприятие и деятельность , 39 (1), 168–190.

        ПабМед Google ученый

      • Занг, X., Ши, З., Мюллер, Х. Дж., и Кончи, М. (2017). Контекстная подсказка в трехмерном визуальном поиске зависит от представлений в плоском, а не в пространстве, определяемом глубиной. Journal of Vision , 17 (5), 17–17.

        ПабМед Статья Google ученый

      Ссылки на скачивание

      Благодарности

      Мы благодарим Дэвида Стрейера и Фрэнка Дрюса за комментарии к более ранним версиям этой рукописи; Уильяму Ауфферманну, Меган Миллс и Ульриху Расснеру за ответы на наши вопросы, связанные с рентгенологией, на протяжении всего процесса написания; и Дэмиену Литчфилду, Грейдену Солману и анонимному рецензенту за их конструктивные отзывы в процессе рецензирования.

      Финансирование

      Эта работа была поддержана Программой стипендий для аспирантов Национального научного фонда (грант № 1747505 для LHW) и Национальным институтом рака (грант № 1R01CA225585–01 для TD).

      Информация о авторе

      Авторы и принадлежность

      1. Университет штата Юта, Солт -Лейк -Сити, UT, USA

        Lauren H. Williams & Trafton Drue

      Авторы

    • Lauren HARO0021

      Вы также можете искать этого автора в PubMed Google Scholar

    • Trafton Drew

      Просмотр публикаций автора

      Вы также можете искать этого автора в PubMed Google Scholar

      • Contributions

      LHW и TD помогли составить рукопись. Оба автора утвердили окончательную версию перед отправкой.

      Автор, ответственный за переписку

      Лорен Х. Уильямс.

      Декларация этики

      Одобрение этики и согласие на участие

      Неприменимо.

      Согласие на публикацию

      Неприменимо.

      Конкурирующие интересы

      Авторы заявляют об отсутствии конкурирующих интересов.

      Дополнительная информация

      Примечание издателя

      Springer Nature остается нейтральной в отношении юрисдикционных претензий в опубликованных картах и ​​институциональной принадлежности.

      Права и разрешения

      Открытый доступ Эта статья распространяется в соответствии с условиями международной лицензии Creative Commons Attribution 4.0 (http://creativecommons.org/licenses/by/4.0/), которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе. , при условии, что вы укажете первоначальных авторов и источник, предоставите ссылку на лицензию Creative Commons и укажите, были ли внесены изменения.

      Перепечатка и разрешения

      Об этой статье

      Потоковое объемное изображение онлайн | Лиза Джамхури

      Обучение и рабочий процесс при отправке цветных 3D-изображений и изображений глубины по сети в режиме реального времени.

      Несколько лет назад я начал работать над инструментом с открытым исходным кодом под названием Kinectron, получившим свое название от двух основных компонентов: Kinect + Electron. Программное обеспечение передает данные с Kinect V2 через Интернет, делая данные доступными на стороне клиента в браузере через (простой в использовании) API.

      Одна большая проблема, с которой я столкнулся, — это работа с объемными или 3D-изображениями в сети и в браузере. Я изо всех сил пытался их прочитать, сохранить, передать и распаковать. Я нашел работающие, но далекие от совершенства решения на каждом этапе. Я пишу свои знания и текущий рабочий процесс в надежде получить лучшее представление о том, где я нахожусь, куда мне следует двигаться дальше (особенно с прекращением поддержки Kinect) и как другие люди решают те же проблемы.

      Прежде чем я начну, большое спасибо Шону Ван Эвери, Воутеру Вервейрдеру, Аарону Монтойя-Мораге и Ору Флейшеру за их вклад на разных этапах пути.

      Основной процесс, с которым я работал, заключается в том, чтобы захватить изображения цвета и глубины с Microsoft Kinect, отправить их по сети с использованием каналов данных webRTC, затем распаковать и отобразить их в браузере. Я разобью процесс на четыре этапа: чтение, сохранение, отправка и рисование.

      Благодаря Kinect большинство разработчиков теперь хоть немного знакомы с изображениями глубины и видели 8-битное изображение глубины в градациях серого сенсора. На этом изображении глубина представлена ​​равными значениями RGB от 0 до 255. Чем темнее изображение (чем меньше число), тем ближе объект, чем светлее (больше число), тем дальше объект.

      Изображение глубины Kinect, представленное в оттенках серого (0–255 или 8 бит).

      Несмотря на то, что обычно используется 8-битное изображение глубины, необработанное изображение глубины Kinect является 13-битным. Датчик глубины имеет диапазон восьми метров, то есть 0–8000. (Обратите внимание, что надежность начинает снижаться примерно на 4,5 метра, или 4500.) Данные хранятся в 16-битном буфере кадра, который, как показали мои тесты, слишком велик для отправки в реальном времени самостоятельно.

      Чтобы сделать необработанные данные о глубине более удобными для отправки в Интернете, я преобразовал 13-битное изображение в 8-битное. Большинство изображений сегодня имеют четыре канала: красный, зеленый, синий и альфа-канал, или RGBA. Каждый из каналов может содержать 8 бит. Чтобы использовать эту типичную конфигурацию для хранения 13-битного изображения, 13 бит распределены по двум каналам — R и G — а каналы B и A остаются пустыми. Вот как это выглядит в коде:

       function processRawDepthBuffer(newPixelData) { 
       let j = 0; 
       for (пусть i = 0; i < imageDataSize; i+=4) { 
       imageDataArray[i] = newPixelData[j]; 
       imageDataArray[i+1] = newPixelData[j+1]; 
       imageDataArray[i+2] = 0; 
       imageDataArray[i+3] = 0xff; // установить альфа-канал на полную непрозрачность 
       j+=2; 
       } 
       }

      Для сравнения, вот код для отрисовки 8-битной глубины оттенков серого:

       function processDepthBuffer(newPixelData){ 
       letj = 0; 
       for (пусть i = 0; i < imageDataSize; i+=4) { 
       imageDataArray[i] = newPixelData[j]; 
       imageDataArray[i+1] = newPixelData[j]; 
       imageDataArray[i+2] = newPixelData[j]; 
       imageDataArray[i+3] = 0xff; 
       Дж++; 
       } 
       }

      При рисовании на холсте необработанное изображение глубины выглядит следующим образом.

      Kinect 13-битное необработанное изображение глубины, сохраненное в 8-битном изображении.

      Сохранение необработанных данных о глубине в формате изображения RGBA, а не в буфере кадров, упрощает работу с ними в сети (подробнее об этом ниже…).

      Теперь, когда у меня есть изображение глубины, пришло время подумать о цвете. Kinect обеспечивает цветное изображение, но цветная и глубинная камеры Kinect имеют разные разрешения: 1920 x 1080 и 512 x 424 соответственно. Для совместного использования изображений с разным разрешением цветное изображение должно быть зарегистрировано в изображении глубины. Об этом писали многие (вот один пример), так что я не буду здесь вдаваться в подробности.

      Предполагая, что изображения цвета и глубины теперь имеют одинаковое разрешение, возникает вопрос, как сохранить их для эффективной отправки и получения изображений по сети. Я использовал два разных подхода.

      При первом подходе я захватываю и отправляю изображения цвета и глубины отдельно. Я включаю 13-битные необработанные данные о глубине в одно изображение и данные о цвете в другое изображение.

      Процесс 1: отправка изображений глубины и цвета по отдельности и их объединение на стороне клиента.

      В этом случае есть два преимущества: во-первых, я могу использовать меньший формат изображения с потерями для цветного изображения, что облегчает его отправку, а во-вторых, я получаю полное разрешение по глубине. Однако изображения с потерями не оптимизированы для сжатия данных глубины, поэтому изображение глубины необходимо отправлять без потерь, чтобы сохранить высокое разрешение глубины. Отправка изображения без потерь по сети требует много места и полосы пропускания, а отправка его одновременно с цветным изображением создает дополнительную задержку.

      При втором подходе я объединяю изображения цвета и глубины на сервере в одно изображение. Я использую каналы RGB для данных о цвете и канал A для хранения 8-битных данных глубины оттенков серого, создавая изображение RGBD. Затем я отправляю только одно изображение по сети.

      Процесс 2: Отправка изображений глубины и цвета вместе в одном комбинированном изображении RGBD.

      Это хорошее решение, так как оно позволяет эффективно использовать пространство, но жертвует разрешением полной глубины. И снова изображение должно быть без потерь, чтобы сохранить изображение глубины, что делает изображение слишком большим для надежной отправки в реальном времени по сети.

      Интересно, что я могу отправить четырехканальное необработанное изображение глубины 512 x 424 по сети и обработать данные в облако точек со скоростью 24 кадра в секунду или выше, но я не могу сделать то же самое с надежной частотой кадров с разрешением 512 x 424. RGBD-изображение. Я предположил, что даже если размер изображения одинаков, сложность данных (сохранение цвета и глубины в одном и том же изображении) требует большей пропускной способности для отправки. Это точка для меня, чтобы вернуться и повторить тест.

      Формат изображения

      Когда я получаю буферы изображений от Kinect, я рисую их на элементах холста HTML5 и преобразовываю их (используя toDataUrl) в URL-адреса данных изображения с основанием 64, которые идеально подходят для отправки по сети.

      Я протестировал несколько комбинаций форматов изображений, чтобы определить, какой из них лучше всего подходит для сжатия изображений для отправки по сети. WebP оказался лучшим выбором. Сжатие JPG отлично работает для изображения RGB, но не позволяет использовать альфа-канал. PNG и WebP допускают альфа-канал, а WebP был намного меньше.

      Как я упоминал ранее, сжатие изображений с потерями уничтожает данные о глубине. Вот облако точек, нарисованное в Three.js с использованием цвета Kinect и необработанных данных о глубине, отправленных по моей локальной сети с качеством WebP 1.0 (без потерь):

      Облако точек, нарисованное на основе необработанных данных о глубине, переданных как WebP без потерь.

      Вот тот же сценарий с необработанными данными о глубине, отправленными с качеством WebP 0,99 (с потерями).

      Облако точек, полученное из необработанных данных глубины, переданных с качеством WebP 0,99 с потерями.

      Этот вопрос эффективного хранения объемных данных является для меня большим камнем преткновения и еще одним поводом для продолжения поиска альтернативных вариантов. (Вот мои черновые заметки начала 2016 года для тех, кто хочет узнать больше об этом процессе.)

      Когда у меня есть URL-адрес данных изображения цвета и глубины в WebP с выбранным качеством, я отправляю изображение по каналам данных WebRTC, используя библиотеку с открытым исходным кодом PeerJS. PeerJS использует UDP, а не TCP. UDP позволяет соединению отбрасывать пакеты без последствий, что делает его идеальным для потоковой передачи больших объемов данных (подробнее здесь). Это самый простой этап моего процесса (на данный момент!).

      Получив поток объемных данных, я использую Kinectron API для их получения в Three.js. Я рисую URL-адрес данных на изображении, затем на холсте, затем я вытягиваю пиксели с холста с помощью getImageData для управления ими. (Chromium недавно выпустил новую функциональность для обхода этого процесса с помощью ImageBitmapRenderingContext. Я скоро рассмотрю возможность реализации этого.)

      В своих первых экспериментах я использовал встроенную геометрию точек Three. js для построения облаков точек с входящей глубиной. и цветные изображения. Вот gif одного из моих первых экспериментов с использованием только необработанных данных о глубине в моей домашней сети Wi-Fi (вот примерная версия этого кода).

      Необработанные данные о глубине передаются по сети Wi-Fi и отображаются в виде облака точек в Three.js.

      В следующем эксперименте я отправил данные о цвете и необработанной глубине в виде двух изображений по своей домашней сети и создал облако цветовых точек в Three.js. Я не записал fps в то время (и у меня проблемы с поиском кода…), но у него есть видимая задержка.

      Необработанная глубина и цвет, передаваемые по сети Wi-Fi и собранные вместе в виде облака точек в Three.js.

      Несмотря на задержку, я был доволен облаком цветовых точек как достаточно хорошим прототипом потокового цветного объемного видео в реальном времени по сети и в моем браузере. Отсюда мои исследования начали двигаться в сторону работы с цветом и глубиной, поступающими из двух разных источников. В этот момент я переключился на написание пользовательских шейдеров в Three.js, чтобы ускорить обработку на стороне клиента. Вот как это выглядело (и вот код):

      В то время как предыдущие примеры выполнялись с двумя отдельными изображениями — необработанными изображениями глубины и цвета — для одного человека, пример для двух человек работает с двумя изображениями RGBD, по одному от каждого человека. Чтобы отправить данные быстрее, я использовал RGBD-изображения с потерями, что вызвало эффект сетки в данных глубины (см. GIF ниже). Серверы Kinect транслируются со скоростью 24 кадра в секунду и расположены в двух разных местах. (Подробнее об этом проекте здесь.)

      Изображения глубины с потерями вызывают эффект сетки.

      Для меня этот последний эксперимент наиболее близок к моей конечной цели — я хотел бы создавать социальные объемные приложения в реальном времени в браузере, — но мне еще многое предстоит сделать, прежде чем это станет реальным и приятным опытом для людей.

      Three-Kinectron

      Ранее в этом году Ор Флейшер создал Three-Kinectron, плагин для работы с данными RGBD, передаваемыми из Kinectron в Three. js. Он отображает поток RGBD в виде сетки, проволоки или точек и имеет методы, которые предоставляют пользователю простой доступ к таким свойствам, как яркость, контрастность и непрозрачность.

      Скриншот примера Three-Kinectron.

      Мне было интересно вернуться к этому рабочему процессу, и описание процесса помогло мне увидеть места, в которые я могу вернуться. Наиболее актуальными из этих моментов на данный момент являются: исследование более эффективных способов упаковки данных о глубине для потоковой передачи, реализация ImageBitmapRenderingContext , чтобы ускорить обработку на обоих концах и проверить жизнеспособность замены Kinect датчиком Intel RealSense.

      Я также в восторге от проекта, который в настоящее время реализуется между Нью-Йоркским университетом в Шанхае и Нью-Йорком в рамках гранта NYU Visual Arts Initiative. Мы работаем на стороне сервера, чтобы отправлять только данные о цвете и глубине, связанные с людьми в сцене, что позволило бы нам транслировать людей без фона. Я думаю, что это может сократить использование полосы пропускания и привести к ряду интересных приложений.

      Я написал эту статью, чтобы задокументировать свою работу над программным обеспечением с открытым исходным кодом, Kinectron . Kinectron — это одноранговый сервер реального времени для Kinect V2, который делает скелетные и объемные данные доступными в браузере через высокоуровневый API .

      Я разработал Kinectron с Шоном Ван Эвери в рамках гранта Google Experiments in Storytelling ( xStory ) в Программе интерактивных телекоммуникаций Нью-Йоркского университета ( ИТП ). В настоящее время он находится в стадии разработки. Пожалуйста, , свяжитесь с , если вы хотите внести свой вклад .

      Обнаружение изменений медицинских изображений для трехмерных объемных данных

      ПОЛУЧИТЬ ПРИЛОЖЕНИЕ

      Обнаружение изменений медицинских изображений для трехмерных объемных данных

      ISSN: 2376-130X

      Исследовательская статья — (2015 г. ), том 2, выпуск 4

      Посмотреть PDF Скачать PDF

      Nika V 1 * , Babyn P 2 and Zhu H 1
      1 Department of Mathematics and Statistics, York University, Toronto, ON, Canada
      2 Department of Medical Imaging, Университет Саскачевана, Саскатун, Саскачеван, Канада

      * Автор, ответственный за корреспонденцию: Ника В., кафедра математики и статистики, Йоркский университет, 4700 Keele St, Toronto, ON, M3J 1P3, Canada, тел.: +1 416 222 8282, факс: +1 416 222 8282 Эл. (3D) объемные данные. Мы стремимся обнаруживать изменения в 3D-объемах одних и тех же анатомических объектов, снятых в два разных момента времени. Мы определяем обнаружение изменений как задачу оптимизации и предлагаем два новых трехмерных объемных алгоритма: 3D AEDL-2 и 3D EigenBlockCD-2 для автоматического обнаружения изменений. Мы показываем эффективность алгоритма 3D EigenBlockCD-2 с использованием реальных изображений МРТ головного мозга.

      Ключевые слова: Обнаружение изменений; Объемные данные; АЭДЛ; EigenBlockCD

      Введение

      Методы и алгоритмы обнаружения изменений имеют решающее значение для многих компьютерных приложений, таких как дистанционное зондирование, видеонаблюдение и медицинская визуализация. Эти методы постоянно развивались в течение последнего десятилетия, и в результате в настоящее время доступны различные алгоритмы, методы и автоматизированные системы.

      В частности, большое значение в клинической практике имеет автоматизация идентификации изменений в медицинских изображениях, сделанных в разное время. Наборы данных магнитно-резонансной томографии (МРТ) могут, например, включать несколько последовательностей, каждая из которых состоит из множества изображений, полученных для одного исследования, требующих сравнения с непосредственным предыдущим исследованием или несколькими предыдущими исследованиями. Размер наборов данных, с которыми рентгенологи имеют дело для компьютерной томографии (КТ) или МРТ, может составлять сотни или тысячи изображений для каждой временной точки.

      Основной задачей алгоритмов обнаружения изменений в медицинских изображениях является обнаружение изменений, связанных с заболеванием, при одновременном отклонении клинически нерелевантных изменений, вызванных шумом, смещением и другими артефактами, связанными с получением, такими как интенсивность и неоднородность [1].

      Рентгенологи должны визуально интерпретировать серийные исследования, чтобы выявить изменения, в том числе вызванные изменением положения пациента, а также выявить и отклонить определенные артефакты. Некоторые из проблем подхода параллельной презентации включают в себя изменения, связанные с программным и аппаратным обеспечением сканера, отделение изменений при получении от изменений, связанных с заболеванием, информационную перегрузку, невозможность обнаружить изменения в просматриваемых объектах или сценах, невозможность сравнения двух сцен. , и удовлетворение от поиска. Хотя обнаружение изменений имеет отношение ко всем методам визуализации, таким как МРТ, КТ и сонография, в этой статье мы сосредоточимся в основном на МР-изображениях головного мозга.

      Общие обзоры алгоритмов обнаружения изменений, особенно в области видеонаблюдения и дистанционного зондирования, можно найти в ссылках [1-4]. Для области медицинской визуализации Patriarche et al. [5] представили подробный обзор методов обнаружения изменений в последовательных исследованиях изображений головного мозга, а также привели доводы в пользу того, что автоматизированные системы регистрации и обнаружения изменений будут большим подспорьем для рентгенологов в правильной интерпретации данных. Кроме того, Lladò et al. [6] представили обзор методов и алгоритмов выявления очагов рассеянного склероза (РС) на серийных МРТ-изображениях головного мозга.

      Несколько исследований, проведенных за последнее десятилетие, в основном основаны на статистике. Боск и др. [7] представили автоматическую систему обнаружения изменений для серийной МРТ с приложениями для наблюдения за рассеянным склерозом. Он основан на использовании мультимодальной информации для обнаружения изменений, обобщенного теста отношения правдоподобия и нормализации нелинейной совместной гистограммы. Производительность алгоритма низкая, когда шум не является стационарным. Авторы в [8-10] представили более полную автоматизированную систему обнаружения изменений, которая может повысить эффективность, точность и согласие читателей. Они обнаружили, что внедрение научно полезного инструмента является наиболее клинически жизнеспособным, когда он эффективно интегрирован в клинический рабочий процесс. В [11] авторы использовали общую непараметрическую статистическую основу, основанную на локальных ядрах управления. Однако их метод требует точной совместной регистрации входных изображений в качестве этапа предварительной обработки.

      Основное внимание в нашей работе уделяется выявлению связанных с заболеванием изменений в трехмерных последовательных МРТ-изображениях, и наша цель состоит в разработке системы обнаружения изменений, которая может идентифицировать связанные изменения в присутствии шума, смещения и других артефактов, связанных с получением изображений. Идея нашего решения проблемы обнаружения изменений заключается в использовании методов изучения локального словаря для выявления этих изменений в пространстве преобразования анализа основных компонентов (PCA). Наши методы основаны на фоновом моделировании и методах изучения словаря, вдохновленных следующими статьями [12-16].

      Недавно методы фонового моделирования и разреженного представления успешно использовались в видеонаблюдении [14,16]. В [13] изображения с вычтенным фоном восстанавливаются с использованием компрессионного зондирования (CS). В работе [17] было предложено использовать метод слежения за главным компонентом для обнаружения изменений переднего плана в видеонаблюдении. Работа основана на низкоранговой и разреженной декомпозиции матриц изображений. Надежный анализ главных компонент имеет приложения во многих других областях, таких как распознавание лиц и т. д. Авторы в [15] используют надежное обучение по словарю для решения проблемы вычитания фона. Их подход, по-видимому, дает лучший словарь, чем более традиционный алгоритм K-SVD [16]. Однако предположения о разреженности должны выполняться. В работе [15] рассматривалась несоосность в проблеме обнаружения изменений путем использования ряда разреженных задач оптимизации. Однако их метод хорошо работает только для очень разреженных изображений, таких как изображения SAR, которые намного разрежены, чем большинство медицинских изображений. Авторы в [12,14] использовали собственные лица для распознавания лиц и распознавания образов, находя главные компоненты распределения лиц или собственные векторы ковариационной матрицы набора изображений лиц.

      В предыдущих публикациях мы расширили основную работу в области фонового моделирования и методов изучения словаря и разработали три варианта метода [17-20]. Наш первый алгоритм (Adaptive EigenBlock Dictionary Learning (AEDL)) [17] выполняет регистрацию изображений локально, чтобы зафиксировать локальные пространственные изменения в тестовом изображении, используя серию локальных разреженных процессов минимизации и знания о компрессионном восприятии. Метод принимает на вход пару изображений, а на выходе выдает два изображения: восстановленное разреженное изображение, совмещенное со вторым, и изображение обнаруженных изменений. Реконструкции перекрывающихся блоков с использованием алгоритмов минимизации L1 делают алгоритм AEDL дорогостоящим в вычислительном отношении. Чтобы сократить время работы алгоритма, мы разработали второй алгоритм, EigenBlock Change Detection (EigenBlockCD) [18], который использует норму L2 в качестве меры подобия для изучения словаря. Метод принимает два изображения в качестве входных данных и автоматически создает изображение, которое содержит только клинически связанные изменения. Оба алгоритма, AEDL и EigenBlockCD, игнорируют незначительные изменения из-за положения пациента, шума и других артефактов, связанных с получением данных, когда эти несвязанные с болезнью изменения находятся в пределах небольшой области. Для учета больших размеров незначительных изменений, то есть больших сдвигов и поворотов, мы разработали вторые версии двух алгоритмов, AEDL-2 и EigenBlockCD-2, добавив в начале этап совместной регистрации [19]. ,20].

      Мотивация для написания этой статьи обусловлена ​​двумя основными причинами: 1) МРТ-изображения изначально представляют собой объемы в трехмерном пространстве и 2) изменения положения пациента, т. е. повороты и перемещения, также являются трехмерными. На самом деле, во многих случаях, когда мы сравниваем изображения попарно, они могут иметь разное анатомическое расположение из-за поворотов и смещений. Это заставило нас поверить, что расширение до 3D действительно повысит точность обнаружения изменений медицинских изображений.

      Мы рассмотрели некоторые существующие работы в этой области. В методах, основанных на выборке измерений [24], радиолог измеряет максимальный диаметр и максимальный соответствующий перпендикуляр опухоли или вычисляет максимальную площадь опухоли [21,22] для оценки прогрессирования или регрессии заболевания. Одним из недостатков таких методов является возможность обнаружения небольших изменений из-за сложности достижения консенсуса рентгенологами. В некоторых волюметрических методах рассчитывается общий объем каждой интересующей анатомической ткани в каждый момент сбора данных, а результаты вычитаются [23,24]. Это увеличивает неопределенность, и ошибка накапливается, когда области большие. Два других волюметрических метода [25,26] сначала идентифицируют опухоль, а затем каждый раз вычисляют ее объем. Скорость роста рассчитывается как отношение разницы между рассчитанными объемами и временным интервалом. Методы, основанные на интенсивности [27], сначала выравнивают два набора объемных данных с долей линейного размера воксела, а затем используют простое разграничение совмещенных исходных изображений для поиска различий в интенсивности из-за развивающегося поражения. В 3D-методах регистрация является очень важным компонентом анализа медицинских изображений. Влияние неправильной регистрации обсуждается в [28], где делается вывод о том, что наличие ошибок регистрации в изображениях может повлиять на точность обнаружения изменений. Тщательный обзор того, как выбор функций стоимости и количества параметров преобразования влияет на качество регистрации, обсуждается в [29]. ,30].

      Упомянутые выше методы обнаружения изменений представляют собой улучшение по сравнению с простым визуальным контролем и классическими статистическими подходами. Однако большинство методов требуют многих шагов предварительной обработки, таких как регистрация перед использованием основного алгоритма [8-10]. Некоторые методы требуют пространственно разреженных изображений [15], в то время как другие требуют большой базы данных изображений [14,16]. С другой стороны, патологические изменения в тканях головного мозга также могут влиять на точность обнаружения изменений. В этой статье мы расширяем алгоритмы EigenBlockCD-2 и AEDL-2 для обнаружения изменений трехмерных объемных данных. МР-изображения изначально представляют собой объемы в 3D, как показано на рис. 9.0046 Рисунок 1 . Как и в случае 2D, мы рассматриваем 3D-объемы одних и тех же анатомических объектов, снятые в два разных момента времени. Полученные срезы изображения обычно смещены из-за положения пациента и других артефактов, связанных с получением изображения. Мы определяем проблему обнаружения изменений в 3D и представляем алгоритмы 3D AEDL-2 и 3D EigenBlockCD-2 для объемных данных. Алгоритмы включают два этапа: 1) процесс глобального 3D-выравнивания и 2) этап обнаружения алгоритма обнаружения 3D-изменений. Блок-схема алгоритма представлена ​​в Рисунок 2 . Мы показываем эффективность алгоритма 3D EigenBlockCD-2 с реальными 3D-изображениями МРТ головного мозга. Изменения, обнаруженные нашим алгоритмом, подтверждаются диагнозом рентгенолога.

      Большинство существующих методов, таких как наблюдение за изображениями и распознавание лиц [12,14-16,31], изучают словарь, используя обучающие образцы из базы данных изображений. В наших алгоритмах мы используем блоки эталонного тома для изучения словаря. Наша модель представляет собой словарь на основе блоков, который фиксирует только локальные изменения, связанные с заболеванием, и игнорирует изменения, связанные с позиционированием пациента и т. д. Он использует перекрывающиеся блоки для уменьшения артефактов блоков изображения.

      Остальная часть статьи имеет следующую структуру. В разделе 2 мы даем формулировку и обозначения задачи обнаружения изменений для объемных данных, а решение задачи обнаружения изменений [32-35] для объемных данных представлено в разделе 3. Мы представляем приложение к реальным объемным данным MR в разделе 4. , с последующим обсуждением и выводами, как указано в Разделе 5.

      Формулировка проблемы и обозначения

      МРТ обеспечивает очень подробное анатомическое представление мягких тканей, включая мозг человека, и является лучшим среди всех методов структурной визуализации. МРТ можно использовать для выявления различных заболеваний головного мозга, включая опухоли головного мозга, рассеянный склероз, инсульт и т. д. Исходное изображение МРТ, созданное программным обеспечением для МРТ, изображает анатомические вариации интенсивности сигнала в тонких срезах, как показано на рисунке 9.0046 Рисунок 1 . В результате получается набор изображений, каждое из которых описывает срез объекта (мозга и т. д.), и сохраняется программным обеспечением МРТ в специальном формате.

      С точки зрения геометрии 3D-изображение, полученное с помощью МРТ, представляет собой объем вокселей. Воксель или объемный элемент — это трехмерный термин, соответствующий пикселю в двухмерном изображении. Автоматизированная система обнаружения изменений сравнивает два 3D-тома пациента, сделанные в разное время.

      Пусть V 1 , V 2 ,…… Vn представляют объемы одного и того же анатомического положения, взятые в разное время, t1,t2,…tn соответственно. Пусть V cd (1,2), V cd (2,3),….., V cd (n-1,n) представляют истинные изменения между следует читать «V 1 и V 2 , V 2 и V3;…;Vn-1 и Vn», где истинные изменения не вызваны изменением положения пациента или шумом. Пусть Vs(i,j,k), s=1,2,…,n, i=1,..,N1,j=1…,N2, k=1.., N3, — объемная интенсивность вокселя в i-й строке, j-м столбце k-го среза.

      Вопрос: можем ли мы автоматически обнаруживать истинные изменения, игнорируя изменения, которые не имеют клинического значения?

      Определение обнаружения изменения набора объемов

      Пусть набор входных объемов одинакового размера, , будет , где V с — объем, соответствующий времени t с . Мы определяем объем изменения, установленный V из

      , где:

      • G: Математическая модель.

      • V в : Установленная входная громкость.

      • T: набор функций преобразования, т. е. изменение базисных функций, таких как вейвлет-преобразование, преобразование Фурье и т. д.

      • C: Минимизируемая функция стоимости с помощью меры подобия, которая сравнивает и проверяет изменения характеристик между V t1 и V t2 .

      • ρ: мера сходства, т. е. меры расстояния, такие как L 1 , L 2 , L (2,1) , косинусное сходство, карты подобия.

      • V из : Выходные данные, набор изображений с изменениями между V s-1 и Vs, то есть

      Для простоты мы стремимся обнаруживать изменения между двумя последовательными объемами, V 1 и V 2 , первоначальный (контрольный) и последующий (испытательный), взятые в два разных периода времени. Подобно уравнению 1, мы определяем V cd как объем изменений между V 1 и V 2

      (2)

      , где: G — математическая модель, V 1 , V 4 входные изображения одинакового размера, T набор функций преобразования, C минимизируемая функция стоимости, ρ мера сходства и V cd выходной объем или объем изменений между V 1 и В 2 .

      Алгоритм автоматического обнаружения изменений между двумя томами, V 1 и V 2 , принимает два тома в качестве входных данных и создает том изменения, V cd , в качестве выходных данных. Алгоритм обнаружения изменений также должен уметь определять, считается ли изменение значительным (важным) или незначительным в соответствии с конкретным приложением, поэтому алгоритм должен максимизировать количество обнаруженных существенных изменений и свести к минимуму незначительные. Кроме того, на выходе должен быть тот, который наиболее близок к реальному (истинному) объему сдачи из всех определенных объемов сдачи. Задачу можно сформулировать так:

      Учитывая V 1 и V 2 , найдите оптимальные G, T, C и ρ, используемые в алгоритме для вычисления V cd . Желательные решения требуют автоматизированной системы для: (1) обнаружения изменений в медицинских объемных данных, которые малозаметны и связаны с заболеванием, при этом отклоняя изменения, вызванные положением пациента, шумом и другими артефактами, связанными со сбором данных, (2) уменьшение количества данных, представляемых на для рентгенолога, и (3) представляют изменения таким образом, чтобы они соответствовали зрительной системе человека, их было легко читать, видеть и понимать.

      Мы расширили наши алгоритмы обнаружения 2D-изменений [17-20] на объемные 3D-данные. Алгоритмы обнаружения 3D-изменений называются 3D EigenBlockCD-2 и 3D AEDL-2. Новые алгоритмы учитывают новую модель преобразования, шаг интерполяции, меру сходства и метод оптимизации.

      Мы делаем те же предположения, что и в случае 2D. То есть два последовательных тома отличаются друг от друга из-за связанных с болезнью изменений, сдвигов, поворотов и шума. За это время большинство блоков из эталонного объема претерпели несколько изменений, связанных с заболеванием. Большинство вокселей объема во время t 1 снова появится во втором томе V 2 либо в том же месте, либо поблизости. Это означает, что блок из эталонного объема с некоторой структурой снова появится в тестовом объеме с аналогичной структурой либо в том же месте, либо поблизости. Другими словами, предысторию каждого блока из тестового тома можно узнать из блоков эталонного тома. Следовательно, фон блока тестового тома, расположенного в (i,j,k), можно узнать из блоков эталонного тома, расположенных в некоторой Δ-окрестности (i,j,k).

      Пусть V 1 и V 2 представляют объемы одной и той же анатомической структуры, соответствующие моментам времени t1 и t2 соответственно. V 1 и V 2 называются эталонным и тестовым объемом соответственно. Пусть bijk — блок размером (2δ+1) × (2δ+1) × (2δ+1) в тестовом объеме с центром в вокселе (i,j,k), где параметр δ — положительное целое число, представляющее радиус блок Бийк. В bijk имеется (2δ +1) 3 вокселей. Пусть aijk будет блоком в эталонном объеме того же размера, что и bijk, с центром в том же месте. Из наших предположений следует, что для тестового блока bijk мы можем определить окрестность длины Δ с центром в позиции (i,j,k) в эталонном объеме, так что предыстория bijk может быть изучена по блокам внутри блока. окрестности Δ.

      Мы вводим следующие дополнительные обозначения:

      Блок bijk из тестового объема центрирован в вокселе (i,j,k) и называется

      Блоком интереса Для простоты мы обозначаем его b

      Δ-окрестность вокселя (i,j,k), обозначенная буквой B в справочном объеме, называется блоком запроса из справочного блока Б.

      Блоки a l из блока запроса называются «Обучающими блоками». Блоки a l имеют размеры (2∆+1)×(2∆+1)×(2∆+1) и центрируются в точках (p,q,s), где .

      Позвольте быть словарем, образованным путем укладки всех обучающих блоков al в векторы-столбцы x l . На рис. 3 показаны два трехмерных объема: интересующий блок b, сложенный в виде вектора-столбца y из тестового объема, и обучающие блоки a l , сложенные в виде векторов-столбцов x л . Обучающие блоки a l извлекаются из блока запроса B. Примечания: (1) словарь Φ используется в нашей модели для изучения предыстории интересующего блока, (2) словарь Φ является адаптивным в том смысле, что столбцы Φ обновляются каждый раз, когда мы переходим к другому интересующему блоку в тестовом изображении.

      Пусть и .Тогда интересующий блок b и каждый обучающий блок al имеют размеры . Блок запроса B имеет размер .

      Чтобы добиться более точного выравнивания в 3D-кейсе, нам нужно создать больше срезов между существующими. Наборы трехмерных анатомических данных, которые мы использовали в наших симуляциях, имеют размер 384 × 384 × 20, т. е. 20 срезов размером 384 × 384 каждый и толщиной среза 5 мм. Между каждыми двумя срезами мы вставляем четыре среза, применяя интерполяцию кубическим сплайном, таким образом, получая объем размером 384 × 384 × 96. На этапе совместной регистрации наш алгоритм сначала выравнивает базовый объем с последующим объемом. После выравнивания двух томов алгоритм извлекает 20 исходных срезов из непреобразованного тома и соответствующие 20 выровненных срезов из преобразованного тома.

      Исходя из наших предположений, интересующий блок изучается из обучающих блоков в блоке запросов. Каждый представляющий интерес блок можно аппроксимировать с помощью линейной комбинации нескольких блоков из эталонного тома по словарю Φ по следующему уравнению:0021

      (3)

      где .

      Блоки al и b уложены друг на друга как m×1 векторов-столбцов x l и y соответственно, где и δ — положительное целое число, представляющее радиус этих блоков. Уравнение (3) можно записать в виде:

      (4)

      (5)

      где:

      И получено суммированием элементов обучающего блока al, т. е. , является векторным представлением составного блока представляет интерес, т. е. и является вектором коэффициентов в уравнении (5), т. е. исходя из предположения, что вектор коэффициентов γ является разреженным, наш метод стремится решить уравнение (5) для самого разреженного γ. Рассмотрим следующую задачу минимизации:

      (6)

      где представляет собой норму L p . Для учета шума уравнение (7) можно записать в виде:

      (7)

      Далее мы обсудим этап совместной регистрации, за которым следует этап обнаружения изменений. В конце мы приводим сводку наших алгоритмов для объемных данных.

      Решение проблемы обнаружения изменений для объемных данных

      Начальное глобальное выравнивание 3D-объемов

      Эталонный и тестовый объемы обычно не выровнены. Например, Рисунок 4a и 4b показывают, что десятые срезы из эталонного и тестового объемов не выровнены и не показывают одни и те же анатомические структуры, а это означает, что они не представляют изображения одной и той же сцены, сделанные в разное время. Чтобы точно обнаружить соответствующие клинические изменения, мы сначала выполняем глобальное начальное выравнивание между эталонным и тестовым объемами. После этапа совместной регистрации десятый срез из тестового объема и соответствующий ему десятый преобразованный срез из эталонного объема выравниваются, как показано на рисунке 9.0046 Рисунок 4a и 4c соответственно. Алгоритмы, используемые в 2D [17-20], могут быть легко расширены для трехмерных объемов, которые мы представляем ниже.

      Задача совместной регистрации находит параметры преобразования, которые лучше всего выравнивают два тома, путем определения пространства преобразования и функции стоимости, которая количественно определяет качество выравнивания. В нашей задаче трехмерной регистрации пространство преобразований включает шесть жестких преобразований с шестью степенями свободы, т. е. три параметра для перемещений и три для поворотов. На рис. 5 показаны три параметра вращения, которые должны быть определены на этапе совместной регистрации нашего алгоритма. Как и в алгоритме EigenBlockCD-2, мы используем норму L2 в качестве функции стоимости. Минимизация функции стоимости позволяет найти оптимальные параметры, при которых статические и крупные анатомические структуры, такие как череп, глазные яблоки и спинномозговая жидкость, между двумя последовательными объемами максимально выровнены.

      Пусть T — набор функций преобразования, P — набор параметров преобразования и C — минимизируемая функция стоимости. Для любых двух 3D-объемов одной и той же анатомической части задача регистрации находит шесть параметров, так что два объема должны быть геометрически выровнены после преобразования одного или обоих объемов с использованием этих параметров. Функция стоимости проверяет точность совмещения, то есть максимизацию точности сорегистрации за счет минимизации функции стоимости, минимизации нормы разницы между одним объемом и преобразованным вторым объемом. Два тома представляют собой 3D-МР-томограммы одного и того же пациента и одной и той же анатомической локализации, полученные в два разных момента времени.

      Предположим, что эталонный объем необходимо повернуть на углы α, β и γ, чтобы выровнять его с тестовым объемом. Это эквивалентно повороту осей x, y и z на углы α, β и γ. В Рисунок 5 , если линия M (зеленая) представляет собой пересечение плоскости xy (синяя) и ее повернутой плоскости xy (красная), то угол α является углом между осью x и линией M. , представляющий вращение вокруг оси Z. Угол β — это угол между двумя осями z (синий и красный), а γ — угол между новой осью x и линией M. Задачу совместной регистрации можно записать как задачу минимизации:

      (8)

      Где:

      • V 1 , V 2 представляют собой два выравниваемых тома.

      • C — функция стоимости в задаче минимизации, т. е. норма L 2 , заданная выражением

      • T — множество функций преобразования; в нашем случае T — это любая композиция функций преобразования из множества {T,R}, где T и R — наборы функций преобразования сдвига и вращения.

      • и , представляет собой набор из 6 наборов (t x ,t y ,t z , α, β, γ)

      , представляющие шесть параметров, необходимых для выравнивания двух объемов, т. е. размеры трех сдвигов в направлениях x, y и z и размеры три угла поворота, α, β и γ.

      Пусть V(i,j,k) представляет интенсивность объемного вокселя в точке (i,j,k). Объем V имеет размер. Функции перемещения и преобразования вращения могут быть применены к каждому объемному вокселу следующим образом:

      Формулы для и получаются аналогичным образом. В нашей исходной задаче совместной регистрации мы рассматриваем композицию всех шести функций преобразования: , где и . В матричной форме можно записать как:

      , где (i,j,k) и (i’,j’,k’) представляют исходные и преобразованные координаты соответственно. Тогда задача совместной регистрации в уравнении (8) может быть записана как:

      (9)

      Задача состоит в том, чтобы найти кортеж из 6, который минимизирует уравнение (9):

      (10)

      , где , и . Уравнение (10) может быть записано как:

      (11)

      6-кортежи определяются автоматически на этапе совместной регистрации. Три параметра перевода имеют целые значения и определяются напрямую без каких-либо входных данных. С другой стороны, параметры поворота выбираются из диапазона заданных углов с целыми значениями, т. е. θϵ [-10°, 10°]. Этап сорегистрации достаточен, если разница между исходным тестом и трансформированными эталонными объемами не превышает угла 2° вокруг каждой оси. Отсюда следует, что существуют только конечные значения ϵ[-180°,180°] для параметров вращения.

      Примечание. Для двух последовательных томов незначительные изменения, вызванные аффинным преобразованием, т. е. перемещения и повороты, ограничены. Точнее, размеры сдвигов не могут быть больше половины максимума каждого края объема. То есть и , где N 1 , N 2 и N 3 — количество строк, столбцов и количество срезов в объеме. Следовательно, наборы трех параметров трансляции конечны. Точно так же наборы углов поворота как целые числа из [-180 °, 180 °] конечны. Это означает, что минимум в уравнении (11) всегда достигается.

      Обнаружение изменений

      На этом шаге проблема обнаружения изменений становится задачей оптимизации. Словарь Φ формируется путем укладки обучающих блоков в виде столбца Φ:

      (12)

      Словарь состоит из блоков эталонного тома и имеет высокий уровень избыточности, поскольку многие воксели включены более чем в один блок. Таким образом, мы используем PCA для уменьшения размерности набора данных словаря и устранения такой избыточности, а также для уменьшения времени вычислений. Кроме того, PCA используется в качестве инструмента извлечения признаков, выделяя наиболее значимые признаки в каждом локальном словаре.

      Исходная задача (7) в собственном подпространстве теперь может быть записана как:

      (13)

      случай использования алгоритма 3D AEDL-2, фон блока интереса моделируется путем решения задачи минимизации ( P 1 ):

      (14)

      Используя решение уравнения (14), алгоритм 3D AEDL-2 вычисляет , т. е. оценку прогнозируемого фона в выбранном собственном подпространстве, путем решения следующей линейной система:

      (15)

      Таким образом, мы реконструируем y* , фон y в пространственной области, решая следующее уравнение.

      (16)

      Заметим, что матрица собственных векторов Ur имеет полный ранг и количество строк больше или равно количеству столбцов, m ≥ r. Следовательно, (левая) псевдообратная существует. Обратите внимание, что левая псевдообратная матрица V: Следовательно, левая псевдообратная матрица может быть вычислена как Фон в пространственной области тогда задается как:

      (17)

      Для вычисления фона y* для y алгоритм 3D EigenBlockCD-2 находит наилучшее приближение к y в эталонном объеме, то есть вектор xl из словаря Φ, который минимизирует остаточную ошибку:

      (18 )

      Где , где – спроецированный словарь Φ на собственное подпространство. Остаточный блок ошибок с изменениями вычисляется как:

      (19)

      Блок переднего плана F, содержащий только существенные изменения, вычисляется как:

      (20)

      где — блок r с центром в вокселе (a, c, h), когда фон интересующего блока на тестовом изображении изучен из обучающих блоков на эталонном изображении, и аналогично, блок r с центром в воксель (a, c, h), когда фон интересующего блока в эталонном изображении изучен из обучающих блоков в тестовом изображении. Громкость изменения между базовым уровнем и его продолжением составляет:

      (21)

      Наконец, выходной сигнал устанавливается пороговым значением для дальнейшего устранения шума и ложных срабатываний. Выходные воксели, превышающие пороговое значение, считаются клинически значимыми изменениями. Порог автоматически выбирается таким, чтобы отбрасывать лишь небольшой процент измененных вокселей, т. е. в диапазоне от 1 до 3%.

      Приложение к реальным объемным данным МРТ

      Мы протестировали алгоритм 3D EigenBlockCD-2 с реальными объемами МРТ. Выбранные изображения и результаты показаны на рисунках 6-8 , а полный набор показан на рисунках 1-3 в приложении A.

      Результаты выполнения начального шага совместной регистрации показаны в первой строке Рисунки 6-8 . Более конкретно, на этих рисунках (а) показаны эталонные срезы реального Т2-взвешенного объема МРТ головного мозга, полученные в 2011 г., (б) показаны соответствующие тестовые последующие срезы Т2-взвешенного объема МРТ того же пациента. сделанные в 2013 году, и (c) показывают срезы эталонного объема, выровненные с срезами тестового объема после шести аффинных преобразований, трех сдвигов и трех поворотов. Шесть параметров в этом случае: и Дополнительные результаты совместной регистрации представлены в Рисунки 1-3 , Столбцы (a), (b) и (c) в Приложении A.

      Результаты этапа обнаружения отображаются во вторых строках Рисунки 6-8 . Дополнительные результаты этапа обнаружения показаны в столбцах (d)–(f) . Рис. 1-3 в Приложении A.

      Мы сравнили объем изменений, полученный с помощью алгоритма 3D EigenBlockCD-2, с объемом, полученным путем простого дифференцирования. Во-первых, выполняется простое дифференцирование между исходным эталонным и тестовым объемами, т. е. перед этапом совместной регистрации. Эти результаты для срезов № 2, 12, 14 и 19показаны на рисунках 6-8 (d) и для всех 20 срезов в столбцах (d) рис. 1-3 в приложении A. зарегистрированы на тестовом томе с помощью алгоритма шага совместной регистрации 3D EigenBlockCD-2, т. е. после первоначального выравнивания двух томов. Эти результаты для срезов № 2, 12, 14 и 19 показаны на рисунках 6-8 (e) и для всех 20 срезов в столбцах (e) рисунков 1-3 в Приложении A. Результаты алгоритма 3D EigenBlockCD-2 показаны на рисунках 6, 7 и 8f и для всех 20 срезов в столбцах (f) рис. 1-3 в приложении A. Как подтверждено радиолог, эти результаты показывают, что наш алгоритм 3D EigenBlockCD-2 обнаруживает связанные с заболеванием и значительные анатомические изменения, отклоняя изменения, связанные с положением пациента или другими артефактами, связанными с получением данных, которые четко видны с помощью простого метода дифференцирования, как показано на рисунке 9.0046 Рисунки 6, 7, 8d и 8e . Например, обнаружено новое утолщение слизистой оболочки верхнечелюстной пазухи пациента, которое показано зеленым цветом на рис. 6f . Также при последующем сканировании обнаруживаются новые небольшие двусторонние очаги, которые показаны зеленым цветом на рис. 7f . В Рисунок 8f наш алгоритм обнаруживает новый перивентрикулярный очаг высокой интенсивности сигнала, показанный зеленым цветом, как указывает короткая стрелка, в то время как вторая неизмененная область не выделена, что указывает на то, что она не изменилась (как указывает длинная стрелка). Все эти выявленные клинические изменения подтверждаются рентгенологом.

      Обсуждение и выводы

      Алгоритмы AEDL-2 и EigenBlockCD-2 расширены для обработки трехмерных МРТ-изображений, полученных с помощью программного обеспечения для МРТ. Первоначально интерполяция используется для создания дополнительных срезов между существующими слайсами, чтобы включить детали и помочь процессу совместной регистрации. Мы подробно описываем этапы совместной регистрации и обнаружения изменений.

      Шаг совместной регистрации формулируется как задача минимизации, в которой функция стоимости определяется как норма L2 разности между одним из исходных объемов и другим объемом, преобразованным аффинным преобразованием. Мы используем методы локального словаря при совместной регистрации и шагах обнаружения изменений, поэтому наши алгоритмы не требуют очень точной совместной регистрации, как видно из тех изображений, которые не идеально выровнены, что мы все еще можем обнаружить изменения с отличные результаты. Результаты с реальными трехмерными объемными данными показывают, что наш этап совместной регистрации обеспечивает разумное выравнивание эталонного и тестового объемов МРТ.

      Проблема обнаружения изменений определяется как задача оптимизации. Мы использовали результаты реальных данных, состоящих из двух томов изображений по 20 срезов, показанных в Приложении А, что наглядно демонстрирует эффективность нашего алгоритма. Средняя доля ложноположительных и истинно положительных результатов, рассчитанная нами по этим 20 срезам, составляет около 23,25% и 85,15% соответственно. Исходя из наших результатов с реальными трехмерными МР-изображениями, мы хотели бы отметить следующее: а) на последнем слайде по направлению к макушке частота ложных срабатываний нашего алгоритма наихудшая по сравнению с другими срезами; но обнаруженные ложноположительные результаты явно включают изменения, вызванные физиологическими изменениями в ЦСЖ; б) значительно меньше ложных срабатываний на других уровнях сканирования мозга; в) во всех случаях простое дифференцирование дает гораздо больше ложноположительных изменений, чем наш алгоритм. Первичные результаты с реальными трехмерными МРТ-изображениями демонстрируют, что алгоритм 3D EgienBlockCD-2 обнаруживает значительные клинические и физиологические изменения между последовательными МРТ-сканами, отклоняя изменения, связанные с положением пациента и шумом.

      Далее мы соберем больше клинических данных, чтобы провести более полный статистический анализ и сравнение производительности. В будущем мы планируем изучить методы трехмерного словаря как еще один способ реализации алгоритмов обнаружения изменений для объемных данных МРТ. Мы хотели бы исследовать распараллеливание реализации алгоритмов, которые, по нашему мнению, необходимы для 3D-версий и для работы с массивными данными клинических изображений. Мы также стремимся сделать наши алгоритмы практичными и простыми в использовании, чтобы они могли стать рутинным инструментом, используемым радиологами.

      Приложение

      Результаты работы алгоритма 3D EigenBlockCD-2 с заполненным набором из 20 реальных объемных МР-срезов показаны на рисунках 1-3 . В частности, в столбцах (а) показаны эталонные объемные срезы реального Т2-взвешенного объема МРТ головного мозга, полученные в 2011 году. в 2013 г. столбцы (c) показывают срезы эталонного объема, выровненные со срезами тестового объема после шести аффинных преобразований, столбцы (d) (e) показывают срезы измененного объема путем дифференцирования до и после шага совместной регистрации и, наконец, столбцы (f) показать срезы изменения объема с помощью алгоритма 3D EigenBlockCD-2.

      Ссылки
      1. Turk M, Pentland A (1991) Собственные лица для распознавания. J CognNeurosci 3: 71-86.
      2. Bosc M, Heitz F, Armspach JP, Namer I, Gounot D, et al. (2003) Автоматическое обнаружение изменений в мультимодальной серийной МРТ: приложение к эволюции поражений рассеянным склерозом. Нейроизображение 20: 643-656.
      3. Радке Р.Дж., Андра С., Аль-Кофахи О., Ройсам Б. (2005) Алгоритмы обнаружения изменений изображения: систематический обзор. IEEE Trans Image Process 14: 294-307.
      4. Patriarche JW, Erickson BJ (2007) Часть 1. Автоматическое обнаружение изменений и характеристика в серийных МРТ-исследованиях пациентов с опухолью головного мозга. J Digit Imaging 20: 203-222.
      5. Patriarche JW, Erickson BJ (2007) Часть 2. Автоматизированное обнаружение изменений и характеристика, применяемые к серийной МРТ опухолей головного мозга, могут обнаруживать прогрессирование раньше, чем специалисты-люди. J Digital Imaging 20: 321-328.
      6. Патриарх Дж. В., Эриксон Б. Дж. (2007) Обнаружение и характеристика изменений: новый инструмент для визуализации информатики и исследования рака. Рак Информ 4: 1-11.
      7. Cevher V, Sankaranarayanan A, Reddy DM, Baraniuk RG, Chellappa R (2008) Компрессионное зондирование для вычитания фона. 10-я Европейская конференция по компьютерному зрению 5303: 155-168.
      8. Seo HJ, Milanfar P (2009) Непараметрический подход к автоматическому обнаружению изменений в МРТ-изображениях мозга. Международный симпозиум IEEE по биомедицинской визуализации: от нано до макро, Бостон, Массачусетс, США. стр: 245-248.
      9. Wright J, Yang AY, Ganesh A, Sastry SS, Ma Y (2009) Надежное распознавание лиц с помощью разреженного представления. IEEE Trans Pattern Anal Mach Intell 31: 210-227.
      10. Райт Дж., Ма И., Майрал Дж., Сапиро Г., Хуан Т. и другие. (2010) Разреженное представление для компьютерного зрения и распознавания образов. Труды IEEE 98: 1031-1044.
      11. Нгуен Л., Тран Т. (2010) Совместная регистрация изображений на основе разреженности и метод обнаружения изменений для изображений SAR. ICASSP 2798-2801.
      12. Вагнер А., Райт Дж., Ганеш А., Чжоу З., Мобахи Х. и др. (2012) На пути к практичной системе распознавания лиц: надежное выравнивание и освещение за счет разреженного представления. IEEE Trans Pattern Anal Mach Intell 34: 372-386.
      13. Candés E, Li X, Ma Yi, Wright J (2011) Надежный анализ главных компонентов. JACM 58.
      14. Чжао С., Ван С., Чам В.К. (2011) Вычитание фона с помощью надежного словарного обучения. Журнал EURASIP по обработке изображений и видео 2011: 972961.
      15. Аарон М., Элад М., Брукштейн А. (2006) K-SVD: алгоритм создания сверхполных словарей для разреженного представления. IEEE Transactions on Signal Processing 54: 4311-4322.
      16. Равишанкар С., Бреслер Ю. (2011) Реконструкция МР-изображения из данных k-пространства с высокой степенью дискретизации с помощью изучения словаря. IEEE Trans Med Imaging 30: 1028-1041.
      17. Ника В., Бабин П., Чжу Х. (2012) Алгоритм AEDL для обнаружения изменений в медицинских изображениях. Применение методов адаптивного словарного обучения. МИККАИ: STMI 14-21.
      18. Ника В., Бабин П., Чжу Х. (2013) Алгоритм EigenBlock для обнаружения изменений. Применение методов адаптивного словарного обучения. Журнал вычислительной науки 5: 527-535.
      19. Ника В., Бабин П., Чжу Х. (2014) Обнаружение изменений медицинских изображений с использованием методов изучения словаря и анализа основных компонентов. J Med Imaging (Беллингем) 1: 024502.
      20. Патриарх Дж., Эриксон Б. (2004) Обзор автоматического обнаружения изменений в серийных исследованиях изображений мозга. J Digit Imaging 17: 158-174.
      21. Singh A (1989) Обзорная статья Методы обнаружения цифровых изменений с использованием данных дистанционного зондирования. Международный журнал дистанционного зондирования 10: 989-1003.
      22. Ilsever M, UnsalanC (2012) Методы обнаружения двумерных изменений. Приложения дистанционного зондирования, SpringerBriefs in Computer Science, Springer London.
      23. Padhani AR, Ollivier L (2001) Критерии RECIST (Критерии оценки ответа при солидных опухолях): значение для рентгенологов-диагностов. Бр Дж Радиол 74: 983-986.
      24. Clarke LP, Velthuizen RP, Clark M, Gaviria J, Hall L, et al. (1998) МРТ-измерение реакции опухоли головного мозга: сравнение визуальной метрики и автоматической сегментации. MagnReson Imaging 16: 271-279.
      25. Weiner HL, Guttmann CR, Khoury SJ, Orav EJ, Hohol MJ, et al. (2000) Серийная магнитно-резонансная томография при рассеянном склерозе: корреляция с приступами, инвалидностью и стадией заболевания. J Нейроиммунол 104: 164-173.
      26. Jack CR Jr, Petersen RC, Xu Y, O’Brien PC, Smith GE, et al. (1998) Частота атрофии медиальной височной доли при типичном старении и болезни Альцгеймера. Неврология 51: 993-999.
      27. Haney SM, Thompson PM, Cloughesy TF, Alger JR, Frew AJ, et al. (2001) Картирование терапевтического ответа у пациента со злокачественной глиомой. J Comput Assist Tomogr 25: 529-536.
      28. Haney SM, Thompson PM, Cloughesy TF, Alger JR, Toga AW (2001) Отслеживание темпов роста опухоли у пациентов со злокачественными глиомами: проверка двух алгоритмов. AJNR Am J Neuroradiol 22: 73-82.
      29. Льядо Х, Ганилер О, Оливер А, Марти Р, Фрейксенет Дж и др. (2012)Автоматическое обнаружение очагов рассеянного склероза при серийной МРТ головного мозга. Нейрорадиология 54: 787-807.
      30. Curati WL, Williams EJ, Oatridge A, Hajnal JV, Saeed N, et al. (1996) Использование регистрации субвокселей и вычитания для улучшения демонстрации усиления контраста на МРТ головного мозга. Нейрорадиология 38: 717-723.
      31. Дженкинсон М., Смит С. (2001) Метод глобальной оптимизации для надежной аффинной регистрации изображений мозга. Med Image Anal 5: 143-156.
      32. Дженкинсон М., Баннистер П., Брэди М., Смит С. (2002) Улучшенная оптимизация для надежной и точной линейной регистрации и коррекции движения изображений мозга. Нейроизображение 17: 825-841.
      33. Хуссейн М., Чен Д., Ченг А., Вэй Х., Стэнли Д. (2013) Обнаружение изменений на основе изображений, полученных дистанционным способом: от пиксельного к объектному подходу. Журнал фотограмметрии и дистанционного зондирования ISPRS 80: 91-106.
      34. Сундаресан А., Варшней К.П., Арора К.П. (2007) Надежность алгоритмов обнаружения изменений при наличии ошибок регистрации. Фотограмметрическая инженерия дистанционного зондирования 73: 375-383.
      35. Bouwmans T (2014) Традиционные и современные подходы к фоновому моделированию для обнаружения переднего плана: обзор. Обзор компьютерных наук 11-12: 31-66.

      Образец цитирования: Ника В. , Бабин П., Чжу Х. (2015) Обнаружение изменений медицинских изображений для трехмерных объемных данных. J Theor Comput Sci 2:135.

      Copyright: © 2015 Nika V, et al. Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

      верхний

      Набор данных с несколькими динамиками, состоящий из необработанных и реконструированных речевых изображений, видео МРТ в реальном времени и трехмерных объемных изображений

      Abstract

      Магнитно-резонансная томография (RT-MRI) производства человеческой речи в режиме реального времени позволяет добиться значительных успехов в науке о речи, лингвистике, разработке биологических речевых технологий и клинических приложений. Однако легкий доступ к RT-MRI ограничен, и необходимы всеобъемлющие наборы данных с широким доступом, чтобы стимулировать исследования во многих областях. Визуализация быстро движущихся артикуляторов и динамического формирования дыхательных путей во время речи требует высокого пространственно-временного разрешения и надежных методов реконструкции. Кроме того, хотя реконструированные изображения были опубликованы, на сегодняшний день нет открытого набора данных, предоставляющего необработанные данные RT-MRI с несколькими катушками из оптимизированной экспериментальной установки для воспроизведения речи. Такие наборы данных могут обеспечить новые и улучшенные методы динамической реконструкции изображений, исправления артефактов, выделения признаков и прямого извлечения лингвистически релевантных биомаркеров. Настоящий набор данных предлагает уникальный корпус 2D-видео RT-MRI с сагиттальным обзором вместе с синхронизированным звуком для 75 участников, выполняющих лингвистически мотивированные речевые задачи, наряду с соответствующими необработанными данными RT-MRI, являющимися общественным достоянием. Набор данных также включает 3D-объемную МРТ голосового тракта во время устойчивых речевых звуков и статическую анатомическую Т2-взвешенную МРТ верхних дыхательных путей с высоким разрешением для каждого участника.

      Измерение(я) Речь • речевой тракт
      Тип(ы) технологии магнитно-резонансная томография
      Тип(ы) фактора возраст • пол • носитель/не носитель языка
      Характеристика образца — организм Хомо сапиенс

      Доступный для компьютера файл метаданных, описывающий отчетные данные: https://doi.org/10.6084/m9.figshare.148

      Исходная информация и резюме

      Функции верхних дыхательных путей человека, такие как глотание, дыхание и воспроизведение речи, являются результатом хорошо скоординированной хореографии различных подвижных мягких тканей и мышечных структур, таких как язык, губы и небная занавеска, а также костей. структуры, такие как пластинка, нижняя челюсть и подъязычная 1,2 . Сложность и изощренность воспроизведения человеческой речи ставит множество открытых исследовательских вопросов, имеющих значение для лингвистики и науки о речи, а также для клинических и технологических приложений, создавая потребность в улучшенных методах наблюдения и измерения вокального инструмента в действии 3,4 .

      Магнитно-резонансная томография в реальном времени (RT-MRI) с одновременной аудиозаписью появилась как метод визуализации, который может дать новое представление о воспроизведении речи со всей присущей ему систематичностью и различиями между языками, контекстами и людьми 1,3,5,6 . Этот метод имеет уникальное преимущество, заключающееся в безопасном и неинвазивном мониторинге всего голосового тракта с относительно высоким пространственным и временным разрешением. Применение RT-MRI охватывает несколько областей исследований, включая изучение: (i) фонетических и фонологических явлений, (ii) усвоения и нарушения разговорной речи, включая оценку и устранение речевых нарушений 1,3 ; (iii) динамика формирования голосового тракта во время коммуникативной речи или вокального исполнения; (iv) артикуляционное моделирование и моторный контроль; (v) технологии синтеза и распознавания речи и (vi) моделирование говорящего и биометрия.

      Несколько примеров недавно опубликованных репозиториев данных МРТ 7,8,9,10,11 продемонстрировали ценность общедоступных наборов данных для решения множества открытых проблем не только в научных исследованиях, но и при переводе в клинические и научные приложения. . Открытые необработанные наборы данных использовались для проверки и уточнения передовых алгоритмов, а также для обучения, проверки и сравнительного анализа многообещающих недавних применений идей, вдохновленных методами искусственного интеллекта/машинного обучения 12,13,14,15 . Они также ценятся коммерческими поставщиками за демонстрацию производительности и универсальности методов реконструкции. Несмотря на признанное влияние, например, в области МРТ опорно-двигательного аппарата и головного мозга, в настоящее время нет необработанных наборов данных МРТ, включающих подвижный голосовой тракт. Ранее опубликованные наборы данных МРТ речи 16,17,18,19,20 (см. Таблицу 1) включали реконструированные и обработанные изображения для относительно небольшого числа субъектов. Напротив, этот набор данных предоставляет больший и более разнообразный набор динамиков и предоставляет «необработанные данные», измеренные с помощью МРТ-сканера, что ценно тем, что позволяет реконструировать изображение RT-MRI и исследовать коррекцию артефактов.

      Таблица 1. Сравнение существующих наборов данных МРТ речи, включая подвижный голосовой тракт.

      Полноразмерный стол

      Речевой тракт содержит несколько быстро движущихся артикуляторов, которые могут значительно менять положение в миллисекундном масштабе — задача визуализации требует высокого временного разрешения, достаточного для наблюдения за этим динамическим речевым процессом 6 . В то время как недостаточная выборка измерений МРТ на эффективных по времени траекториях обеспечивает желаемое разрешение, такие измерения затруднены длительным временем вычислений для расширенной реконструкции изображения, низким отношением сигнал/шум и артефактами из-за недостаточной выборки и/или быстрой различия магнитной восприимчивости 21,22,23 на границах артикулятора, которые представляют наибольший интерес для характеристики речеобразования. Эти ограничения часто делают нынешнюю рабочую точку RT-MRI ниже требований приложения и могут привести к систематической ошибке и увеличению дисперсии при анализе данных. Таким образом, есть много возможностей для улучшения конвейера технологий обработки изображений. Несмотря на то, что подходы глубокого обучения/машинного обучения обещают обеспечить превосходную производительность как по времени реконструкции, так и по качеству изображения, их применение для динамической визуализации быстрых апериодических движений с высоким пространственно-временным разрешением и малой задержкой все еще находится в зачаточном состоянии. Мы предполагаем, что это в значительной степени связано с отсутствием крупномасштабных общедоступных наборов данных МРТ — краеугольного камня машинного обучения.

      В этой статье представлен уникальный набор данных, который предлагает видеоролики всего голосового тракта в действии с синхронизированным звуком, отображаемые в сагиттальной плоскости от 75 участников, выполняющих различные речевые задания. Набор данных также включает 3D-объемную МРТ голосового тракта во время устойчивых звуков речи и статическую анатомическую Т2-взвешенную МРТ верхних дыхательных путей с высоким разрешением для каждого участника. В отличие от других открытых наборов данных для динамической речи RT-MRI 16,17,18,19,24 , настоящий набор данных включает необработанные данные МРТ. Необработанные данные собираются с использованием нескольких приемных катушек одновременно и с недекартовой спиральной траекторией дискретизации.

      Включение необработанных данных может быть использовано для помощи в разработке алгоритмов, которые отслеживают быструю апериодическую динамику речевых артикуляторов с высоким пространственно-временным разрешением, предлагая одновременное подавление шума и артефактов из-за выборки суб-Найквиста 25,26,27,28 или восприимчивость 22,23,29,30,31,32 . Включение беспрецедентного числа 75 говорящих также может помочь улучшить наше научное понимание того, как взаимодействуют морфология речевого тракта и артикуляция речи, и пролить свет на стабильные и изменчивые аспекты свойств речевого сигнала у разных говорящих, обеспечивая улучшенные модели производства речи в лингвистике. и исследование речи.

      Таким образом, мы надеемся и предвкушаем, что публичное и бесплатное предоставление этого обширного набора данных может способствовать дальнейшему развитию и стимулированию исследований и инноваций в науке о воспроизведении человеческой речи и ее отображении.

      Методы

      Участники

      В это исследование были включены семьдесят пять здоровых участников (40 женщин и 35 мужчин; 49 носителей английского языка и 26 не носителей американского английского; возраст 18–59 лет). Каждый участник заполнил анкету с базовой демографической информацией, включая место рождения, города, в которых он вырос и жил, а также первый и второй языки. Демографические данные приведены в Таблице 1, доступной только в Интернете. У всех участников были нормальные способности к речи, слуху и чтению, и они не сообщали об известных физических или неврологических отклонениях. Все участники были осведомлены о характере исследования, дали письменное информированное согласие и были просканированы в соответствии с протоколом, одобренным Институциональным наблюдательным советом Университета Южной Калифорнии (USC). Данные были собраны в Медицинском центре округа Лос-Анджелес — USC в период с 24 января 2016 г. по 24 февраля 2019 г..

      Обзор эксперимента

      Три типа данных МРТ были записаны для каждого участника: (i) динамическая МРТ среднего сагиттального среза речевого тракта в режиме реального времени со скоростью 83 кадра в секунду во время воспроизведения полного набора сценариев и спонтанной речи. материал, в среднем 17 минут на участника, вместе с синхронизированным звуком; (ii) статические трехмерные объемные изображения речевого тракта, полученные во время непрерывного воспроизведения звуков из полного набора гласных и продолжительных согласных в американском английском, по 7 секунд каждое; (iii) Т2-взвешенные объемные изображения в положении покоя, фиксирующие мелкие детали анатомических характеристик голосового тракта (см. рис. 1).

      Рис. 1

      Рабочий процесс сбора данных и записи данных. (Слева) Данные были получены при 1,5 Тесла с использованием специальной катушки для верхних дыхательных путей, расположенной в непосредственной близости от структур верхних дыхательных путей участника. Участник визуализировал стимулы с помощью зеркального проектора, а звук записывался через микрофон, совместимый с МРТ, одновременно с РТ-МРТ. Оператор сканера использовал настраиваемый интерактивный интерфейс визуализации с аппаратным обеспечением сканера для контроля и сбора данных для сеанса RT-MRI. (Справа) Записанные данные МРТ: (i) динамическая двухмерная МРТ среднего сагиттального среза речевого тракта в режиме реального времени со скоростью 83 кадра в секунду во время создания полного набора записанных и спонтанных речевых материалов вместе с синхронизированной аудиозаписью. ; (ii) статические трехмерные объемные изображения голосового тракта, снятые во время продолжительного воспроизведения звуков или поз, по 7 секунд каждое; (iii) Т2-взвешенные объемные изображения в состоянии покоя, фиксирующие мелкие детали анатомических характеристик голосового тракта.

      Полноразмерное изображение

      Все данные были собраны с использованием коммерческого МРТ-сканера 1,5 Тесла (Signa Excite, GE Healthcare, Waukesha, WI) с градиентами, обеспечивающими амплитуду 40 мТл/м и скорость нарастания 150 мТл/м/мс. Для приема сигнала использовалась изготовленная на заказ 8-канальная матрица приемных катушек для верхних дыхательных путей 26 с четырьмя элементами на каждой стороне щек участника. Было показано, что по сравнению с имеющимися в продаже катушками, предназначенными для нейроваскулярной визуализации или визуализации сонных артерий, эта нестандартная катушка обеспечивает от 2 до 6 раз более высокую эффективность отношения сигнал/шум (SNR) в исследуемых областях верхних дыхательных путей голосового тракта. включая язык, губы, небную занавеску, надгортанник и голосовую щель. Участникам во время визуализации были представлены сценарии экспериментальных стимулов через установку проектор-зеркало 9.0267 33 . Акустические аудиоданные записывались внутри сканера с использованием коммерческих волоконно-оптических микрофонов (Optoacoustics Inc., Yehuda, Israel) одновременно со сбором данных RT-MRI с использованием специальной установки для записи 34 .

      Стимулы и лингвистическое обоснование

      Стимулы были разработаны для эффективного захвата существенных, статических и динамических, а также артикуляционных и морфологических аспектов речи американского английского языка за один 90-минутный сеанс сканирования. В таблице 2 перечислены речевые стимулы, использованные для сбора данных RT-MRI в ходе первого 45-минутного сеанса дополнительного сканирования. Каждое отдельное задание было разработано для выполнения в течение 30 секунд при нормальной скорости речи, однако фактическая продолжительность записи варьировалась в зависимости от продолжительности задания и естественной скорости речи человека. Набор стимулов содержал материал, вызывающий как сценарную речь, так и спонтанную речь. Сценарные речевые задания: произношение согласных в симметричном контексте гласный-согласный-гласный, гласные /V/ между согласными /b/ и /t/, т. е. в контексте /bVt/ четыре фонологически богатых предложения 35 и три отрывка для чтения, обычно используемые при оценке речи и лингвистических исследованиях 36,37,38 . Также были включены скриптовые инструкции для выполнения нескольких жестов. Этими жестами были сжимание пальцев, широкое открывание рта, зевота, глотание, медленное воспроизведение последовательности /и/-/а/-/у/-/и/, проводка кончиком языка по небу и пение «ла» в их самый высокий и самый низкий тон. Стимулы в сценарной речи повторялись дважды. Задания на спонтанную речь заключались в том, чтобы описать содержание и контекст пяти фотографий (дополнительный рис. 1) и ответить на пять открытых вопросов (например, «Какая ваша любимая музыка?»). Полные сценарии и вопросы представлены в Таблице 3.

      Таблица 2 Речевые стимулы эксперимента для 2D RT-MRI.

      Таблица в натуральную величину

      Таблица 3 Полные сценарии и вопросы стимулов речевого эксперимента для 2D RT-MRI.

      Полноразмерная таблица

      В таблице 4 перечислены речевые стимулы, использованные для сбора трехмерных объемных данных 30-минутной части сеанса сканирования. Каждое отдельное задание было разработано таким образом, чтобы участник мог удерживать гласные и согласные звуки или сохранять позы в течение 7 секунд. Набор стимулов содержал произношение согласных в симметричном контексте гласный-согласный-гласный, гласные /V/, воспроизводимые между согласными /b/ (или /p/) и /t/, а также воспроизведение нескольких поз. Все стимулы повторялись дважды.

      Таблица 4 Стимулы речевого эксперимента для 3D объемной статической МРТ.

      Полноразмерная таблица

      Получение данных RT-MRI

      Получение данных RT-MRI было выполнено с использованием последовательности импульсов градиентного эха с 13 чередующимися спиральными выводами 33 . Это эффективная схема для выборки измерений MR, каждое из которых имеет различный начальный угол, чередующийся в обратном битовом порядке во времени 39 . 13 спиральных перемежающихся листов, собранных вместе, соответствуют частоте дискретизации Найквиста. Параметры визуализации: время повторения = 6,004 мс, время эха = 0,8 мс, поле зрения (FOV) = 200 × 200 мм 2 , толщина среза = 6 мм, пространственное разрешение = 2,4 × 2,4 мм 2 (84 × 84 пикселя), полоса пропускания приемника = ± 125 кГц, угол поворота = 15°. Визуализация выполнялась в средней сагиттальной плоскости, что было предписано с использованием интерактивной платформы визуализации в реальном времени 40 (RT-Hawk, Heart Vista, Los Altos, CA). Визуализация в реальном времени была реализована на пользовательской платформе с использованием реконструкции сетки скользящего окна 41 , чтобы обеспечить соблюдение участником стимулов и обнаружить значительные движения головы.

      Получение данных было разделено на 20–40-секундные интервалы заданий, представленные в таблице 2, за каждым из которых следовала пауза той же продолжительности, чтобы дать участнику достаточно короткий перерыв перед следующим заданием и избежать градиентного нагрева.

      Реконструкция RT-MRI

      Набор данных обеспечивает одну конкретную реконструкцию изображения, которая широко использовалась в исследованиях воспроизведения речи 26,33 . Эта реконструкция изображения включает оптимизацию следующей функции стоимости: 9{2}+\lambda {\left\Vert {\nabla }_{t}m\right\Vert }_{1}$$

      (1)

      , где A представляет матрицу кодирования, которая моделирует неравномерное быстрое преобразование Фурье и кодирование чувствительности катушки, м — временной ряд динамического изображения, подлежащий реконструкции, d — полученные необработанные данные с несколькими катушками, λ — параметр регуляризации, ∇ t — временной оператор конечных разностей, а \({\parallel \,\cdot \,\parallel}_{2}^{2}\) и \({\parallel \cdot \parallel}_{1}\) равны л 2 и л 1 норм соответственно. Карты чувствительности катушек были оценены с использованием метода Уолша 42 из изображений катушек, объединенных во времени. Термин регуляризации побуждает воксели быть кусочно постоянными во времени. Эта регуляризация была успешно применена к речевой RT-MRI 26,43,44 и множеству других приложений динамической МРТ, где основными интересующими особенностями являются подвижные границы тканей 45,46,47 .

      Наша эталонная реализация решает уравнение [1] с использованием алгоритма нелинейного сопряженного градиента с обновлениями Флетчера-Ривза и поиском строки с возвратом 48 . Алгоритм завершался либо при 150 максимальных итерациях, либо при поиске строки размер шага падал ниже <1e-5. Эталонные изображения были реконструированы с использованием 2 спиральных рукавов на временной кадр, что дало временное разрешение 83,28 кадра в секунду. Этого временного разрешения достаточно для захвата важных движений артикулятора 1 , но реконструкция с другим временным разрешением также возможна с предоставленным набором данных путем настройки количества спиральных рукавов за временной кадр. Алгоритм был реализован как в MATLAB (The MathWorks, Inc., Natick, MA), так и в Python (Python Software Foundation, https://www.python.org/). Предоставленная реконструкция изображения была выполнена в MATLAB 2019b на процессоре Xeon E5-2640 v4 2,4 ГГц (Intel, Санта-Клара, Калифорния) и графическом процессоре Tesla P100 (Nvidia, Санта-Клара, Калифорния). Время восстановления 160,69± 1,56 мс на кадр. Выбор параметра λ описан в разделе технической проверки ниже.

      Аудиоданные

      Один основной микрофон располагался примерно в 0,5 дюйма ото рта участника. Сигнал микрофона дискретизировался с частотой 100 кГц каждый. Данные записывались на портативный компьютер с использованием PCMCIA-карты National Instruments NI-DAQ 6036E. Часы звукового образца были аппаратно синхронизированы с основными часами МРТ-сканера с частотой 10 МГц. Аудиозапись запускалась и останавливалась по сигналу триггерного импульса со сканера. Процедура сбора аудиоданных в реальном времени была написана в MATLAB. Аудио сначала подвергалось низкочастотной фильтрации и децимации до частоты дискретизации 20 кГц. Затем записанный звук был улучшен с использованием нормализованного метода шумоподавления по методу наименьших квадратов9.0267 34 и был сопоставлен с реконструированной видеопоследовательностью МРТ для облегчения лингвистического анализа.

      3D-объемная МРТ продолжительных звуков

      Ускоренная трехмерная последовательность градиентного эха с декартовой разреженной выборкой была реализована для получения статических изображений высокого разрешения всего голосового тракта во время продолжительных звуков или поз. Параметры визуализации: время повторения = 3,8 мс, пространственное разрешение = 1,5625 × 1,5625 × 1,5625 мм 3 , FOV = 250 × 250 × 125 мм 3 (соответственно в передне-заднем, верхне-нижнем и левом-правом направлениях), размер матрицы изображения = 160 × 160 × 80 и угол поворота = 5°. Центральная часть (40 × 20) пространства k y -k z была полностью отобрана для оценки чувствительности катушки по самим данным. Внешняя часть пространства k y -k z была замерена с использованием разреженного шаблона дискретизации Пуассона, что в совокупности привело к 7-кратному чистому ускорению и общему времени сканирования 7  секунд.

      Данные были получены, когда участники в течение 7 секунд удерживали звук из полного набора гласных и продолжительных согласных в американском английском (таблица 4). Стимулы предъявлялись участнику через проектор-зеркало, и, услышав сигнал «ВПЕРЕД», подаваемый оператором сканера, участник начинал поддерживать звук или позу; после этого оператор запускал сбор данных вручную. Участники сохраняли позы до тех пор, пока они могли слышать работу сканера. Между стимулами участнику давали время восстановления 5–10 секунд.

      Реконструкция изображения была выполнена в автономном режиме с помощью реконструкции с ограничениями разреженного SENSE 49 . Этот метод восстанавливает изображения из многоканальных данных с недостаточной выборкой, аналогично задаче оптимизации, показанной в уравнении [1]. Одно отличие состоит в том, что недекартово кодирование Фурье в матрице A заменено декартовым кодированием Фурье с недостаточной дискретизацией. Также временное ограничение разреженности конечной разности заменяется изотропной пространственной полной вариацией 33,50 . Реконструкция была выполнена с использованием Berkeley Advanced Reconstruction Toolbox (BART) 51 с открытым исходным кодом; реконструкция изображения выполнялась в MATLAB с использованием GPU-ускорения.

      Т2-взвешенная МРТ в покое

      Последовательность на основе быстрой спин-эхо была выполнена для получения Т2-взвешенных изображений высокого разрешения с мельчайшими деталями анатомических характеристик голосового тракта в состоянии покоя. Визуализация выполнялась для получения полных изображений голосового тракта в аксиальной, коронарной и сагиттальной ориентациях, для каждой из которых количество срезов колеблется от 29до 70, в зависимости от размера голосового тракта. Параметры визуализации: время повторения = 4600 мс, время эха = 120–122 мс, толщина среза = 3 мм, поле зрения в плоскости = 300 × 300 мм 2 , пространственное разрешение в плоскости = 0,5×0,99686 мм2 8 0. , количество усреднений = 1, длина серии эхосигналов = 25 и время сканирования = приблизительно 3,5 минуты на ориентацию.

      Записи данных

      Этот набор данных общедоступен на figshare 52 . Общий размер этого набора данных составляет приблизительно 966 ГБ. Он содержит (i) необработанные 2D-данные RT-MRI сагиттального обзора, реконструированные изображения и видео, а также синхронизированный шумоподавляющий звук, (ii) объемные 3D-изображения MRI и (iii) T2-взвешенные изображения MRI. Данные для участника (субъекта) XYZ содержатся в папке с идентификатором subXYZ (например, sub001/) и организованы в три основные папки: данные 2D RT-MRI расположены в подпапке 2drt/ (например, sub001/ 2drt/), объемные 3D-изображения в 3d/ и Т2-взвешенные изображения в т2в/ . Содержание и структуры данных набора данных подробно описаны ниже.

      RT-MRI

      Необработанные данные RT-MRI предоставляются в независимом от производителя формате MRD (ранее известном как ISMRMRD, https://ismrmrd. github.io/) 53 , в котором хранятся измерения MRI в k-пространстве, таблицы местоположений в k-пространстве и веса компенсации плотности выборки. Параметры последовательности сбора данных содержатся в информации заголовка файла. Кроме того, этот набор данных включает реконструированные данные изображения для каждого участника и задачи в формате HDF5, аудиофайлы в формате WAV и видео в формате MPEG-4.

      Для каждого участника необработанные данные RT-MRI содержатся в подпапке raw/ ( например, sub001/2drt/raw/), данные реконструированного изображения в recon/, совместно записанный звук (после шумоподавления ) в audio/ , и реконструированные речевые видео с выровненным аудио в video/ . В таблице 5 приведены структура данных и соглашения об именах для этого набора данных.

      Таблица 5 Именование папок и файлов.

      Полноразмерный стол

      Объемная 3D-МРТ с продолжительными звуками

      Данные объемной 3D-МРТ содержат реконструированные данные изображения и параметры изображения в формате MAT (MATLAB, The MathWorks, Inc. , Natick, MA) в подпапке recon/ ( например, sub001/3d /recon/) и изображение среднесагиттального среза в формате PNG в подпапке snapshot/ .

      Т2-взвешенная МРТ в покое

      Данные Т2-взвешенных изображений в аксиальной, коронарной и сагиттальной ориентациях хранятся в формате Digital Imaging and Communications in Medicine (DICOM) в подпапке dicom/ ( например, sub001/t2w/dicom/) .

      Файлы изображений DICOM были деидентифицированы с помощью процессора клинических испытаний (CTP), разработанного Радиологическим обществом Северной Америки (RSNA) 54 . В частности, анонимизация данных была выполнена с помощью инструмента командной строки, разработанного на языке программирования Java (http://mircwiki.rsna.org/index.php?title=The_DicomAnonymizerTool). Все изображения соответствовали стандартному формату DICOM, а некоторые атрибуты были удалены или изменены для сохранения конфиденциальности участников, в частности: PatientName был изменен, чтобы соответствовать шаблону subXYZ , а исходные даты исследования были сдвинуты на одно и то же смещение для всех участников.

      Метаданные

      Мы предоставляем участникам слайды презентации, содержащие экспериментальные стимулы, включая сценарии и изображения, используемые для визуализации, в формате PPT в формате Stimuli.ppt . Демографическая информация для каждого участника содержится в формате XLSX в Subjects.xlsx . Этот метафайл содержит пол, расу, возраст (на момент сканирования), рост (см), вес (кг), происхождение, место рождения, города, в которых вырос и жил, L1 (первый язык), L2 (второй язык, если есть). , L3 (третий язык, если есть), а также первый язык и место рождения родителей каждого участника.

      Кроме того, метаинформация для каждого участника и задачи RT-MRI содержится в формате JSON в metafile_public_  <  timestamp  >  .json . Для каждого участника мы включаем следующую демографическую информацию: 1) L1 (первый язык), 2) L2 (второй язык, если есть), 3) пол (М/Ж), 4) возраст (лет на момент сканирования) . Кроме того, оценки визуального и звукового качества предоставляются с использованием 5-уровневой шкалы Лайкерта для каждого участника, стратифицированного на категории: нерезонансное размытие (1, очень сильное; 2, сильное; 3, умеренное; 4, легкое; 5, нет). , видео SNR (1, плохое; 2, удовлетворительное; 3, хорошее; 4, очень хорошее; 5, отличное), артефакты наложения (1, очень сильное, 2, сильное, 3, среднее, 4, слабое, 5, нет) и аудио SNR (1 — плохое, 2 — удовлетворительное, 3 — хорошее, 4 — очень хорошее, 5 — отличное). В частности, эксперт по МРТ с 6-летним опытом реконструкции и чтения речи RT-MRI изучил все видео RT-MRI, реконструированные для каждого участника, и оценил их визуальное и звуковое качество. Для каждой задачи отдельных участников информация об индексе задачи, имени, существовании файла и примечаниях, сделанных во время проверки данных инспекторами, также содержится в метафайле.

      Техническая проверка

      Проверка данных

      Четыре инспектора вручную выполнили проверку качественных данных для наборов данных. После реконструкции все изображения были преобразованы из формата HDF5 в формат MPEG-4, при этом был интегрирован совместно записанный звук (формат WAV). Вся качественная проверка данных проводилась вручную на основе видео в формате MPEG-4. В набор данных были включены файлы, соответствующие всем следующим критериям:

      1. 1.

        Видео (MPEG-4) существует (нет ошибок обработки данных).

      2. 2.

        Аудиозапись (WAV) существует (нет ошибок обработки данных).

      3. 3.

        Видео и аудио синхронизированы (на основании осмотра человеком).

      После проверки в этот набор данных было включено 75 участников. Следует отметить, что, хотя у трех участников (младше 18, моложе 74 и моложе 75 лет) присутствуют серьезные артефакты радиочастотных помех, которые позже были определены как следствие утечки в радиочастотной клетке МРТ, мы включили этих трех участников в этот набор данных в надежды на потенциальное содействие разработке цифрового метода коррекции радиочастотных помех. Файлы, которые не существовали (критерий 1), были аннотированы для каждой задачи и участника в метафайле (т.е. metafile_public_  <  метка времени  >  .json ).

      На рис. 2 показаны репрезентативные примеры качества данных от трех участников, включенных в этот набор данных (sub35, sub51 и sub58). Обратите внимание, что все 75 участников продемонстрировали приемлемую визуализацию всех артикуляторов мягких тканей. Однако обычно наблюдались два типа артефактов. 1) Артефакт размытия из-за нерезонанса (белые стрелки , рис. 2c ) : Этот артефакт проявляется как размытие или потеря сигнала преимущественно рядом с границами воздух-ткань, которые окружают артикуляторы мягких тканей. Он индуцируется в спиральной визуализации быстрыми изменениями локальной магнитной восприимчивости между воздухом и тканью. Эта коррекция артефактов все еще является активной областью исследований, включая методы простой частотной демодуляции нулевого порядка для продвинутых моделей на основе 21,22,30 и подходы на основе данных 23,55 . В настоящее время мы выполняем коррекцию нулевого порядка во время сбора данных как часть нашего обычного протокола. 2) Артефакт звона из-за алиасинга (желтые стрелки , рис. 2c ) : Этот артефакт выглядит как дугообразный рисунок с центром в правом нижнем углу за пределами поля зрения. Это вызвано комбинацией градиентной нелинейности и неидеального фильтра нижних частот считывания, когда сильный источник сигнала появляется за пределами поля зрения без наложения спектров. Этот артефакт не пересекается с поверхностями артикулятора, которые наиболее важны при изучении речеобразования. Однако устранение и/или исправление этого артефакта улучшит общее качество изображения и потенциально позволит использовать меньшее поле зрения.

      Рис. 2

      Типичное качество данных 2D-изображения речи в реальном времени, показанное в среднесагиттальных кадрах изображения трех участников в качестве примера: ( a ) sub35 (мужчина, 21 год, носитель английского языка), ( b ) sub51 (мужчина, 33 года, не носитель языка), ( c ) sub58 (женщина, 28 лет, не носитель языка). Среднесагиттальные кадры изображения изображают артикуляцию фрикативного согласного [ θ ] в слове «uthu» (стимул «vcv2»), когда кончик языка касается верхних зубов. ( a ) и ( b ) считаются очень качественными благодаря высокому SNR и отсутствию заметного артефакта. ( c ) считается имеющим среднее качество, основанное на хорошем SNR и умеренных артефактах изображения; белые стрелки указывают на артефакты размытия из-за нерезонанса, а желтые стрелки указывают на артефакты звона из-за алиасинга.

      Полноразмерное изображение

      На рис. 3 показаны репрезентативные примеры разнообразных речевых стимулов, включенных в этот набор данных. Профили интенсивности в зависимости от времени визуализируют первые 20 секунд четырех репрезентативных стимулов из sub35, показанных на рис. 2а. Эти примеры показывают разнообразие паттернов и скорость движения артикуляторов мягких тканей, наблюдаемых у говорящего, в зависимости от выполняемых речевых стимулов. На рисунке 4 представлена ​​гистограмма скорости речи в прочитанных предложениях 9. 0267 56 . Общая средняя скорость речи составила 149,2 ± 31,2 слова в минуту. Статистика рассчитывается на основе прочитанных стимулов «shibboleth», «радуга», «дедушка [1–2]» и «северный ветер [1–2]» для всех говорящих. Эти выбранные стимулы состоят из прочитанных полных предложений.

      Рис. 3

      Профили изображения в зависимости от времени в течение первых 20 секунд четырех различных стимулов для sub35. Профили показывают временную эволюцию разреза, изображенного пунктирной линией в кадре изображения, показанном на рис. 2a (sub35). Ряды визуализируют различные примеры стимулов: «позы», «vcv2», «bvt» и «радужный» проход. Набор стимулов охватывает широкий диапазон положений артикулятора и скоростей языка.

      Изображение в натуральную величину

      Рис. 4

      Гистограмма слов в минуту во время скриптовых речевых стимулов, включая «shibboleth», «радуга», «дед[1–2]» и «северный ветер[1–2]».

      Полноразмерное изображение

      На рис. 5 показана изменчивость одних и тех же речевых стимулов у разных говорящих. Временные профили изображения соответствуют периоду создания первого предложения «Весь год она носила твой темный костюм в жирной воде для стирки» в стимуле «shibboleth» из sub35 и sub41. Хотя оба говорящих разделяют критические артикуляционные события (см. зеленые стрелки), время и паттерн различаются в зависимости от говорящих.

      Рис. 5

      Изменчивость артикуляции одного и того же предложения между двумя говорящими: ( а ) под35, ( б ) под41. Временной профиль и звуковой спектр соответствуют первому предложению «Она весь год носила твой темный костюм в жирной воде для стирки» в стимуле «shibboleth» из каждого динамика. Зеленые стрелки указывают на несколько заметных моментов времени, когда кончик языка соприкасается с верхними зубами/альвеолярным гребнем.

      Полноразмерное изображение

      Выбор параметра регуляризации для реконструкции изображения для RT-MRI

      Мы провели анализ параметров и качественную оценку подмножества данных, чтобы выбрать параметр регуляризации для предоставленных реконструкций. Случайным образом были выбраны десять стимулов от десяти разных участников. Параметр регуляризации λ менялся в диапазоне от 0,008 C до 1 C в логарифмическом масштабе. Здесь C представляет максимальную интенсивность заполненной нулями реконструкции полученных данных. На рисунке 6 показан репрезентативный пример влияния λ на качество реконструированного изображения. Небольшой λ (=0,008 C) демонстрирует высокий уровень шума при реконструкции (вверху, рис. 6). Более высокое значение λ (=0,8 C) снижает уровень шума, но демонстрирует нереалистичное временное сглаживание, как показано на профилях зависимости интенсивности от времени (желтые стрелки, рис. 6). Оптимальный параметр 0,08 C был выбран на основе консенсуса четырех экспертов в области реконструкции МРТ-изображения и/или воспроизведения речи RT-MRI. Как только λ был оптимизирован для подмножества данных, реконструкция была выполнена для всех наборов данных. Мы эмпирически заметили, что выбор λ кажется надежным для всех наборов данных.

      Рис. 6

      Иллюстрация влияния параметра реконструкции λ на качество изображения. Данные получены от младше 15 лет (мужчина, 26 лет, коренной американец, говорящий на английском языке). (Слева) Среднесагиттальные кадры изображения во время разговора. (В центре) Профили интенсивности и времени для стимула «vcv1». (Справа) Увеличенные временные профили. Разные строки соответствуют разным значениям λ. Для меньшего λ (=0,008 C) реконструкция показывает более высокий уровень шума и затемнение артикуляционного события (зеленые стрелки), тогда как для более высокого λ (=0,8 C) уровень шума снижается, но временной артефакт сглаживания очевиден в областях. обозначены желтыми стрелками. λ = 0,08 C дает приемлемый уровень шума, демонстрируя адекватную временную точность, и поэтому было выбрано оптимальное значение для реконструкции.

      Полноразмерное изображение

      Замечания по использованию

      Наша группа опубликовала несколько статей, в которых методы непосредственно применяются к подмножеству этого набора данных для реконструкции и коррекции артефактов данных RT-MRI. К ним относятся автоматическая калибровка коррекции нерезонанса 22 , устранение размытия с использованием сверточных нейронных сетей 23,57 , подавление артефактов сглаживания 58 (артефакт, отмеченный желтыми стрелками на рис. 2c) и реконструкция со сверхвысоким разрешением 59 .

      Кроме того, на нашем сайте было разработано несколько инструментов для анализа и моделирования реконструированных данных МРТ в реальном времени. К ним относятся графический пользовательский интерфейс для эффективного визуального осмотра 16 и реализации отслеживания границ воздух-ткань на основе сетки 60,61,62 , сегментации областей и факторного анализа 63,64,65 , на основе нейронных сетей определение края 66,67 ; анализ области интереса (ROI) 68,69,70 и отслеживание центроида 71 . Некоторые из этих инструментов также доступны; см. репозиторий кода на https://github.com/usc-mrel/usc_speech_mri. git, а также Ramanarayanan et al . 3 , Хагедорн и др. . 4 и Тутиос и др. . 24,72 для подробных обзоров.

      Наша группа разработала управляемые данными вычислительные модели, в том числе метод факторного анализа контуров голосового тракта, автоматически полученных с помощью RT-MRI, с учетом анатомических факторов, чтобы обеспечить компактное представление форм голосового тракта, позволяющее разложить высказывания на линейную комбинацию временных функций. для весов лингвистически интерпретируемых деформаций голосового тракта 64 . Мы также разработали подход Convex Hull Convolutive Non-Negative Matrix Factorization для изучения и декомпозиции временных паттернов в многомерных данных временных рядов, таких как траектории сужения голосового тракта 73 . Мы применили компьютерное моделирование в конкретных исследованиях, включая: (i) разработку основы для определения повторяемости количественных речевых биомаркеров между тестами и повторными тестами в экспериментальных условиях и задачах, а также свободный обмен данными RT-MRI «тест-повторные тесты» для использования в исследованиях 18 ; (ii) Исследование синергизма для различных задач на сужение в последовательностях VCV с биомаркером RT-MRI, рассчитанным с использованием статистической модели прямой кинематики голосового тракта 65 , что подтверждает утверждение о том, что межартикуляционная координация различается в зависимости от активных синергий; (iii) Разработка новой модели оценки длины речевого тракта 74 , которая обеспечивает нормализацию различий между говорящими и облегчает сравнение акустических характеристик говорящих; (iv) Исследование соотношения скорости и точности (закон Фиттса) в зависимости от положения слога и предметов, что привело к теоретическому описанию в рамках моделей речевого моторного контроля 75 ; (v) Разработка модульной архитектуры для артикуляционного синтеза на основе спецификации жестов, включающей относительно простые модели голосовой щели, аэроакустики и голосового тракта 76 .

      Данные RT-MRI визуализации голосового тракта также способствовали ряду лингвистических исследований, сосредоточенных на составе и внутренней структуре звуков речи, таких как, например, производство плавных — ротических и латеральных — многожестовых сегментов. В ходе исследований изучалась артикуляция английских жидких согласных в начале слога и в коде, сравнивая положение языка на краях слога, прилегающих к разным гласным 77 . Латеральные языки демонстрировали большую временную и пространственную независимость между компонентами жестов кончика языка и задней части языка, в то время как ротики производились с различными позами, характерными для говорящего, но демонстрировали меньшую вариацию позиций слогов, чем боковые. Харпер и др. . 78 изучили многокомпонентные жесты американского английского /ɹ/ — небные, фарингеальные и губные — чтобы понять относительный вклад каждого жеста в понижение третьей форманты. Данные из корпуса USC-TIMIT RT-MRI 16 были проанализированы для определения местоположения, длины и апертуры для каждого жеста сужения / ɹ /, при этом значения форманты были извлечены во время максимального сужения для каждого жеста. Результаты показывают, что вклад каждого жеста в F3 зависит от вариаций артикуляции / ɹ / между говорящими и внутри говорящего, поскольку различия в длине и расположении небных и глоточных сужений связаны с различиями в их относительной величине влияния на снижение F3. . В другом исследовании Harper и др. . 79 наблюдал данные RT-MRI для произношения ротики L2 для изучающих английский язык, обнаружив, что компонентный глоточный жест особенно сложен для изучающих L2, у которых ротика L1 не имеет такого сужения, например, для французского и греческого языков. Наконец, Монтезерин и др. . 80 сравнили артикуляцию coda rhotic taps и laterals в пуэрториканском испанском языке, которые часто не различаются носителями других испанских диалектов, и нашли подтверждение гипотезы о том, что они производятся с помощью различных артикуляционных жестов. О и др. . 81,82 использовать RT-MRI для исследования гортанных согласных в языке хауса. Эти нелегочные согласные, такие как отрывные и имплозивные, производятся путем манипулирования давлением в надгортанных голосовых путях посредством изменения вертикального положения гортани — опускание для имплозивных и поднятие для отрывных. RT-MRI впервые предоставила количественные описания этих действий гортани и их времени между жестами с их критически скоординированными оральными сокращениями. Это исследование показывает, что имплозивные и звонкие остановки контрастируют по своему внутреннему межжестовому ритму, а не по величине опускания гортани. Наблюдаемая координация между вертикальным движением гортани и закрытием рта может быть проанализирована как синфазная связь для пульмональных остановок и противофазная (последовательная) связь для голосовых согласных, подразумевая, что в дополнение к комбинации жестов, составляющих сегмент, внутренняя фазировка отношения (или время) этих жестов также должны быть закодированы в фонологическом представлении этих сложных молекул жестов. В дополнительном исследовании Proctor и др. . 77,83 используют RT-MRI для освещения производства щелкающих согласных говорящим на кхоэговаб, показывая, что разные артикуляционные действия используются для разрежения средней полости рта при разных щелчках. Зубные щелчки производятся с опусканием тела языка с ламинальным сужением передней части языка, в то время как альвеолярные щелчки характеризуются более апикальным быстрым освобождением кончика языка, при этом задняя часть языка остается приподнятой в области язычка.

      Наконец, методы RT-MRI также вдохновили на исследования, посвященные природе формирования голосового тракта в конкретных клинических условиях. Ландер Портной, Гольдштейн и Нараянан 84 задокументировали речь пациента, перенесшего частичную глоссэктомию, как до операции, так и после операции. Они использовали RT-MRI для наблюдения за изменениями вариабельности и основных осей движения языка. Хагедорн и др. . 85 представили RT-MRI анализ речевых ошибок у говорящего с приобретенной апраксией, зафиксировав два типа ошибок вторжения жестов в задании на повторение пары слов, а также ошибки вторжения в неповторяющуюся речь, множественные молчаливые инициирующие жесты в начале речи. речи и скрытой (бесфонированной) артикуляции целых односложных слов. Наконец, МакМикен и др. . 86 и Тутиос и др. . 87 использовал RT-MRI для исследования моделей воспроизведения речи говорящего с врожденной аглоссией, редким синдромом, при котором человек рождается без полного языка, но, тем не менее, приобрел способность воспроизводить очень разборчивую речь. Исследование показало, что говорящий при отсутствии кончика языка произносит взрывные согласные, перцептивно похожие на /t, d/, используя двугубное сужение со значительно увеличенной переднезадней протяженностью (по сравнению с ее произношением /p, b/). , сопровождающееся увеличением продолжительности закрытия и расширением зева 87 .

      Доступность кода

      Этот набор данных сопровождается репозиторием кода (https://github.com/usc-mrel/usc_speech_mri.git), который содержит примеры программного обеспечения и конфигураций параметров, необходимых для загрузки и реконструкции необработанных RT-MRI в формат МРД. В частности, репозиторий содержит демонстрации для иллюстрации и воспроизведения результатов рис. 2–6. Примеры кода доступны на языках программирования MATLAB и Python. Все программное обеспечение предоставляется бесплатно для использования и изменения в соответствии с лицензионным соглашением MIT.

      Ссылки

      1. Лингала, С. Г., Саттон, Б. П., Микель, М. Э. и Наяк, К. С. Рекомендации по МРТ речи в реальном времени. Дж. Магн. Резон. Imaging 43 , 28–44 (2016).

        Артикул Google ученый

      2. Скотт, А. Д., Вилезинска, М., Берч, М. Дж. и Микель, М. Э. МРТ речи: морфология и функция. Физ. Medica 30 , 604–618 (2014).

        Артикул Google ученый

      3. Раманараянан, В. и др. . Анализ речевой продукции МРТ в реальном времени. Вычисл. Речь. Ланг. 52 , 1–22 (2018).

        Артикул Google ученый

      4. Хагедорн, К. и др. . Инженерные инновации в науке о речи: данные и технологии. Перспектива. АША Спец. Интересы. Группы 4 , 411–420 (2019).

        Артикул Google ученый

      5. Бреш, Э., Ким, Ю. К., Наяк, К., Берд, Д. и Нараянан, С. Видение речи: захват формирования голосового тракта с помощью магнитно-резонансной томографии в реальном времени. Процесс обработки сигналов IEEE. Маг. 25 , 123–129 (2008).

        ОБЪЯВЛЕНИЕ Статья Google ученый

      6. Наяк К.С., Лим Ю., Кэмпбелл-Вашберн А.Е. и Стиден Дж. Магнитно-резонансная томография в реальном времени. Дж. Магн. Резон. Изображение https://doi.org/10.1002/jmri.27411 (2020 г. ).

      7. Маркус, Д. С., Ван, Т. Х., Паркер, Дж. и Чернански, Дж. Г. Серия исследований изображений в открытом доступе (OASIS): данные МРТ поперечного сечения у молодых людей, людей среднего возраста, без деменции и пожилых людей с деменцией. J. Cogn. Неврологи. 19 , 1498–1507 (2007).

        ПабМед Статья Google ученый

      8. Соуза, р. и др. . Открытый набор данных МРТ головного мозга от разных поставщиков с разной напряженностью поля и анализ общедоступных методов вскрытия черепа. Нейроизображение 170 , 482–494 (2018).

        ПабМед Статья Google ученый

      9. Нолл, Ф. и др. . fastMRI: общедоступный набор данных Raw k-Space и DICOM изображений коленного сустава для ускоренной реконструкции МР-изображений с использованием машинного обучения. Радиол. Артиф. Интел. 2 , e1

      10. (2020).

        Google ученый

      11. Чен, К. и др. . OCMR (v1.0) — открытый набор данных с несколькими катушками в k-пространстве для сердечно-сосудистой магнитно-резонансной томографии. Препринт на https://arxiv.org/abs/2008.03410 (2020).

      12. Флинн А. и др. . Добро пожаловать на mirdata.org! http://mridata.org/ (2021 г.).

      13. Нолл, Ф. и др. . Продвижение машинного обучения для реконструкции МР-изображений с помощью открытого конкурса: обзор 2019 г.вызов быстрой МРТ. Маг. Резон. Мед. 84 , 3054–3070 (2020).

        ПабМед Статья ПабМед Центральный Google ученый

      14. Макли, М. Дж. и др. .. Результаты конкурса fastMRI Challenge 2020 для машинного обучения реконструкции МР-изображений. IEEE Trans. Мед. Изображение https://doi.org/10.1109/TMI.2021.3075856 (2021 г.).

      15. Рамзи, З., Чучу, П. и Старк, Дж. Л. Сравнительный анализ нейронных сетей реконструкции МРТ на больших общедоступных наборах данных. Заяв. науч. 10 , 1816 (2020).

        КАС Статья Google ученый

      16. Пеццотти, Н. и др. . Алгоритм адаптивного интеллекта для реконструкции МРТ коленного сустава с недостаточной выборкой. IEEE Access   8 , 204825–204838 (2020 г.).

      17. Нараянан, С. и др. . База данных магнитно-резонансной томографии и электромагнитной артикулографии в режиме реального времени для исследования речеобразования (TC). Дж. Акуст. соц. Являюсь. 136 , 1307–1311 (2014).

        ОБЪЯВЛЕНИЕ пабмед ПабМед Центральный Статья Google ученый

      18. «>

        Ким Дж. и др. . Корпус USC-EMO-MRI: база данных эмоциональной речи, записанная с помощью магнитно-резонансной томографии в реальном времени. В проц. 10-й междунар. Семин. Выступление прод. 226–229 (2014).

      19. Тёгер, Дж. и др. . Повторное тестирование повторяемости биомаркеров речи человека по данным статической и динамической магнитно-резонансной томографии в реальном времени. Дж. Акуст. соц. Являюсь. 141 , 3323–3336 (2017).

        ОБЪЯВЛЕНИЕ пабмед ПабМед Центральный Статья Google ученый

      20. Соренсен, Т. и др. . База данных объемной МРТ голосового тракта в режиме реального времени для науки о речи. В проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 645–649 (2017).

      21. Доурос, И. К. и др. . Мультимодальный артикуляционный корпус французского языка МРТ в режиме реального времени для исследования речи. В Проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 1556–1560 (2019).

      22. Sutton, B.P., Conway, C.A., Bae, Y., Seethamraju, R. & Kuehn, D.P. Более быстрая динамическая визуализация речи с коррекцией неоднородности поля по спирали, быстрая съемка под малым углом (FLASH) при 3 T. J. Magn . Резон. Imaging 32 , 1228–1237 (2010).

        ПабМед Статья Google ученый

      23. Лим Ю., Лингала С. Г., Нараянан С. С. и Наяк К. С. Динамическая внерезонансная коррекция для спиральной МРТ речи в реальном времени. Маг. Резон. Мед. 81 , 234–246 (2019).

        ПабМед Статья Google ученый

      24. Лим Ю., Близенер Ю., Нараянан С. С. и Наяк К. С. Удаление размытия для спиральной МРТ в реальном времени с использованием сверточной нейронной сети. Маг. Резон. Мед. 84 , 3438–3452 (2020).

        ПабМед Статья ПабМед Центральный Google ученый

      25. Тутиос, А. и Нараянан, С.С. Достижения в области магнитно-резонансной томографии голосового тракта в режиме реального времени для исследований в области речевых наук и технологий. АПСИПА Транс. Сигнал Инф. Процесс. 5 , e6 (2016).

        ПабМед ПабМед Центральный Статья Google ученый

      26. Лингала, С. Г. и др. . Осуществимость спирального генерализованного частичного параллельного сбора данных с автоматической калибровкой для ускоренной МРТ речи в реальном времени с малой задержкой. Маг. Резон. Мед. 78 , 2275–2282 (2017).

        КАС пабмед ПабМед Центральный Статья Google ученый

      27. Лингала, С. Г. и др. . Быстрая и гибкая система МРТ для изучения динамического формирования голосового тракта. Маг. Резон. Мед. 77 , 112–125 (2017).

        ПабМед Статья Google ученый

      28. Нибергалл, А. и др. . МРТ речи в режиме реального времени с разрешением 33 мс: радиальная FLASH с недостаточной дискретизацией и нелинейной обратной реконструкцией. Маг. Резон. Мед. 69 , 477–485 (2013).

        ПабМед Статья Google ученый

      29. Фу, М. и др. . Динамическое отображение речи высокого разрешения с совместными ограничениями низкого ранга и разреженности. Magn Reson Med 73 , 1820–1832 (2015).

        ПабМед Статья Google ученый

      30. Саттон Б.П., Нолл Д.К. и Фесслер Дж.А. Быстрая итеративная реконструкция изображения для МРТ при наличии неоднородностей поля. IEEE Trans. Мед. Imaging 22 , 178–188 (2003).

        ПабМед Статья Google ученый

      31. Фесслер, Дж. А. и др. . Итеративная реконструкция изображения для МРТ по Теплицу с коррекцией неоднородности магнитного поля. IEEE Trans. Сигнал. Процесс. 53 , 3393–3402 (2005).

        ОБЪЯВЛЕНИЕ MathSciNet МАТЕМАТИКА Статья Google ученый

      32. Фэн, X. и др. . Оценка функции небно-глотки с помощью многоплоскостной спиральной динамической МРТ высокого разрешения в реальном времени. Маг. Резон. Мед. 80 , 1467–1474 (2018).

        ПабМед ПабМед Центральный Статья Google ученый

      33. Лим Ю., Лингала С. Г., Тутиос А., Нараянан С. и Наяк К. С. Улучшенное изображение границ тканей на МРТ голосового тракта в реальном времени с использованием автоматической коррекции вне резонанса. В проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 1765–1769, (2016).

      34. Лингала, С. Г. и др. . Современный протокол МРТ для всесторонней оценки структуры и функции голосового тракта. В проц. Анну. конф. Междунар. Выступление коммун. доц. (МЕЖРЕЧЬ) 475–479 (2016).

      35. Бреш, Э., Нильсен, Дж., Наяк, К.С. и Нараянан, С. Синхронизированные и помехоустойчивые аудиозаписи во время магнитно-резонансной томографии в реальном времени. J. Акустический. соц. Являюсь. 120 , 1791–1794 (2006 г.).

        ОБЪЯВЛЕНИЕ пабмед Статья Google ученый

      36. Гарофоло, Дж. С., Ламель, Л. Ф., Фишер, В. М., Фискус, Дж. Г. и Паллетт, Д. С. DARPA TIMIT акустико-фонетический корпус непрерывной речи CD-ROM. Речевой диск NIST 1-1.1. NASA STI/Recon Tech. Респ. N , 27403 (1993).

      37. «>

        Фэрбенкс, Ф. Радужный проход. Учебник по голосу и артикуляции , 2-е изд. 124–139 ​​(Нью-Йорк: Харпер Роу, 1960).

      38. Дарли, Ф. Л., Аронсон, А. Э. и Браун, Дж. Р. Двигательные расстройства речи . (Сондерс, 1975).

      39. Smith, C.L. Справочник Международной фонетической ассоциации: Руководство по использованию Международного фонетического алфавита (издательство Кембриджского университета, 1999).

      40. Керр, А. Б. и др. . Интерактивная МРТ в режиме реального времени на обычном сканере. Маг. Резон. Мед. 38 , 355–367 (1997).

        КАС пабмед Статья Google ученый

      41. Сантос, Дж. М., Райт, Г. А. и Поли, Дж. М. Гибкая система магнитно-резонансной томографии в реальном времени. В проц. Анну. Междунар. конф. IEEE инж. Мед. биол. соц. (ЭМБС) 1048–1051 (2004 г. ).

      42. Нараянан С.С., Наяк К.С., Ли С., Сети А. и Берд Д. Подход к магнитно-резонансной томографии в реальном времени для воспроизведения речи. J. Акустический. соц. Являюсь. 115 , 1771–1776 (2004 г.).

        ОБЪЯВЛЕНИЕ пабмед Статья Google ученый

      43. Уолш Д. О., Гмитро А. Ф. и Марселлин М. В. Адаптивная реконструкция МРТ-изображений с фазированной решеткой. Маг. Резон. Мед. 43 , 682–690 (2000).

        КАС пабмед Статья Google ученый

      44. Бурдумы М. и др. . Односекундная МРТ трехмерного голосового тракта для измерения динамических модификаций артикулятора. Дж. Магн. Резон. Imaging 46 , 94–101 (2017).

        ПабМед Статья Google ученый

      45. Лим, Ю. и др. . 3D динамическая МРТ голосового тракта во время естественной речи. Маг. Резон. Мед. 81 , 1511–1520 (2019).

        ПабМед Статья Google ученый

      46. Bassett, E.C. и др. . Оценка высокоускоренной кино МРТ сердца в реальном времени при тахикардии. ЯМР Биомед. 27 , 175–182 (2014).

        ПабМед Статья Google ученый

      47. Хаджи-Вализаде Х. и др. . Валидация высокоускоренной кино МРТ сердца в режиме реального времени с радиальной выборкой в ​​k-пространстве и сжатым зондированием у пациентов при 1,5T и 3T. Маг. Резон. Мед. 79 , 2745–2751 (2018).

        ПабМед Статья Google ученый

      48. Стеден, Дж. А. и др. . Оценка объема и функции правого и левого желудочков у детей в режиме реального времени с использованием спирального bSSFP с высоким пространственно-временным разрешением и компрессионным зондированием. Дж. Кардиовасц. Магн. Резон. 20 , 79 (2018).

        ПабМед ПабМед Центральный Статья Google ученый

      49. Люстиг, М., Донохо, Д. и Поли, Дж. М. Разреженная МРТ: применение сжатого зондирования для быстрой МРТ-визуализации. Маг. Резон. Мед. 58 , 1182–1195 (2007).

        ПабМед Статья Google ученый

      50. Лю, Б., Себерт, Ф. М., Цзоу, Ю. и Ин, Л. SparseSENSE: параллельная визуализация со случайной выборкой с использованием сжатого зондирования. В проц. Междунар. соц. Магн. Резон. Мед. (ISRMM) 16 , 3154 (2008).

        Google ученый

      51. Ким Ю., Нараянан С. и Наяк К. С. Ускоренная трехмерная МРТ верхних дыхательных путей с использованием сжатого зондирования. Маг. Резон. Мед. 61 , 1434–1440 (2009).

        ПабМед ПабМед Центральный Статья Google ученый

      52. Юкер, М. и др. . Набор инструментов Berkeley Advanced Reconstruction Toolbox. В проц. Междунар. соц. Магн. Резон. Мед. (ISRMM) 23 , 2486 (2015).

        Google ученый

      53. Лим, Ю. и др. . Набор данных с несколькими динамиками, состоящий из необработанных и реконструированных речевых изображений, видео МРТ в реальном времени и объемных 3D-изображений. figshare https://doi.org/10.6084/m9.figshare.13725546.v1 (2021).

      54. Инати, С. Дж. и др. . Формат необработанных данных ISMRM: предлагаемый стандарт для наборов необработанных данных МРТ. Маг. Резон. Мед. 77 , 411–421 (2017).

        ПабМед Статья Google ученый

      55. «>

        Радиологическое общество Северной Америки I. CTP — Процессор клинических исследований RSNA. Радиологическое общество Северной Америки, Inc .

      56. Цзэн Д.Ю. и др. . Глубокая остаточная сеть для коррекции нерезонансных артефактов с применением к педиатрической МРА тела с 3D-конусами. Маг. Резон. Мед. 82 , 1398–1411 (2019).

        ПабМед ПабМед Центральный Статья Google ученый

      57. Ясевич, Э., Фокс, Р. А., О’Нил, К. и Салмонс, Дж. Скорость артикуляции в зависимости от диалекта, возраста и пола. Ланг. Вар. Изменение 21 , 233–256 (2009).

        ПабМед ПабМед Центральный Статья Google ученый

      58. Лим Ю., Нараянан С. и Наяк К. С. Сверточные нейронные сети с контролем внимания для нерезонансной коррекции спиральной МРТ в реальном времени. Проц. Междунар. соц. Магн. Резон. Мед. (ISRMM) 28 , 1005 (2020).

        Google ученый

      59. Тянь Ю. и др. . Снижение артефактов псевдонимов в спиральной МРТ в реальном времени. Маг. Резон. Мед. 86 , 916–925 (2021).

        ПабМед Статья Google ученый

      60. Кумар, П., Лим, Ю. и Наяк, К.С. Осуществимость RT-MRI речи сверхвысокого разрешения с использованием глубокого обучения. Проц. Международный соц. Магн. Резон. Мед. (ISRMM) 29 , 1782 (2021).

        Google ученый

      61. Проктор, М. И., Боун, Д., Катсаманис, Н. и Нараянан, С. Быстрая полуавтоматическая сегментация магнитно-резонансных изображений в реальном времени для параметрического анализа голосовых путей. В Проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 1576–1579 (2010).

      62. Ким Дж., Кумар Н., Ли С. и Нараянан С. Расширенная сегментация границ дыхательных путей и тканей для данных магнитно-резонансной томографии в реальном времени. В проц. 10-й междунар. Семин. Выступление прод. (ISSP) 5–8 (2014).

      63. Ким Дж., Тутиос А., Ли С. и Нараянан С.С. Формирование голосового тракта эмоциональной речи. Вычисл. Речь Ланг. 64 , 101100 (2020).

        ПабМед Статья ПабМед Центральный Google ученый

      64. Бреш, Э. и Нараянан, С. Сегментация областей в частотной области применительно к магнитно-резонансным изображениям верхних дыхательных путей в реальном времени. IEEE Trans. Мед. Imaging 28 , 323–338 (2009).

        ПабМед ПабМед Центральный Статья Google ученый

      65. «>

        Тутиос, А. и Нараянан, С.С. Факторный анализ контуров голосового тракта, полученный на основе данных магнитно-резонансной томографии в реальном времени. в 18-й Международный конгресс фонетических наук (ICPhS) 2015, Глазго, Великобритания, 10–14 августа 2015 г.

      66. Соренсен Т., Тутиос А., Гольдштейн Л. и Нараянан С. артикуляционная синергия. J. Акустический. соц. Являюсь. 145 , 1504 (2019).

        ОБЪЯВЛЕНИЕ пабмед ПабМед Центральный Статья Google ученый

      67. Somandepalli, K., Toutios, A. & Narayanan, S.S. Обнаружение семантического края для отслеживания границ воздух-ткань голосового тракта в магнитно-резонансном изображении в реальном времени. В Проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 631–635 (2017).

      68. Хеббар, С. А., Шарма, Р., Сомандепалли, К., Тутиос, А. и Нараянан, С. Обнаружение артикуляционного контура голосового тракта в магнитно-резонансных изображениях в реальном времени с использованием пространственно-временного контекста. 2020 IEEE Междунар. конф. Акустика, обработка речи и сигналов (ICASSP) 7354–7358 (2020).

      69. Ламмерт, А.С., Проктор, М.И. и Нараянан, С.С. Анализ данных МРТ голосового тракта в реальном времени с использованием коррелированных областей изображения. В Проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 1572–1575 (2010).

      70. Ламмерт, А., Раманараян, В., Проктор, М. и Нараянан, С. Оценка перекрестного расстояния голосового тракта с помощью МРТ в реальном времени с использованием анализа области интереса. В проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 959–962 (2013).

      71. Проктор М. и др. . Прямая оценка артикуляционной кинематики по последовательностям магнитно-резонансных изображений в реальном времени. В Проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 281–284 (2011).

      72. О, М. и Ли, Ю. ACT: инструмент автоматического отслеживания центроидов для анализа действий голосового тракта в данных о воспроизведении речи с помощью магнитно-резонансной томографии в реальном времени. J. Акустический. соц. Являюсь. 144 , EL290–EL296 (2018).

        ОБЪЯВЛЕНИЕ пабмед ПабМед Центральный Статья Google ученый

      73. Тутиос, А., Берд, Д., Гольдштейн, Л. и Нараянан, С. Достижения в визуализации и анализе голосового тракта. Справочник Routledge по фонетике (Routledge, 2019).

      74. Ваз, К., Тутиос, А. и Нараянан, С. Факторизация сверточной неотрицательной матрицы выпуклой оболочки для выявления временных закономерностей в многомерных данных временных рядов. В проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 963–967 (2016).

      75. Ламмерт, А.С. и Нараянан, С.С. О кратковременной оценке длины голосового тракта по формантным частотам. PLoS Один 10 , e0132193 (2015).

        ПабМед ПабМед Центральный Статья КАС Google ученый

      76. Ламмерт, А.С., Шадл, С.Х., Нараянан, С.С. и Кватиери, Т.Ф. Компромисс между скоростью и точностью при воспроизведении человеческой речи. PLoS One 13 , e0202180 (2018 г.).

        ПабМед ПабМед Центральный Статья КАС Google ученый

      77. Александр Р., Соренсен Т., Тутиос А. и Нараянан С. Модульная архитектура для артикуляционного синтеза на основе спецификации жестов. J. Акустический. соц. Являюсь. 146 , 4458 (2019).

        ОБЪЯВЛЕНИЕ пабмед ПабМед Центральный Статья Google ученый

      78. «>

        Проктор М. и др. . Глава 6 Изучение щелчков с помощью МРТ в реальном времени. в щелчок согласных. Ч. 6 (Лейден, Нидерланды: Brill., 2020)

      79. Харпер С., Гольдштейн Л. и Нараянан С. Изменчивость вклада отдельных сужений в значения третьей форманты в американском английском /ɹ/. J. Акустика. соц. Являюсь. 147 , 3905 (2020).

        ОБЪЯВЛЕНИЕ Статья Google ученый

      80. Харпер, С., Гольдштейн, Л. и Нараянан, С. Приобретение L2 и воспроизведение английского ротоглоточного жеста. В проц. Анну. конф. Междунар. Выступление коммун. доц. (МЕЖРЕЧЬ) 208–212 (2016).

      81. Монтезерин М.Л., Нараянан С. и Гольдштейн Л. Перцептивная латерализация кодаротического производства в пуэрториканском испанском языке. В проц. Анну. конф. Междунар. Выступление коммун. доц. (ИНТЕРСПИЧ) 2443–2447 (2016).

      82. «>

        О, М., Берд, Д., Гольдштейн, Л. и Нараянан, С. С. Расширение понимания образования гортанных согласных: Вертикальное движение гортани в отрывных и имплозивных звуках хауса. J. Акустический. соц. Являюсь. 144 , 1940 (2018).

        ОБЪЯВЛЕНИЕ Статья Google ученый

      83. О, М., Берд, Д., Гольдштейн, Л. и Нараянан, С. Вертикальные движения гортани и синхронизация гортани и рта в отрывных и имплозивных глаголах. В 3-я Фонетика и фонология в Европе (PaPE), Лечче, Италия (2019).

      84. Проктор, М. И. и др. . Щелчковое произношение согласных в Кхокхо: МРТ-исследование в реальном времени. В С . Шах и М . Brenzinger ( Eds . ) , Койсанские языки и лингвистика. проц. 5-й Междунар. Симпозиум, 13–17 июля 2014 г., Riezlern/Kleinwalsertal (стр. 337–366). Кельн: Рюдигер Кёппе.

      85. Ландер-Портной М., Гольдштейн Л. и Нараянан С. С. Использование магнитно-резонансной томографии в режиме реального времени для измерения изменений артикуляционного поведения вследствие частичной глоссэктомии. J. Акустический. соц. Являюсь. 142 , 2641 (2017).

        Артикул Google ученый

      86. Хагедорн, К. и др. . Характеристика артикуляции в апраксической речи с использованием магнитно-резонансной томографии в реальном времени. J Speech Lang Hear Res. 60 , 877–891 (2017).

        ПабМед ПабМед Центральный Статья Google ученый

      87. МакМикен, Б. и др. . Двугубные паттерны замещения при произнесении согласных в случае врожденной аглоссии. Дж. Комм. Беспорядок. Глухой жеребец. Слышать. СПИД 5 , 175 (2017).

        Google ученый

      88. «>

        Тутиос, А., Сюй, М., Берд, Д., Гольдштейн, Л. и Нараянан, С. Как аглоссальный говорящий производит альвеолярное восприятие без функционального кончика языка. J. Акустический. соц. Являюсь. 147 , EL460 (2020).

        ОБЪЯВЛЕНИЕ пабмед ПабМед Центральный Статья Google ученый

      Ссылки на скачивание

      Благодарности

      Эта работа была поддержана грантом NSF 1514544, грантом NSF 15 и грантом NIH R01DC007124.

      Информация об авторе

      Примечания автора

      1. Эти авторы внесли равный вклад: Yongwan Lim, Asterios Toutios.

      Авторы и филиалы

      1. Ming Hsieh Факультет электротехники и вычислительной техники, Инженерная школа Витерби, Университет Южной Калифорнии, Лос-Анджелес, Калифорния, США Вейи Чен, Йоханнес Тёгер, Кришна С. Наяк и Шрикант С. Нараянан

      2. Факультет лингвистики, Колледж литературы, искусств и наук Дорнсайф, Университет Южной Калифорнии, Лос-Анджелес, Калифорния, США

        Таннер Соренсен, Миран О, Сара Харпер, Юнджон Ли, Майрим Льоренс Монтесерин, Кейтлин Смит, Луис Гольдштейн, Дэни Берд и Шрикант С. Нараянан

      3. Факультет лингвистики, Калифорнийский государственный университет Лонг-Бич, Лонг-Бич, Калифорния, USA

        Bianca Godinez

      Авторы

      1. Yongwan Lim

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Академия

      2. Asterios Toutios

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      3. Yannick Bliesener

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      4. Ye Tian

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      5. Sajan Goud Lingala

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      6. Colin Vaz

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      7. Tanner Sorensen

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      8. Миран О

        Посмотреть публикации автора

        Вы также можете искать этого автора в PubMed Google Scholar

      9. Sarah Harper

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      10. Weiyi Chen

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      11. Yoonjeong Lee

        Посмотреть публикации автора

        Вы также можете искать этого автора в PubMed Google Scholar

      12. Johannes Töger

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      13. Mairym Lloréns Monteserin

        Посмотреть публикации автора

        Вы также можете искать этого автора в PubMed Google Scholar

      14. Кейтлин Смит

        Посмотреть публикации автора

        Вы также можете искать этого автора в PubMed Google Scholar

      15. Bianca Godinez

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      16. Louis Goldstein

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      17. Dani Byrd

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Академия

      18. Кришна С. Наяк

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      19. Shrikanth S. Narayanan

        Просмотр публикаций автора

        Вы также можете искать этого автора в PubMed Google Scholar

      Contributions

      Y.Lim: написал рукопись, собрал и курировал данные. А.Т.: руководил сбором и курированием данных. Ю.Б.: участвовал в обработке данных и написании рукописи. Ю.Т.: участвовал в обработке данных и написании рукописи. S.G.L.: разработал протоколы сбора данных и собрал данные. C.V.: разработал протоколы сбора данных и собрал данные. TS: собранные и обработанные данные. MO: собранные и обработанные данные. SH: собранные и обработанные данные. Ю.Ли: собранные данные. WC: собранные данные. JT: собранные данные. МЛМ: собранные данные. CS: собранные данные. B.G.: тщательно отобранные данные. Л.Г.: разработанные экспериментальные стимулы. Д.Б.: разработанные экспериментальные стимулы. К.Н.: руководил проектом; разработанные протоколы сбора данных; участвовал в обработке данных. С.Н.: задумал проект; руководил проектом; участвовал в обработке данных. Все авторы участвовали в подготовке статьи, рецензировали черновики статьи и утверждали окончательный вариант.

      Автор, ответственный за переписку

      Переписка с Шрикант С. Нараянан.

      Заявление об этике

      Конкурирующие интересы

      Авторы не заявляют об отсутствии конкурирующих интересов.

      Дополнительная информация

      Примечание издателя Springer Nature остается нейтральной в отношении юрисдикционных претензий в опубликованных картах и ​​институциональной принадлежности.

      Дополнительная информация

      Дополнительный рисунок 1

      Только онлайн Таблица

      Только онлайн Таблица 1 Демографические данные участников; Ж: женский, М: мужской, L1: первый язык, L2: второй язык (если есть).

      Полноразмерная таблица

      Права и разрешения

      Открытый доступ Эта статья находится под лицензией Creative Commons Attribution 4.0 International License, которая разрешает использование, совместное использование, адаптацию, распространение и воспроизведение на любом носителе или в любом формате, если вы предоставить соответствующую ссылку на оригинального автора (авторов) и источник, предоставить ссылку на лицензию Creative Commons и указать, были ли внесены изменения. Изображения или другие сторонние материалы в этой статье включены в лицензию Creative Commons для статьи, если иное не указано в кредитной строке материала. Если материал не включен в лицензию Creative Commons статьи, а ваше предполагаемое использование не разрешено законом или выходит за рамки разрешенного использования, вам необходимо получить разрешение непосредственно от правообладателя. Чтобы просмотреть копию этой лицензии, посетите http://creativecommons.org/licenses/by/4.0/.

      Отказ от права Creative Commons на общественное достояние http://creativecommons.

    Leave a Comment on Объемные цифры картинки: Объемные цифры рисунок — 72 фотоРазное

    About the Author

    admin

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *

    Related Posts