为门诊评估和漂移扩散建模优化颜色形状任务:一个工厂实验
Sharon Haeun Kim1,2, Jonathan G Hakun3,4,5,6, Yanling Li1
1Department of Human Development and Family Studies, The Pennsylvania State University, University Park, PA, United States.
JMIR formative research
|October 1, 2025
概括
这项研究优化了智能手机视觉工作记忆任务,用于早期发现阿尔茨海默病风险. 计算建模揭示了与年龄相关的认知变化,增强了数字评估的敏感性.
科学领域:
- 认知神经科学是一种认知神经科学.
- 数字健康数字健康
- 计算精神病学是一种计算精神病学.
背景情况:
- 数字认知评估,包括门诊评估,可以更好地检测微妙的认知变化.
- 计算建模可以通过捕捉核心认知过程来提高数字评估的敏感性.
研究的目的:
- 验证智能手机视觉工作记忆任务用于临床前阿尔茨海默病风险检测.
- 使用漂移扩散建模,优化任务属性用于计算认知特征提取.
主要方法:
- 分析了68名参与者在8天内完成16种智能手机视觉工作记忆任务的数据.
- 将漂移扩散模型与响应时间和准确性数据相匹配.
- 操纵任务属性 (研究时间,变更概率,紧迫性,数组大小) 来评估对漂移扩散模型参数的影响.
主要成果:
- 任务属性操纵影响了决策参数 (偏见,谨慎).
- 在一个条件下,较长的研究时间出乎意料地减缓了漂移率.
- 漂移速度和谨慎度的个体差异与年龄相关,年长的参与者表现出较慢的漂移和更高的谨慎度.
结论:
- 确定了一个优化的智能手机视觉工作记忆任务,用于现实世界的认知评估.
- 该方法支持通过计算认知建模进行数据分析,用于早期发现和监测阿尔茨海默病风险.
更多相关视频
05:58Using Rapid Serial Visual Presentation to Measure Set-Specific Capture, a Consequence of Distraction While Multitasking
Published on: August 29, 2018
9.3K
07:09Integrating Visual Psychophysical Assays within a Y-Maze to Isolate the Role that Visual Features Play in Navigational Decisions
Published on: May 2, 2019
6.5K
