微小信号检测论文

信号检测理论的具体应用信号检测理论的最大特点在于：它提出了信号和噪音的概念，并将两者置于同一维度上组成两个具有重叠部分的分布。所以，信号检测理论不同于“全或无”的其他心理物理学理论，它可以与决策行为相结合，在心理物理与其它心理学领域之间提供联系。信号检测论作为心理学方法论的进步，不仅仅局限于研究阈限，还能够成为研究一般情况下人们对环境事件的决策的有效工具。信号检测理论的应用包括再认记忆的研究、痛觉研究、诊断测验等等。再认记忆在心理学研究中，“连续—非连续”的问题始终存在。核心的问题就是：心理过程究竟是在某一个连续体上变化，还是在相互分离的阶梯上变化？多年以来心理学家一直关心学习过程是全或无的还是连续的，学习曲线是否意味着一个个学习中的独立的微小增长，还是代表了整个学习的逐渐连续的增加？再认记忆中也有相似的问题：某事物被再认得条件究竟是其强度超过某一个阈限，而在此阈限下的记忆强度为零？还是其强度要超过记忆强度连续体上的某一个标准？按照再认记忆的信号检测论假设，新旧项目再记忆强度的连续体上形成两个互相重叠的正态分布。通过在不同的试验中诱导被试变化判断标准，可以得到对应的不同的集中率与虚惊率，并可以根据它们描出类似于ROC曲线的图样，称为MOC（记忆操作特征）曲线。假如信号检测论假设是正确的，那么MOC在以比率为坐标时应该是曲线，而在以z分数为坐标时呈现为直线。在再认记忆的非连续模型中，假定存在一个记忆强度的阈限，阈上项目总有再认反应，而阈下项目只有靠猜测才出现再认。按照这个模型，MOC在以比率为坐标时应当是直线。实验结果显示MOC形态符合再认记忆的信号检测论假设。信号检测论对再认记忆的良好解释使得此领域中的研究方法有重大进展。运用信号检测论，可以验证各种已知的影响再认记忆的因素，诸如：年龄、脑损伤、药物等，究竟影响了人们对新旧事物进行分辨的能力，还是改变了人们判断新旧的标准。例如：具体的应用发现，大麻能够同时降低再认记忆的分辨力和再认记忆的判断标准。另一个例子是，在临床上抑郁症和老年痴呆患者都会表现出记忆力的衰退。当某位病患表现出记忆衰退的症状，如何诊断其究竟是抑郁症患者还是智力减退呢？运用信号检测论的研究发现，抑郁和痴呆对再认记忆产生影响的方式是不同的。抑郁能够使再认记忆的判断标准升高，这可能是因为抑郁症患者伴随有严重的自信缺乏，因此他们在做出判断时显得过度保守。而老年痴呆患者则是在新旧项目的分辨力上明显低于对照组，由此可见老年痴呆患者有着确实的记忆损伤。信号检测论区分了以上两种疾患对再认记忆产生的影响，从而有可能使以上症状的区别和诊断精度提高。另外，有研究运用信号检测论方法发现，头部外伤引起的脑损伤者在再认记忆中同时具有较低的辨别力和较高的判断标准。研究者对此的解释是：脑损伤会导致记忆功能的衰退，而同时由于患者本身意识到自己在记忆方面的缺陷，他们在判断时会更加谨慎。疼痛疼痛是一种通常与组织损伤相伴的不愉快体验，作为一类由刺激引发的经验，它应该是心理物理学的研究对象。但是长久以来对疼痛的研究相对滞后，其中的一个原因在于疼痛并非由单纯刺激引起的简单感觉，它是感觉反应与情绪反应的混合物，因此很难准确地预测某个刺激会引起多大的痛觉。由此导致人们应用信号检测论的方法，去了解影响疼痛判断的各个因素分别作用于疼痛的那一个组成部分，是影响感觉成分的敏感程度，还是影响判断疼痛大小的标准位置。举例来说，用信号检测论方法可以分析镇痛药究竟是抑制了感觉输入，还是影响了情绪唤起，或是两者兼而有之？信号检测论在痛觉研究中的首次尝试是针对安慰剂的镇痛效果，实验证明服用安慰剂诱导被试的痛觉判断标准上升，而对不同强度刺激的分辨力并未受到影响。因此，尽管在服用安慰剂后被试对痛觉强度的报告变小了，但他们对疼痛的敏感性却没有受到影响。他们的这种报告上的变化可能是由于他们认为别人期望自己少报告一些疼痛。信号检测论的应用还发现镇静剂的镇痛作用和安慰剂一样，它们对疼痛辨别力并没有显著影响；笑气则是恰恰相反的例子，这种常用的麻醉气体可以同时降低疼痛的辨别力并提高疼痛判断的标准。另有人发现，针刺疗法在镇痛上的效果和笑气一致，也能降低疼痛的辨别力。最后，年龄对痛觉也会有影响，运用信号检测论可发现人们对痛的辨别能力岁年龄增长而逐渐衰退，而年长者同时会具有设立较高痛觉判断标准的倾向，这可能是因为他们不愿意时常报告刺激引起了痛觉。诊断测试临床诊断所做出的决定是十分重要的，但是这些判断往往并不准确。近来信号检测论的方法被应用于研究医生如何做出有否疾病的判断。研究者比较了诊断乳腺癌和肺结核的两种方法：直接观察x光照片和通过电视观察图像，使用d’作为信号检测论的区分指标。结果显示直接观察x光照片具有更高的辨别力，因此它是一种较好的诊断方法。另一个例子是诊断脑损伤的两种常见方法：计算机层描（CT）和放射性同位素（RN）。在这个研究中，CT和RN专业诊断人员各6名对136名病人做了检查，其中某些病人已知具有脑损伤，而另一些则没有。12名被试对他们每一次判断都在一个五点量表上报告确定程度，由此可以建立两种不同诊断方法的ROC曲线。曲线下的面积代表了对应诊断方法的鉴别能力，从中发现CT的鉴别效果更优于RN。运用信号检测论分析的实验结果还显示，诊断者所采用的诊断标准对诊断结果有显著的影响，这体现在集中率与虚报率的变化上。有研究者运用信号检测论对临床诊断行为中的判断标准最优化做出了解释，认为诊断标准受到疾病发生与不发生概率（信号与噪音的先验概率）以及确诊和误诊带来的利弊（支付阵）的影响。此外，信号检测论研究也运用在帮助人工智能的决策系统在所收集的信息中结合可能方法选择最优化的得决定标准，从而作出最优化的判断。例如NASA在90年代初期就开始将信号检测论分析运用于飞行器的碰撞规避警告系统的设计中。总结信号检测理论的实际应用价值，在于现实中的许多现象并非简单的存在着某些明显的界限，来区分不同属性的多种状态，例如记得与不记得、痛与不痛、有症状和无症状。当假设这些不同的状态在某个连续维度上有区别，并且不同状态的无数次观察分别形成重叠的正态分布，就可以利用信号检测理论来分离不同状态的差异距离和判断状态变化的标准，进一步也可能利用这些信息做到对状态判别的最优化