Подрезной резец чертеж: ГОСТ 18880-73 Резцы токарные подрезные отогнутые с пластинами из твердого сплава. Конструкция и размеры

3D модели резцов, представленных выше можно конечно построить в SolidWorks воспользовавшись уроками с этой страницы. Размеры можно взять с сайтов производителей резцов или каталогов.

Или же более простой способ – данные модели можно просто скачать!

Все наиболее популярные производители на своих сайтах выкладывают в открытом доступе 3D модели инструмента в основном в формате .stp.

Возьмём, например, такого производителя инструмента как «Sandvik coromant». Сайт этого производителя можно без труда найти в поисковике.

Заходим на него и в поиск вбиваем обозначения державки «SCLCR 2525M 12» (Он используется для черновой токарной обработки).

Открываем страницу данного инструмента и видим в разделе загрузки доступно скачивания данной державки.

Скачиваем ее и открываем в SolidWorks.

Я рекомендую для дальнейшей работы пересохранить скаченные файлы в формат SolidWorks.

Далее таким же образом скачиваем резцы под обозначениями: SVJBL 2525M 16, SVJBR 2525M 16 (они в основном применяться для чистовой обработки). И также открываем их в SolidWorks и пересохраняем.

Как видим получить подробную 3д модель резца для Солидворкс достаточно просто и быстро.

В заключении статьи просмотрим видео анимацию обработки данных резцов.

На видео показано какие поверхности доступны для обработки для данных резцов, также в работе видно левый и правый резец.

Если кому нужно модели данных резцов можно скачать по данной ссылке:

Скачать модели проходных резцов для SolidWorks

На этом все! Надеюсь это был полезный для вас материал! Ознакомится с основными типами токарных резцов можно на этой странице: Основные виды токарных резцов

За репост данной статьи в социальные сети буду очень признателен!

До встречи в следующей статье про токарные резцы!

Подрезной резец: виды и основные размеры

Основными инструментами для обработки заготовок на токарных станках являются резцы. С их помощью можно отделить необходимый слой материала от любой цилиндрической детали, чтобы придать ей требуемый размер.

Для чего используется токарный подрезной резец?

Всего существует 8 видов резцов: проходной, расточной, отрезной, прорезной, фасочный, фасонный и подрезной. Каждый из них используется в конкретных операциях. Например, отрезные резцы предназначены для отделения готовых изделий от заготовок, а расточные — для растачивания отверстий или создания внутренних фасок. Но подрезной резец имеет более широкое применение. Едва ли не каждая основная операция на токарном станке выполняется с использованием этого инструмента. С его помощью можно подрезать уступы под прямым или острым углом, создать наружные фаски, проточить торец и любую другую наружную поверхность цилиндрической детали. Таким образом, он является одним из самых важных инструментов, так как непосредственно влияет на первоначальное формирование готового изделия.

Виды подрезных резцов

Во-первых, в зависимости от направления подачи, подрезные резцы бывают левые и правые. Определить вид по этому принципу довольно легко, стоит лишь приложить ладонь на инструмент и посмотреть, в какую сторону указывает большой палец. Если направление большого пальца влево – это левый, а вправо – правый резец.

Во-вторых, в зависимости от особенностей конструкции, существуют:

• Резец подрезной отогнутый. Он имеет режущие кромки, наклоненные в одну из сторон от оси державки.
• Резец подрезной прямой. Он имеет режущие кромки, параллельные оси державки.
• Резец подрезной торцевой (или упорный). Этот инструмент так же имеет режущие кромки, что параллельны оси державки, но расположенные под меньшим углом.

В-третьих, существует классификация резцов по способу изготовления. В зависимости от этого, они бывают двух видов:

• Цельные – инструменты, державка и головка которых созданы из одного и того же материала.
• Составные – инструменты, составные части которых изготовлены из разных материалов. Например, державка создана из твердого сплава Т10К5, а режущая пластина, расположенная на головке, из быстрорежущей стали Р9.

Выбор резца для обработки детали

Прежде чем выбрать подрезной резец для обработки, нужно определиться с некоторыми особенностями:

• Во-первых, необходимо учесть материал режущей пластины инструмента. Резец должен быть более жестким, чем сама заготовка.
• Во-вторых, нужно учесть геометрию и конструкцию резца.

Эти два параметры повлияют на дальнейший выбор значений подачи и скорости резания, а также на его стойкость, т. е. продолжительность непрерывной работы до того момента, пока режущие кромки не затупятся.

Элементы резца и их размеры

Подрезной резец состоит из двух элементов:

1. Державки (стержня) – основная часть резца, которая дает возможность установить инструмент на станке.
2. Головки или же рабочей части, которой, собственно, и выполняется обработка детали. Головка состоит из нескольких поверхностей: передней (по которой отводиться стружка), главной задней (которая поддерживает режущую пластину) и вспомогательной задней (позволяет инструменту передвигаться по обрабатываемой поверхности). Помимо этого, на ней расположены две режущие кромки – главная и вспомогательная, которые отвечают за выполнение основных токарных операций.

В зависимости от габаритов резцедержателя станка и обрабатываемой заготовки, державки и головки инструментов изготовляют различных размеров. Основные размеры инструмента на примере токарного правого подрезного торцового резца приведены в таблице ниже.

Маркировка

Как правило, многие токари, которые выбирают инструмент для обработки детали, сразу обращают внимание на маркировку и не зря, ведь именно в ней указана марка стали, используемая для создания режущих пластин. Например, резец подрезной упорный Т5К10 имеет твердосплавную пластину, которая относится к титан-вольфрамовой группе сплавов, содержащей карбиды титана и кобальт. Такой инструмент может подойти только для чернового точения заготовок из углеродистых и легированных сталей на низких скоростях и при низкой температуре нагревания.

В иных случаях придется выбирать резцы из быстрорежущей стали. Они дольше работают на высоких скоростях и менее склонны к смягчению при нагреве в более чем 200 °C.

Материалы, использующиеся для создания режущей пластины

Как уже известно, подрезной резец состоит из двух частей: державки и головки. Оба эти элемента важны для инструмента и каждый из них выполняет свою функцию. Например, державка, которая крепится в резцедержателе, должна быть твердой, стойкой к износу и ударам, а режущая пластина обязана не нагреваться при высокой температуре. Именно поэтому в большинстве случаев обе части резца делают из различных материалов. К тому же это позволяет сэкономить на производстве самого инструмента, что значительно влияет на снижение итоговой цены.

Таким образом, режущие пластины выполняются из быстрорежущей стали или твердых сплавов с добавлением кобальта, ведь, как известно, этот материал стойкий к износу и отлично работает при высоких температурах. Популярными материалами для изготовления режущих пластин резцов являются быстрорежущие стали (Р9К5, Р9К5Ф2) и твердые сплавы (Т5К10, Т5К6).

Если необходимо обрабатывать более мягкие сплавы железа, например, чугун, тогда рекомендуется выбирать резец, режущая пластина которого состоит не только из кобальта, но и из вольфрама. К таковым относятся марки ВК6, ВК8, ВК10, ВК3М и ВК6В.

Список актуальных ГОСТов

Ввиду различий в конструкции, размерах и геометрии, многие не могут правильно подобрать резец подрезной. ГОСТ должен избавить от этих трудностей. В стандарте имеется вся необходимая информация о токарных инструментах, их конструкции, геометрических параметрах и других не менее важных особенностях, которые пригодятся при расчете режимов резания и выборе резца.

Всего есть 4 государственных стандарта, в которых упоминаются токарные подрезные резцы:

1. ГОСТ 18880-73 (переиздание с изм. 2003 г.). В стандарте изложена краткая информация об основных обозначениях, конструкции, геометрических параметрах и размерах подрезных отогнутых резцов, имеющих напаянные режущие пластины из твердого сплава.
2. ГОСТ 18871-73 (переиздание с изм. 2003 г.). В стандарте имеется необходимая информация о конструкции и размерах токарных подрезных резцов с напаянными пластинами из быстрорежущей стали.
3. ГОСТ 28980-91 (переиздание с изм. 2004 г.). Говорится о проходных и подрезных резцах со сменными твердосплавными пластинами.
4. ГОСТ 29132-91 (переиздание с изм. 2004 г.) Имеется информация о проходных и подрезных резцах со сменными многогранными пластинами, которые применяются в производстве вместе со специальным приспособлением, копиром.

Cricut против стилуса подсчета очков — то, о чем вам никто не говорит!

Привет, мечтатель!

Каждый день — хороший день для обучения, и сегодня мы собираемся сравнить стилус подсчета очков с колесом подсчета очков.

Прежде чем мы углубимся в подробности, давайте кратко рассмотрим, что это за инструменты.

И стилус для подсчета очков, и колесо для подсчета очков являются аксессуарами, которые вы можете использовать со своими машинами Cricut. Они позволяют делать складки на различных материалах, таких как бумага, картон, плакатный картон и т. Д.Если вам нравится делать коробки, открытки или другие проекты, требующие складывания, тогда; эти аксессуары сделают вашу жизнь не только легкой, но и увлекательной.

Вот в чем дело, хотя Scoring Stylus можно использовать с любыми машинами семейства Explore и Cricut Maker; Колесо подсчета очков можно использовать только с Cricut Maker.

Обязательно прочтите эту статью, Если вы хотите узнать обо всех различиях между Cricut Maker и Cricut Explore Machine.

В этом посте я расскажу обо всех различиях между стилусом подсчета очков и колесом подсчета очков. Я также собираюсь показать вам несколько изображений того, как линии надреза выглядят в различных типах материалов, чтобы вы могли сделать осознанный выбор, какой аксессуар вам нужен.

Это НЕ руководство по работе колеса подсчета очков в Cricut Design Space. Если вы хотите узнать, как работает этот инструмент, ознакомьтесь с моим полным руководством и пошаговым руководством.

Вы готовы?

Приступим!

Различия между стилусом подсчета очков и колесом подсчета очков

Хотя у стилуса и колеса одна и та же цель — складывать складки, они выглядят по-разному.

Стилус Scoring Stylus очень похож на другие основные инструменты — инструменты для прополки, шпатель и т. Д., Которые предлагает Cricut. Однако колесо подсчета очков очень похоже на лезвие.

Что-то очень крутое в колесе подсчета очков состоит в том, что у него есть два разных наконечника, которые вы можете использовать. 01 для легких материалов, таких как картон и обычная бумага, и 02 для более толстых материалов, таких как картон для плакатов и ДСП; 01 обозначает колесо подсчета очков, а 02 обозначает двойное колесо подсчета очков.

Все машины Cricut, за исключением Cricut Explore One, имеют два держателя инструмента или зажима. Зажим A предназначен для принадлежностей, а зажим B — для лезвий. Стилус для подсчета очков всегда используется с зажимом A, поэтому вы можете использовать его с любой машиной Cricut.

Однако колесо подсчета очков можно использовать только с зажимом B. Вот предостережение; однако, как и лезвие ножа и вращающееся лезвие, колесо подсчета очков было построено с использованием новой технологии Cricut — Adaptive Tool System.

• Зажим щупа для скоринга A
• Зажим для подрезного колеса B

Система Adaptive Tool System постоянно контролирует направление t новых лезвий и подрезного колеса. На самом деле, эта технология настолько удивительна, что может регулировать давление колеса подсчета очков в соответствии с материалами, с которыми вы работаете!

Вот почему колесо подсчета очков в 10 раз сильнее и мощнее, чем стилус для подсчета очков. Таким образом, используя колесо подсчета очков, вы получите очень глубокие и очень четкие линии подсчета очков.

Отлично, правда?

Подсчет очков с использованием различных материалов

Теперь, когда вы узнали о различиях между стилусом подсчета очков и колесом подсчета очков, давайте посмотрим, как они работают с разными материалами.

Для этого сравнения я буду использовать следующие материалы и использовать стилус и колесо подсчета очков (01 и 02).

• Цветная строительная бумага
• Цветные карточки
• Доска для рукоделия
• Металлический плакат
• Гофрированная бумага
• Пена для рукоделия

Всего у нас будет 2 материала для легких, средних и толстых материалов.

Примечание: Если у вас есть колесо подсчета очков, в области дизайна всегда будет показан рекомендуемый наконечник. Тем не менее, я решил попробовать оба совета, чтобы увидеть, как будет выглядеть каждый наконечник и все эти материалы.

На некоторых материалах — тех, которые имеют смысл — я также поставил звезду над дизайном. Иногда вам может понадобиться оценить другие элементы, а не только линии.

Верно?

Посмотрим на результат!

Заранее позвольте мне извиниться за то, как выглядят некоторые из этих фотографий.Для того, чтобы показать вам линии оценок, мне действительно пришлось уменьшить экспозицию и яркость некоторых фотографий. Они не выглядят так красиво; Однако мое обязательство перед вами намного лучше, чем просто красивые фотографии. 🙂

Цветная строительная бумага и картон

Для тонких материалов разница в глубине или гладкости линии надреза практически отсутствует. Честно говоря, они кажутся почти такими же. Однако, если вы посмотрите на звезды, вы увидите, что линии, образующие звезду на колесе подсчета очков 01, перекрываются.

На самом деле это немного разочаровывает, но вполне понятно. Видите ли, подсказка для подсчета очков управляется системой Adaptive Tool System, поэтому имеет смысл некоторое перекрытие линий оценок. Вы сможете увидеть эту разницу в следующих наших материалах.

Это перекрытие не происходит с помощью стилуса для подсчета очков, потому что нет управляемого процесса, и каждая линия создается одним движением.

Доска для рукоделия и металлический плакат — Доска

Для этих двух материалов средней плотности я начал замечать некоторые различия. Как видите, линии оценок выглядят несколько более гладкими, чем линии, нанесенные стилусом для подсчета очков.

• Стилус, колесо 01 и колесо 02 в заказе — Металлический картон для плакатов
• 
  Щуп, колесо 01 и колесо 02 в заказе — Крафт-картон

Звезды, созданные мною с помощью колеса подсчета очков, тоже перекрываются, но выглядят более гладкими, чем звезды, созданные стилусом для подсчета очков.

Теперь давайте посмотрим, как повела себя металлическая доска для плакатов, когда я ее сложил. Вот где вы можете понять, почему колесо такое мощное.

Материалы с покрытием наподобие блестящего картона или металлического картона для плакатов имеют тенденцию к растрескиванию в процессе фальцовки. Используя колесо с наконечником 02, вы создаете две линии надреза, которые затруднят процесс складывания.

Обратите внимание, как сильно металлическая доска для плакатов треснула с помощью стилуса. Он даже треснул с наконечником 01. Однако посмотрите на складку с наконечником 02! Это прекрасно.

Гофрированная бумага и пена для рукоделия

Для этих двух относительно толстых материалов я решил не забивать звезду, которую наклеил горизонтальной линией надреза.

Наконец, с этими толстыми материалами — особенно с гофрированной бумагой — я смог заметить разницу в качестве и четкости линий надреза, нанесенных с помощью колеса.

Это то, что делает колесо уникальным инструментом!

Стилус для подсчета очков оказался очень жестким с гофрированной бумагой и крафтовой пеной. Верите вы или нет, но меня это совсем не удивляет.

Подумайте об этом!

Стилус работает, давя на его заостренный кончик. Таким образом, ожидается, что при работе с более толстыми материалами давление стилуса будет сосредоточено на крошечной точке.

Тем не менее, при использовании колесика для подсчета очков давление хорошо распределяется по наконечнику 01 и / или 02. И, на мой взгляд, именно это делает штрихованные линии четкими на более толстых материалах.

Какой из них выбрать: стилус для подсчета очков или колесо подсчета очков?

Я считаю, что стилус для подсчета очков необходим всегда. Он настолько доступен по цене, и вы можете творить так, чтобы он охладился от него, что для вас не имеет никакого смысла отказываться от него.

Теперь колесо подсчета очков — более дорогой аксессуар. Вы можете получить его только с помощью 01 наконечника или в виде комбинации с обоими наконечниками.

Сравните цены: Здесь вы найдете все инструменты для скоринга

Решение о получении вами колеса подсчета очков зависит от того, какие материалы вы собираетесь использовать. Как вы только что видели, когда я использовал стилус и колесо на легких и средних материалах, различий было очень мало.

Да, легче сбросить карты, когда вы забиваете колесом, но не так, чтобы вы оказались в невыгодном положении.

Если вы планируете работать с толстыми материалами и материалами с покрытием, такими как те, которые я использовал в этом посте, или ДСП, я настоятельно рекомендую вам приобрести колесо подсчета очков с обоими наконечниками. Материалы Cricut могут быть довольно дорогими, и если вы планируете выполнять несколько проектов, вам всегда нужны оптимальные результаты.

У меня под рукой не было ДСП, но я уверен, что если бы я использовал стилус вместо колеса, я бы его полностью поцарапал.Вы же не хотите, чтобы это случилось с вами.

Примечание: Помните, что колесо подсчета очков совместимо только с Cricut Maker, поэтому, если у вас есть какая-либо из машин семейства explore, вы можете использовать только стилус подсчета очков.

Плюсы и минусы

Проводя эти сравнения с Wheel и Stylus, я получил несколько смешанных плюсов и минусов, которыми я хотел бы поделиться с вами:

• Мне нравится, что с помощью стилуса для подсчета очков вы можете набирать очки и писать без дополнительного вмешательства — вы можете установить его и забыть — поскольку колесо подсчета очков идет на зажим B — туда, куда идут все лезвия — вам нужно изменить его и присмотреть за своим проектом до тех пор, пока сделано.
• Подрезное колесо отлично работает на любом типе материала. Однако, если у вас очень сложные линии счета — как звезды, которые я показал вам выше — складки будут перекрывать друг друга.
• Стилус для подсчета очков творит чудеса, отслеживая и оценивая замысловатые рисунки. Однако вы ограничены типами материалов, которые вы можете использовать. Он творит чудеса с легкими и средними материалами, но не так хорош с толстыми материалами.

Как вы думаете?

Какой инструмент вам подходит? Стилус или колесо?

Мне не терпится узнать это, поэтому обязательно дайте мне знать в комментариях ниже.

Я люблю, когда у меня есть комментарии ❤ Мне кажется, что я не разговариваю со стеной, лол!

Если вам нравится этот пост и вы думаете, что кто-то еще может извлечь из него пользу, обязательно разместите его в своих любимых социальных сетях, так вы не только помогаете кому-то учиться и находить интересные ресурсы, но и вы также поддерживая мою работу.

Ой!

И, как вы знаете, У меня также есть БЕСПЛАТНАЯ растущая библиотека с тоннами печатных форм и файлов SVG, готовых к работе.

Я хотел бы, чтобы вы получили доступ ко всем из них. Это 100% бесплатно для моих мечтателей (также известных как подписчики), посмотрите предварительную версию здесь, или получите доступ здесь.

Как тестовые экраны рисуют часы при деменции

Тест на рисование часов — это простой инструмент, который используется для выявления у людей признаков неврологических проблем, таких как болезнь Альцгеймера и другие виды деменции. Его часто используют в сочетании с другими, более тщательными скрининговыми тестами, но даже когда он используется сам по себе, он может дать полезную информацию о когнитивных способностях человека.

Как проводится тест на рисование часов

Клиницист (часто врач, психолог или социальный работник) дает испытуемому лист бумаги с заранее нарисованным кружком и просит его нарисовать числа на часах.

Затем она говорит ему нарисовать руки, чтобы показать конкретное время. Люди, которые проводят этот тест, могут использовать несколько разных вариантов времени, но многие выбирают 10 минут после 11.

Другой способ — просто дать человеку чистый лист бумаги и попросить его нарисовать часы, которые показывают время 10 минут после 11.Некоторые врачи также намеренно пропускают слово «руки» в своих указаниях, чтобы не дать испытуемому подсказки о том, что нужно включить в рисунок.

Тестовые баллы

Есть 15 различных способов получить баллы по этому тесту. В некоторых методах подсчета очков может быть задействовано до пяти, 10 или 20 очков.

Некоторые из них довольно сложны и включают в себя начисление очков за включение каждого числа, правильно упорядоченных чисел, двух стрелок часов, отрисовки правильного времени и за каждое из правильных чисел, помещенных в четыре квадранта.

Тем не менее, в исследовании, опубликованном в Датском медицинском журнале , описывается исследование, в котором сравнивались пять наиболее распространенных способов оценки результатов теста. Он пришел к выводу, что самый простой метод оценки дает результаты, такие же точные, как и более сложные методы оценки.

Этот простейший метод подсчета очков заключается в присвоении одного балла, если задача была выполнена правильно, и нуля баллов, если часы не были выполнены правильно.

Ассоциация Альцгеймера также рекомендует этот простой метод подсчета очков, делая вывод, что нормальные часы (или оценка в один балл) указывают на отсутствие деменции, в то время как ненормально заполненные часы являются поводом для дальнейшей оценки.

Критические ошибки тестирования

Дополнительное исследование выявило шесть характеристик в этом тесте, которые были важны для успешного выявления проблем в познании. Они были описаны как критические ошибки рисования часов и включали неправильное время, отсутствие стрелок, недостающие числа, замену чисел, повторение и отказ.

Эти исследователи пришли к выводу, что эти шесть ошибок были предсказуемыми при выявлении деменции на основе теста на рисование часов. Обратите внимание, что простой отказ пройти тест может указывать на проблему.

Преимущества теста на рисование часов

Тест на рисование часов имеет следующие преимущества:

• Инструмент для быстрого обследования : Это очень быстрый способ обследовать человека на предмет возможного слабоумия. Часто для завершения требуется всего одна-две минуты.
• Простота администрирования : Для администрирования не требуется большого обучения.
• Хорошо переносится : Этот тест легче выполнить, чем MMSE, для людей с малой продолжительностью концентрации внимания.
• Бесплатно : В отличие от некоторых когнитивных тестов, требующих приобретения копии теста и инструментов для выставления оценок, тест рисования часов можно выполнить, потратив только бумагу и ручку.
• Может быть полезен в развивающихся странах. : Из-за низкой стоимости и минимального обучения этот тест можно использовать в странах с ограниченными ресурсами.
• Скрининг делирия : Этот тест также проводился пациентам в больнице для выявления признаков делирия.Делирий — это внезапное ухудшение когнитивных способностей человека. Это может быть следствием использования анестезии, например, во время операции, а также вызвано инфекцией или болезнью.

Проблемы исполнительного функционирования

Еще один очень полезный аспект этого теста, опубликованный в Canadian Medical Journal Association , заключается в том, что он может обнаруживать проблемы в исполнительном функционировании, даже когда кто-то имеет хорошие результаты по MMSE, распространенному инструменту скрининга.

Исполнительное функционирование может быть нарушено до того, как станут очевидными какие-либо проблемы с памятью, и раннее выявление этого позволяет начать лечение на раннем этапе.Например, ваш отец может хорошо справиться с MMSE, что покажет, что его память все еще не повреждена, его языковые и вычислительные навыки остаются функциональными, а его ориентация остается довольно нормальной.

Однако вы можете заметить, что его решения не всегда уместны. Он может одеться, но не сможет определить, что ему следует надеть теплое пальто, если на улице холодно.

Часто члены семьи первыми подозревают когнитивное нарушение, потому что они увидят это свидетельство плохого исполнительного функционирования, в то время как тест MMSE в кабинете врача может этого не обнаружить.

Выполнение теста на рисование часов — один из способов выявления людей, которые могут испытывать ранние признаки деменции, такие как снижение исполнительной функции, но могут еще не демонстрировать нарушения памяти.

Раннее обнаружение полезно, потому что лекарства, доступные в настоящее время для лечения болезни Альцгеймера, обычно более эффективны на ранних этапах процесса болезни. Похоже, что они могут сохранить текущее функционирование в течение ограниченного времени.

Итак, если деменцию можно обнаружить на ранних стадиях, ее можно вылечить раньше и, надеюсь, продлить время, в течение которого человек хорошо функционирует.

Точность

Несколько исследований показывают, что этот тест является отличным инструментом для выявления когнитивных нарушений. Его результаты сильно коррелируют с другими тестами психического статуса и фактическими доказательствами нарушения. Кроме того, как отмечалось выше, он, по-видимому, способен обнаруживать проблемы с исполнительной функцией, которые могут быть пропущены другими тестами.

Хотя тест на рисование часов, как правило, довольно эффективен для выявления когнитивных проблем, в исследовательском сообществе нет единого мнения о том, что он может последовательно выявлять легкие когнитивные нарушения или помогать различать различные формы деменции (например, болезнь Альцгеймера и сосудистую деменцию).

Пройдите профессиональную оценку

Если вы подозреваете, что у близкого человека могут быть признаки болезни Альцгеймера или другой деменции, важно обратиться за консультацией к квалифицированному врачу.

Они могут помочь исключить другие потенциально обратимые причины деменции, такие как дефицит витамина B12 и гидроцефалия с нормальным давлением, а также определить точный диагноз и план лечения.

Слово Verywell

Тест на рисование часов — это быстрый метод проверки, который помогает оценить умственное функционирование, и он имеет то преимущество, что является довольно уважаемым тестом из-за количества исследований, поддерживающих его использование.Часто это может быть одним из полезных компонентов полной оценки, когда рассматривается диагноз деменции (или другого когнитивного нарушения).

— обзор

Рисование и / или копирование часов — широко используемый подход к скринингу деменции, а также служит компонентом множества других мер скрининга, описанных выше (Mini-Cog, GPCOG, 7MS, MoCA). Тесты рисования часов (CDT) кратки, просты в администрировании и, как правило, хорошо принимаются администраторами тестирования и тестируемыми лицами.Обычно испытуемого просят «нарисовать круг и поместить числа в круг, чтобы он выглядел как часы» и «нарисовать стрелки на часах, чтобы время показывалось с 10 минут до 11 часов». Несмотря на то, что большинство CDT следуют аналогичному формату, существует более десятка систем CDT, которые могут давать разные рабочие характеристики. В наиболее полном на сегодняшний день обзоре CDT Шульман (2000) обнаружил, что средняя чувствительность и специфичность составляют примерно 85%, но более поздние исследования поставили этот вывод под сомнение (Seigerschmidt et al., 2002). Он также заметил, что длинные системы подсчета очков CDT не намного превосходят более короткие версии.

AUC пяти часто используемых систем оценки CDT — метода Шульмана (Shulman, Shedletsky & Silver, 1986), метода Сандерленда (Sunderland et al., 1989), метода Вольфа-Клейна (Wolf-Klein, Silverstone, Levy , & Brod, 1989), метод Мендеза (Mendez, Ala, & Underwood, 1992) и метод Уотсона (Watson, Arfken, & Birge, 1993) — сравнивали в выборке из 127 последовательных обращений в клинику в Сиднее. , Австралия (Стори, Роуленд, Бейсик и Конфорти, 2001).Высокие коэффициенты меж- и внутриэкспертной корреляции наблюдались во всех методах оценки, но методы Шульмана и Мендеза продемонстрировали наибольшие наблюдаемые области под кривой ROC — 0,79 и 0,78, соответственно. Методы Шульмана (чувствительность 93% и специфичность 55%) и Мендеза (чувствительность 96% и специфичность 26%) значительно превзошли методы Сандерленда и Ватсона в выявлении деменции, но авторы исследования по-прежнему осторожно подходят к использованию любых CDT. метод как автономный скрининг деменции, предположительно из-за низкой специфичности.В исследовании способности CDT выявлять сомнительную или раннюю стадию деменции Seigerschmidt et al. (2002) обнаружили, что четыре метода оценки более подходят для выявления явной деменции, чем для сомнительной или легкой деменции (CDR = 0,5), при которых тесты дают большое количество ложноположительных результатов.

Хотя компонент рисования в некоторой степени полагается на зрительно-пространственные способности, Ройалл утверждал, что CDT также оценивают функции исполнительного контроля, которые управляют выполнением этой визуально-пространственной задачи, и объясняют большую долю дисперсии в низких оценках рисования часов.Он разработал двухэтапную задачу рисования часов (CLOX; Royall, Cordes & Polk, 1998) в попытке отделить исполнительный контроль, необходимый для выполнения задачи рисования часов, от самой задачи. На первом этапе (CLOX1) испытуемому предлагается «Нарисуйте мне часы, которые показывают 1:45. Положите стрелки и числа на лицо, чтобы ребенок мог их прочитать ». На втором этапе (CLOX2) тестируемому предлагается скопировать часы, нарисованные администратором теста. Было обнаружено, что CLOX1 сильно коррелирует с независимой мерой исполнительного контроля, в то время как CLOX2 сильно коррелирует с MMSE.Кроме того, показатели CLOX продемонстрировали способность прогнозировать функционирование IADL и уровень лечения более эффективно, чем MMSE (Lavery et al., 2005; Royall, Chiodo, & Polk, 2000; Royall, Chiodo, & Polk, 2005).

Рабочий процесс графической записи с Sibelius и Adobe Illustrator

В подкасте Scoring Notes Дэвид Макдональд и Филип Ротман рассказывают о том, как создавать графические символы и вносить их в программу для создания нотных записей без ущерба для качества, а также о том, как создавать сложные графические изображения, просто используя инструменты для записи.Мы также покрываем экспорт графики из программного обеспечения для нотации в другие программы. Слушайте сейчас:

Заметки о подсчете очков

Графическое обозначение

Выключить / включить эпизод Перемотка на 10 секунд назад 1x Быстрая перемотка вперед на 30 секунд

00:00 / 41:31

Примечание редактора: этот пост был первоначально опубликован в ноябре 2017 года и с тех пор был дополнен дополнительным содержанием.

По мере того, как Sibelius повзрослел, он добавил много мощных инструментов для обработки всех видов менее распространенных символов нотной записи, таких как растушеванные лучи, кластеры тонов и даже красочные заголовки.

Тем не менее, иногда единственный способ правильно внести определенный графический элемент в партитуру — это нарисовать его. Когда я впервые начинал включать подобные графические элементы в свои партитуры, я оставлял пустое место в моем документе партитуры, распечатывал его, а затем рисовал формы и контуры маркером Шарпи с максимальной последовательностью, насколько мог.Это уродливое решение, подверженное ошибкам, требует много времени и определенно не поможет никому, кто исполняет мою музыку с iPad!

Я разговаривал с другими композиторами, которые экспортируют партитуру в формате PDF из Sibelius или Finale, импортируют ее в приложение для рисования, а затем рисуют прямо поверх партитуры. Это лучше; но у него все еще есть проблема, если вы когда-нибудь захотите изменить что-либо в исходном файле, даже если только для исправления опечатки.

За последние несколько лет я разработал гибридный подход, в котором используются графические функции экспорта и импорта Sibelius.В этом видео я демонстрирую свой текущий рабочий процесс по созданию графических элементов с использованием основных инструментов рисования в Adobe Illustrator и помещению их в свои партитуры в Sibelius. В качестве примера я рисую контур высоты звука в партии скрипки; но этот процесс может работать практически для всего, что вы хотите использовать в своих оценках.

Кроме того: здесь я использую Illustrator, который является отраслевым стандартом для редактирования векторной графики. Но если вас отталкивает цена и подписка на периодическое использование, мне очень понравилось работать в Affinity Designer от Serif Labs (50 долларов один раз).Хотя у меня нет большого личного опыта работы с Inkscape, бесплатным векторным редактором с открытым исходным кодом, мне сказали, что он вполне способен. [Примечание редактора: я использую Autodesk’s Graphic (ранее iDraw) за 30 долларов — еще одну хорошую программу для векторного дизайна.]

• Создайте партитуру в Sibelius, оставив место для всех ваших графических элементов. Возможно, будет полезно распечатать партитуру и нарисовать графику вручную, чтобы понять, сколько места вам понадобится.
• Используйте Главная> Буфер обмена> Выбрать графику , чтобы экспортировать одну нотную станцию, в которой будет находиться ваш графический элемент, и экспортировать это выделение в файл изображения. Я использовал PNG в демонстрации, но все будет работать. Это просто для использования в качестве руководства.
• В Illustrator импортируйте графику Sibelius с помощью инструмента Place . Заблокируйте это как свой фон и создайте новый слой.
• Нарисуйте графику как объекты на новом слое. (Если вы никогда не использовали векторный редактор, это может потребовать некоторой практики.) Затем скройте фоновый слой, чтобы вы могли видеть только фигур, которые вы добавили, а не графику Sibelius.
• Экспортируйте графику в формате SVG. Здесь важны настройки: Снимите флажок Отзывчивый . Sibelius не может импортировать файлы SVG, у которых нет определенной ширины и высоты. Не беспокойтесь о точных размерах. Ширина и высота SVG не важны, как для растровой графики, такой как PNG, JPG и TIFF.Размер векторов можно изменять в Sibelius без каких-либо штрафов.
• Вернувшись в Sibelius, используйте Notations> Graphics> Graphic , чтобы поместить ваше изображение в посох, которому оно принадлежит. Обязательно удерживайте Shift , чтобы сохранить пропорции при изменении размера графики, чтобы она не растягивалась или не деформировалась. В зависимости от вашей графики и окружающих элементов партитуры вы также можете переместить свою графику на передний план.

Благодаря созданию масштабируемой векторной графики (SVG) в Illustrator результат получается четким и может адаптироваться к печати и просмотру в разных размерах, как и любой другой элемент шрифта, символ или линия в вашей партитуре.И это может выглядеть как угодно! Поскольку все больше исполнителей хотят читать с экранов, мы еще свободнее экспериментировать с цветами и формами, чтобы добавлять новые смыслы в наши оценки.

Конечно, в большинстве случаев нам, вероятно, следует придерживаться более широко распространенных символов, когда они выражают то значение, которое нам нужно. Не чините то, что не сломано. Но в следующий раз, когда традиционная нотация не сможет передать что-то, подумайте о том, чтобы проявить немного творчества.

Автоматический скрининг и оценка деменции путем применения глубокого обучения в тестах на рисование часов

Глубокие нейронные сети и трансферное обучение

Глубинные нейронные сети — это архитектуры DL, состоящие из нескольких уровней между входом и выходом ³⁷ .Слои состоят из множества нейронов, связанных друг с другом, соединениям которых присвоены числовые веса. В то время как нижние слои содержат низкоразмерные элементы (например, края / интенсивности), верхние слои в основном хранят многомерную, специфичную для класса информацию ³⁸ . Во время обучения входные данные (здесь: изображения) передаются в сеть и рассчитываются выходные данные (здесь: «Оценка от 1 до 6» или «Неудача / Успешно»). Чтобы повысить точность классификаторов и минимизировать определенные потери, веса обновляются с использованием обратного распространения ошибки.

Обычно эти глубокие нейронные сети довольно «требовательны к данным», что означает, что для получения точных результатов необходимо использовать множество обучающих примеров (несколько тысяч или больше), что также требует большого времени на обучение. Чтобы компенсировать эти недостающие данные и сократить время обучения, можно использовать трансферное обучение ^16,39,40 . Трансферное обучение использует знания, полученные из аналогичных задач, где доступно много помеченных данных, и направлено на сокращение объема обучающих данных, необходимых для задачи целевой классификации.Конкретные модели предварительно обучаются, а затем модифицируются для соответствия определенным вариантам использования. Обычно используются преимущественно нижние предварительно обученные слои, тогда как верхние слои, содержащие информацию, относящуюся к метке, отбрасываются. Эта стратегия очень эффективна для небольших наборов целевых данных, таких как данный случай ⁴¹ .

Мы выбрали три предварительно обученных модели для наших экспериментов: VGG16, ResNet-152 и DenseNet-121 ^28,29,30 . В своих исходных версиях все три сетевые архитектуры были построены для классификации 1000 категорий изображений (классов ImageNet), обученных на входах \ (1 \, {\ rm миллион} \), достигая высочайшего уровня производительности.Чтобы адаптировать эти предварительно обученные модели к конкретному целевому случаю, мы решили изменить слой классификации, чтобы адаптировать его к нашему варианту использования, и описать эти адаптации в следующих разделах.

Нейронная сеть VGG16, показанная на рис. 2а, имеет довольно маленькие размеры ядра свертки \ (3 \ times 3 \). Таким образом, комбинация нескольких ядер меньшего размера имитирует более крупные рецептивные поля. Кроме того, VGG16 имеет 16 слоев с максимальным объединением между некоторыми из них (шаг: 2, размер: 2) ²⁸ . На рис.2b, ResNet-152 с его 152 уровнями известен наличием остаточных блоков вместо вычисления совершенно новых представлений, как это делает VGG16. Он также итеративно уточняет свои входные представления и позволяет удалять соединения (пропускать соединения) для решения проблемы исчезающего / увеличивающегося градиента ²⁹ . Напротив, архитектура DenseNet-121, показанная на рис. 2c, пытается обеспечить максимальный поток информации, соединяя каждый уровень напрямую друг с другом и, таким образом, повторно использовать функции.Это значительно уменьшает пространство параметров по сравнению с глубокими сетями, такими как ResNet-152. Кроме того, для всех сетей сверточный блок показан фиолетовым прямоугольником на рис. 2, остаточный блок для ResNet-152 — зеленоватым, а плотный блок для DenseNet-121 — оранжевым.

Выбор данных на основе обучения в коллекторе

Обычно для обучения модели весь набор данных случайным образом разделялся на обучающий набор и тестовый набор с коэффициентом разделения (например, 80%: 20%).Для лучшего обобщения и во избежание чрезмерной подгонки мы создали набор проверки для обучения (20% случайно выбранных обучающих изображений). В общей сложности 1315 изображений были разделены на 842 обучающих, 210 проверочных и 263 тестовых изображения. Однако случайный выбор данных не может гарантировать, что классификатор изучает каждый предоставленный тип данных. Смещение, вызванное случайным выбором, может, вероятно, привести к концентрации внимания на одном классе над другим, особенно для небольшого набора данных. В качестве практического примера алгоритм может переоценить изображения для «Пройдено» по сравнению с «Неудачно».Позже, при проверке, может случиться так, что большая часть изображений «Пройден» находится в тестовом наборе. В результате классификатор, скорее всего, неправильно классифицирует эти изображения, поскольку он не изучил многие функции и примеры из них. Чтобы противостоять этому, необходимо определить соответствующее распределение классов в наборах для обучения, проверки и тестирования. Чтобы учесть все эти соображения, мы использовали метод, предложенный Chen et al. в ⁴² . Сначала использовались алгоритмы уменьшения размерности ⁴³ , чтобы увидеть распределение всех данных.Затем методы кластеризации помогают найти похожие данные. Впоследствии был выполнен случайный выбор с предыдущим коэффициентом разделения внутри кластеров. Такой выбор данных, основанный на разнообразном обучении, позволяет избежать вышеупомянутой предвзятости в отношении одного определенного типа данных. Кроме того, это гарантирует, что нейронные сети могут изучать все возможные случаи во время обучения и, следовательно, хорошо обобщать. Мы использовали набор инструментов Matlab для уменьшения размерности ⁴⁴ для выбора данных на основе множественного обучения.

Скрининг деменции

Выбор данных и адаптированная сетевая архитектура

Изображения были разделены на два основных класса — «Пройдено» (591 изображение) или «Не выполнено» (724 изображения), как показано в таблице 1. Любой тест, который достигнутая оценка «1» или «2» была помечена как «Пройдено», тогда как тесты с более высокими баллами считались помеченными как «Неудача».

Для адаптации всех трех предварительно обученных архитектур моделей — VGG16, ResNet-152 и DenseNet-121 — к нашей проблеме бинарного класса, последний уровень (т.е.е., классификационный уровень) каждой архитектуры был заменен выходным уровнем с категоризацией на 2 класса вместо 1000 (желтые прямоугольники на рис. 2). Для VGG16, показанного на рис. 2a, мы добавили еще два полносвязных (FC) к исходным двум уровням FC, а затем уровень FC-softmax, предсказывающий эти два класса. Уровни классификации ResNet-152 и DenseNet-121, показанные на рис. 2b и 2c, были адаптированы только для количества классов.

Функция потерь

Во всех наших экспериментах использовалась функция потерь кросс-энтропии (CE), также известная как log потери .{C} y_ {o, c} \, \ log (p_ {o, c}). \ end {align} $$

(1)

C обозначает количество классов, c итератор классов, y является истинным указанием класса c для наблюдения o и p прогнозируемый балл класса. Потеря CE измеряет эффективность модели классификации, где выходом классификатора является вероятность от 0 до 1 ⁴⁵ . Он увеличивается, когда прогнозируемая вероятность p отклоняется от фактической метки y .{2} y_ {o, c} \, \ log (p_ {o, c}) = — \ left (y_ {o, 1} \, \ log (p_ {o, 1}) + (1-y_ { o, 1}) \, \ log (1-p_ {o, 1}) \ right) \ end {align} $$

(2)

Алгоритмы оптимизации

Алгоритмы оптимизации используются для минимизации / максимизации функции потерь модели. В этой работе используются следующие алгоритмы оптимизации: оценка адаптивного момента (Adam), стохастический градиентный спуск (SGD) и среднеквадратичная вероятность (RMSprop) ^46,47,48 . Алгоритм SGD обновляет переменные модели, вычисляя градиент функции потерь по выборке вместо использования полного обучающего набора.Следовательно, SGD считается более быстрым, чем другие алгоритмы оптимизации, но также может вызывать нестабильную функцию потерь в процессе обновления ⁴⁷ . Алгоритм оптимизации Адама просто вычисляет производные первого порядка с преимуществом меньшего потребления памяти. Адам сохраняет предыдущие возведенные в квадрат производные первого порядка, а также прошлые производные первого порядка функции потерь, и как первые производные, так и их квадраты обычно убывают экспоненциально во время обучения ⁴⁶ .RMSprop — это хорошо известный в мире DL алгоритм оптимизации, который официально не опубликован, но впервые упоминается в лекции ⁴⁸ . Он в основном адаптирует скорость обучения путем деления экспоненциально убывающего среднего квадрата градиентов. Мы настроили значения скорости обучения в диапазоне от 0,0001 до 0,1, а значение импульса SGD было установлено на 0,9.

Планировщик скорости обучения. При использовании SGD мы обычно должны предоставить гиперпараметр, называемый скоростью обучения (LR), который является положительным числом, и нам нужно много экспериментировать, чтобы найти правильное значение LR, которое дает нейронной сети максимальную производительность. .Использование большого LR приводит к отклонениям в обучении и иногда пропускает минимум функции потерь. Напротив, небольшой LR заставляет тренировку очень медленно приближаться к потере. Чтобы противостоять этому, обычно предлагается так называемый планировщик скорости обучения (LRS) для решения проблемы выбора правильного значения. LRS используется для постепенного изменения скорости обучения в процессе обучения, чтобы преодолеть вышеупомянутые проблемы.

В этой работе мы обнаружили, что использование переменной скорости обучения дает лучшие результаты по сравнению с фиксированной скоростью обучения во время обучения.Мы использовали пошаговый планировщик скорости обучения (StepLR), предлагаемый PyTorch, с размером шага 7. Этот вид планировщика скорости обучения будет уменьшать скорость обучения по сравнению с ее начальным значением каждые 7 эпох на коэффициент \ (\ mathrm {gamma} = 0.1. \). Этот шаг заставляет скорость обучения медленно снижаться до минимума функции потерь.

Экспериментальная установка

Все три модели были обучены в обучающей базе данных изображений CDT. Для экспериментов мы выбрали случайное распределение изображений внутри поезда, валидации и тестовых наборов и сравнили этот подход с тремя методами уменьшения размерности.Подробно экспериментальные установки показаны в Приложении. В таблице описаны используемые параметры для каждого эксперимента, модифицированные предварительно обученные модели, используемые с соответствующим алгоритмом оптимизации, скорость обучения, планировщик скорости обучения, размер шага, размер пакета и функция потерь. Мы использовали PyTorch (версия 1.0.1.Post2), библиотеку машинного обучения на основе Python с открытым исходным кодом, в Google Colab (облачная среда для ноутбуков на основе Jupyter) для бесплатного использования графического процессора NVIDIA Tesla K80 (в настоящее время доступным графическим процессором является графический процессор NVIDIA Tesla T4) ⁴⁹ .Трансферное обучение осуществлялось с использованием предварительно обученных моделей ImageNet для всех наших экспериментов. Все модели были обучены методам ранней остановки (на плато функции потерь), чтобы иметь возможность сравнивать результаты и выбирать лучшие. В частности, мы исследовали влияние выбора данных на точность классификации. Мы сравнили анализ главных компонентов (PCA), t-распределенное стохастическое соседнее встраивание (t-SNE) и локальное линейное встраивание (LLE) ^50,51,52 для выбора данных на основе множественного обучения.kNN-кластеризация, выполняемая с \ (k = 3 \). Чтобы проверить надежность нашего метода, была проведена пятикратная перекрестная проверка. Для каждой кратности выбора данных на основе множественного обучения мы случайным образом выбирали данные из каждого кластера с тем же коэффициентом разделения, что и случайный выбор данных.

Подсчет деменции

Выбор данных и адаптированная сетевая архитектура

Для варианта использования скоринга набор данных изображения был разделен на шесть классов оценки, где «Оценка 1» является точным рисунком часов (т. Е.е., у испытуемого не было обнаруживаемого слабоумия), и «оценка 6» вообще неспособна вести разумные часы (т.е. у испытуемого есть очень запущенный случай деменции).

Чтобы расширить предварительно обученные сети до модели прогнозирования с 6 классами, мы адаптировали уровень классификации. Чтобы оценить шесть вместо двух классов, мы реализовали кодирование одного горячего вектора, указывающего результат одного из шести классов.

Взвешенная функция потерь

Опять же, потери CE использовались как функция потерь, однако в этом случае \ (C> 2 \) (i.е., это задача классификации с несколькими метками), поэтому мы рассчитали потери для каждой метки класса для каждого наблюдения отдельно, а затем суммировали результаты в соответствии с уравнением. (1). Еще один момент, который следует учитывать для функции потерь, — это доступные изображения, используемые для проведения экспериментов, в которых классы несбалансированы, и это не предпочтительный случай при использовании методов глубокого обучения. Чтобы противостоять этому, мы интегрировали метод балансировки средней частоты для расчета веса для каждого класса ¹⁸ .Сначала мы ищем (\ (f_ {c} \)): отношение изображений в каждом классе к общему количеству изображений. Затем мы вычисляем медианное значение всех этих значений и, наконец, делим его на каждое \ (f_ {c} \) в соответствии с

$$ \ begin {align} W_ {c} = \ frac {\ text {median} ( f)} {f_ {c}} \ end {align} $$

(3)

Рассчитанные веса затем передаются в функцию потерь CE соответственно.

Экспериментальная установка

Мы использовали экспериментальную установку, аналогичную той, что использовалась в процедуре отбора, включая оптимизатор и планировщик скорости обучения.Алгоритмы оптимизации, которые мы использовали для задачи классификации с несколькими метками, были Adam, SGD и RMSprop. Значения скорости обучения варьировались от 0,0001 до 0,1, а значение импульса SGD составляло 9. Кроме того, оценка деменции оценивалась с помощью стратегии пятикратной перекрестной проверки.

(PDF) Может ли система подсчета очков с рисунком часов с 18 точками предсказать деменцию у пожилых людей с легкими когнитивными нарушениями?

Грубер, Н.П., Варнер, Р. В., Чен, Ю. В., и Лессер, Дж. М. (1997). Сравнение теста с рисунком часов

и Краткого портативного опросника психического статуса Пфайффера в клинике геропсихиатрии. Int J Geriatr

Psychiatry, 12 (5), 526-532.

Грундман М., Петерсен Р. К., Феррис С. Х., Томас Р. Г., Айзен П. С., Беннетт Д. А. и др. (2004).

Легкие когнитивные нарушения можно отличить от болезни Альцгеймера и нормального старения в клинических испытаниях

.Arch Neurol, 61 (1), 59-66.

Hachinski, V.C., Iliff, L.D., Zilhka, E., Du Boulay, G.H., McAllister, V.L., Marshall, J., et al. (1975).

Церебральный кровоток при деменции. Arch Neurol, 32 (9), 632-637.

Heinik, J., Solomesh, I., Lin, R., Raikher, B., Goldray, D., Merdler, C., et al. (2004). Тест рисования часов —

Модифицированный и интегрированный подход (CDT-MIA): описание и предварительная проверка его валидности

и надежности у пациентов с деменцией, направленных в специализированное психогериатрическое учреждение.J Geriatr Psychiatry

Neurol, 17 (2), 73-80.

Хендерсон В. В., Мак В. и Уильямс Б. В. (1989). Пространственная дезориентация при болезни Альцгеймера.

Архив неврологии, 46 (4), 391-394.

Herrmann, N., Kidron, D., Shulman, K. I., Kaplan, E., Binns, M., Soni, J., et al. (1999). Использование часов

тестов при шизофрении. Gen Hosp Psychiatry, 21 (1), 70-73.

Хьюз, К., Берг, Л., Данцигер, В., Кобен, Л., и Мартин, Р. (1982).Новая клиническая шкала для определения стадии деменции

. Британский журнал психиатрии, 140, 566-572.

Каплан Э. (1997). Процессный подход к нейропсихологической оценке. Семинар представлен

18-19 апреля 1997 г. в Монреале, Квебек, Канада.

Манос П. Дж. И Ву Р. (1994). Тест с десятью точками времени: быстрый скрининг и метод оценки когнитивных нарушений

у медицинских и хирургических пациентов. Int J Psychiatry Med, 24 (3), 229-244.

Маккхэнн, Г., Драхман, Д., Фолштейн, М., Кацман, Р., Прайс, Д., и Стадлан, Э. М. (1984). Клинический

диагноз болезни Альцгеймера: отчет рабочей группы NINCDS-ADRDA под эгидой

Целевой группы здравоохранения и социальных служб по болезни Альцгеймера. Неврология, 34, 939-944.

Мендес, М., Ала, Т., и Андервуд, К. (1992). Разработка критериев подсчета очков для рисования часов

задача при болезни Альцгеймера. Журнал Американского гериатрического общества, 40 (11), 1095-1099.

Мец, К. Э., Херман, Б. А., и Роу, К. А. (1998). Статистическое сравнение двух оценок ROC-кривой

, полученных из частично парных наборов данных. Принятие решений в медицине, 18 (1), 110-121.

Нуссбаум, П. Д., Филдс, Р. Д., и Старрат, К. (1992). Сравнение трех процедур подсчета очков для чертежа часов

.

Паганини-Хилл, А., Кларк, Л. Дж., Хендерсон, В. В., и Бирдж, С. Дж. (2001). Рисунок часов: анализ в пенсионном сообществе

.J Am Geriatr Soc, 49 (7), 941-947.

Петерсен, Р. К., Смит, Г. Э., Ивник, Р. Дж., Тангалос, Э. Г., Шайд, Д. Дж., Тибодо, С. Н. и др.

(1995). Статус аполипопротеина E как предиктор развития болезни Альцгеймера в памяти —

21

Бабинс и др. «Рисунок часов в MCI», стр. 21

Протокол оценки рисунка для взрослых с афазией: рубрика для оценки

Аннотация

Целью данного исследования было определить, была ли оценочная рубрика, разработанная исследователь мог различать баллы по протоколу оценки рисунков (DAP) (Alarcon, 2007) для лиц с афазией и для лиц, не имевших в анамнезе конкретного языкового расстройства.На основе этих оценок исследование также стремилось выяснить, справляются ли взрослые с афазией по-разному на DAP по сравнению со взрослыми, не имеющими в анамнезе приобретенных травм головного мозга. Кроме того, исследование было разработано, чтобы изучить возможные корреляции между результатами работы взрослых с афазии выполняются на DAP и в секции рисования Western Aphasia Battery — Revised (WAB-R) (Kertesz, 2006).