Optic nerve oximetry mapping using a novel metabolic hyperspectral retinal camera
Notice bibliographique
Résumé
Abstract Purpose Oximetry measurement of the principal retinal vessels represents a first step towards understanding retinal metabolic state. Spectral imaging is expected to significantly enhance metabolic state evaluation via local fundus oximetry determination. In this preliminary study, we focus on the oximetry of the entire optic nerve head (ONH) microvasculature from datasets obtained with a novel metabolic hyperspectral retinal camera (MHRC). Methods Five healthy volunteers had retinal images captured between 490‐650 nm in steps of 5 nm using a prototype MHRC (Optina Diagnostics, Montreal, Canada) based on a tunable laser source that permits the selection of a specific wavelength (2 nm bandwidth) from a supercontinuum source. Each subject's data was fit to a model where oxy‐ and deoxyhemoglobin are the main absorbers and scattering is modeled by a log(1/wavelength) term. The fitted parameters were used to extract an estimation of oxygen saturation and total hemoglobin content. Results The local oximetry and hemoglobin content maps over the entire ONH microvasculature were extracted for all subjects from the spectral‐rich information. Physiologically plausible oxygen saturation values were obtained for all subjects over this region (mean 58 +/‐ 6 %). Conclusion The oximetry and hemoglobin content maps of the ONH microvasculature obtained with the MHRC could ultimately contribute to the diagnostic and optimal management of diseases affecting the ONH such as glaucoma.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».