Fundus autofluorescence features in the inflammatory maculopathies
Notice bibliographique
Résumé
PURPOSE: To describe the fundus autofluorescence (FAF) features of the inflammatory maculopathies and develop a quantification method for FAF analysis. METHODS: This is a retrospective, consecutive case series of patients with inflammatory maculopathies from two tertiary centers. The clinical findings, demographics, and FAF imaging characteristics were reviewed. Foveal autofluorescence (AF) was analyzed. Median and standard deviation (SD) of foveal AF intensity were measured. RESULTS: Thirty eyes of 15 patients were evaluated with both qualitative and quantitative FAF analysis. In acute macular neuroretinopathy, the active phase showed foveal hypoautofluorescence, which became hypoautofluorescent with resolution. In acute posterior multifocal placoid pigment epitheliopathy, multiple lesions with hypoautofluorescent centers with hyperautofluorescent borders were observed in active disease and became hypoautofluorescent with disease convalescence. In multifocal choroiditis and punctate inner choroiditis, the active hyperautofluorescent lesions progressed to inactive, hypoautofluorescent scars. Active serpiginous choroiditis showed hyperautofluorescent borders adjacent to a helicoid-shaped, hypoautofluorescent scar. Active unilateral acute idiopathic maculopathy (UAIM) showed a complex pattern of hypo- and hyperautoflourescence in the macula. The median foveal AF was the greatest in acute macular neuroretinopathy and UAIM among the maculopathies, while the greatest SD of foveal AF intensity was observed in UAIM. CONCLUSION: The active phase of the majority of inflammatory maculopathies was characterized by hyperautofluorescent lesions. Increased SD of foveal AF correlated with a mixture of hypo-and hyperautoflourescence. Median and SD may be useful metrics in foveal AF and quantifiable values that may be assessed over time as a disease process evolves. Improvements in quantification methods of FAF imaging may allow us to objectively evaluate posterior uveitis.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».