Corneal, Limbal, and Conjunctival Epithelial Thickness from Optical Coherence Tomography
Notice bibliographique
Résumé
PURPOSE: To compare human central corneal, limbal and bulbar conjunctival epithelial thickness in vivo using an Optical Coherence Tomographer (OCT). METHODS: Thirteen healthy human subjects participated in this study. An OCT (Carl Zeiss, Meditec, Dublin, CA) was used to image central cornea, temporal corneo-scleral limbus and bulbar conjunctiva of the left eye. Two images were taken at each location. Thirty central measurements were averaged from each image for quantifying epithelial thickness. RESULTS: In addition to the central cornea and limbal region, a band corresponding to bulbar conjunctival "epithelium" is apparent in OCT images, with respective thicknesses of 54.7 +/- 1.9 microm (mean +/- SD), 79.6 +/- 7.4 microm and 44.9 +/- 3.4 microm that are statistically significant different (repeated measures analysis of variance p < 0.01, post hoc test shows all p < 0.01). CONCLUSIONS: This study demonstrates that it is possible to image the epithelial tissue in humans in vivo using optical coherence tomography, and in these subjects, the corneo-limbal epithelium is the thickest, while the bulbar conjunctival epithelium is the thinnest and the corneal epithelium has intermediate thickness.
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) | 0,002 | 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 ».