MétaCan
Menu
Retour à la cohorte
Enregistrement W2012575840 · doi:10.1117/12.876579

Advanced capabilities of the multimodal adaptive optics imager

2011· article· en· W2012575840 sur OpenAlexafffund
Daniel X. Hammer, R. Daniel Ferguson, Mircea Mujat, David P. Biss, Nicusor Iftimia, Ankit H. Patel, Emily Plumb, Melanie C. W. Campbell, Jennifer L. Norris, Alfredo Dubra, Toco Yuen Ping Chui, James D. Akula, Anne B. Fulton

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institutes of HealthUniversity of Waterloo
Mots-clésScanning laser ophthalmoscopyAdaptive opticsOptical coherence tomographyComputer scienceOpticsFourier domainComputer visionArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

We recently developed several versions of a multimodal adaptive optics (AO) retinal imager, which includes highresolution scanning laser ophthalmoscopy (SLO) and Fourier domain optical coherence tomography (FDOCT) imaging channels as well as an auxiliary wide-field line scanning ophthalmoscope (LSO). Some versions have also been equipped with a fluorescence channel and a retinal tracker. We describe the performance of three key features of the multimodal AO system including: simultaneous SLO/OCT imaging, which allows SLO/OCT co-registration; a small animal imaging port, which adjusts the beam diameter at the pupil from 7.5 to 2.5 mm for use with small animals ubiquitous in biological research or for extended depth-of-focus imaging in humans; and slow scan Doppler flowmetry imaging using the wide field auxiliary LSO imaging channel. The systems are currently deployed in several ophthalmology clinics and research laboratories and several investigations have commenced on patients with a variety of retinal diseases and animals in vision research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetRetinal Diseases and TreatmentsTravaux en français237 207