The Use of Fractal Analysis and Photometry to Estimate the Accuracy of Bulbar Redness Grading Scales
Notice bibliographique
Résumé
purpose. To use physical attributes of redness to determine the accuracy of four bulbar redness grading scales, and to cross-calibrate the scales based on these physical measures. methods. Two image-processing metrics, fractal dimension (D) and percentage of pixel coverage (% PC), as well as photometric chromaticity were selected as physical measures, to describe and compare grades of bulbar redness among the McMonnies/Chapman-Davies scale, the Efron Scale, the Institute for Eye Research scale, and a validated scale developed at the Centre for Contact Lens Research. Two sets of images were prepared by using image processing: The first included multiple segments covering the largest possible region of interest (ROI) within the bulbar conjunctiva in the original images; the second contained modified scale images that were matched in size and resolution across scales, and a single, equally-sized ROI. To measure photometric chromaticity, the original scale images were displayed on a computer monitor, and multiple conjunctival segments were analyzed. Pearson correlation coefficients between each set of image metrics and the reference image grades were calculated to determine the accuracy of the scales. results. Correlations were high between reference image grades and all sets of objective metrics (all Pearson’s r ≥ 0.88, P ≤ 0.05); each physical attribute pointed to a different scale as being most accurate. Independent of the physical attribute used, there were wide discrepancies between scale grades, with almost no overlap when cross-calibrating and comparing the scales. conclusions. Despite the generally strong linear associations between the physical characteristics of reference images in each scale, the scales themselves are not inherently accurate and are too different to allow for cross-calibration.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».