Exploring new strategies to record and analyse clinical electroretinograms
Notice bibliographique
Résumé
Abstract Purpose Investigate if the combination of time‐frequency domain analysis and ERG dipole rotation reveals hidden features of the normal ERG that could be instrumental in the interpretation of nearly extinguished ERG responses. Methods Analyses were conducted on photopic ERGs (Photopic Hills: PH) obtained from normal subjects (n=75) and patients (n=65) affected with various retinopathies. A Discrete Wavelet Transform (DWT) was done on each ERGs and key descriptors (Holder exponent and wavelet coefficient maxima) were calculated. Dipole rotation was obtained by combining 11 gaze positions (0, 8, 16, 24, 32 and 40 degrees nasal or temporal to center) with 4 electrode locations [corneal (CE), lower lid (LL), external (EC) and internal canthi (IC)]. Results The Holder exponent follows a parabola, while some of the local wavelet maxima seem to follow a PH‐like like distribution (b‐wave and OPs) or a logistic growth function (a‐wave). In still recordable pathological ERGs, the wavelet maxima matched that found in normal ERGs evoked at low stimulus intensities while in nearly extinguished ERGs (<10% of normal) the wavelet coefficients were significantly lower. Irrespective of the direction of gaze, there was little variation in DTL ERGs. EC ERGs were the only ones to reverse in polarity (seen 5 degrees nasal to fixation in nasal to temporal shift). Conclusion The parameters obtained with the DWT offers useful and reproducible tools to help identify subtle features of residual ERGs and therefore should allow for a more accurate quantification of low‐voltage ERGs responses. Finally, our results suggest that varying the gaze and electrode positions would represent a valuable addition to the recording of clinical ERGs. Funded by NSERC.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».