Morphometry of Cells and Guttae in Subjects With Normal or Guttate Endothelium With a Contour Detection Algorithm
Notice bibliographique
Résumé
PURPOSE: To develop a semiautomatic method to analyze morphology of cells and guttae in corneal endothelium. METHODS: Specular endothelial pictures from 42 and 21 subjects with healthy and guttate corneas, respectively, were analyzed independently by two observers with cell contour-extracting routines. One observer also analyzed healthy endothelia with the Corner method (Bambi). Differences between observers and between methods in mean cell area (MCA), coefficient of variation (CV), and percentage of cells with five, six, or seven sides were tested for significance with paired t tests. The Contour analysis of pictures with guttae included their mean area. RESULTS: There were no significant differences in MCA, CV, or the percentage of cells with five, six, or seven sides between the measurements obtained on repeated analysis by the same observer or on a second analysis performed by a different observer with the Contour method. However, the differences between the Contour and Bambi methods were statistically significant for MCA (337.5 +/- 37.7 vs. 327.7 +/- 36.5), CV (0.32 +/- 0.05 vs. 0.30 +/- 0.05), and percentage of cells with six and seven sides, but not for the percentage of five-sided cells. In subjects with guttata, the MCA was 561 +/- 170 microm, and the mean area of guttae was 1,538 +/- 849 microm. CONCLUSIONS: This detection algorithm is repeatable and reproducible, and it generates a cell border overlay useful in analyzing the morphology of cells and guttae. The analysis of corneal guttae could become a useful follow-up procedure to discriminate between patients with corneal guttata and Fuchs dystrophy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».