Computerized Analysis of Retinal Vessel Width and Tortuosity in Premature Infants
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine, with novel software, the feasibility of measuring the tortuosity and width of retinal veins and arteries from digital retinal images of infants at risk of retinopathy of prematurity (ROP). METHODS: The Computer-Aided Image Analysis of the Retina (CAIAR) program was developed to enable semiautomatic detection of retinal vasculature and measurement of vessel tortuosity and width from digital images. CAIAR was tested for accuracy and reproducibility of tortuosity and width measurements by using computer-generated vessel-like lines of known frequency, amplitude, and width. CAIAR was then tested by using clinical digital retinal images for correlation of vessel tortuosity and width readings compared with expert ophthalmologist grading. RESULTS: When applied to 16 computer-generated sinusoidal vessels, the tortuosity measured by CAIAR correlated very well with the known values. Width measures also increased as expected. When the CAIAR readings were compared with five expert ophthalmologists' grading of 75 vessels on 10 retinal images, moderate correlation was found in 10 of the 14 tortuosity output calculations (Spearman rho = 0.618-0.673). Width was less well correlated (rho = 0.415). CONCLUSIONS: The measures of tortuosity and width in CAIAR were validated using sequential model vessel analysis. On comparison of CAIAR output with assessments made by expert ophthalmologists, CAIAR correlates moderately with tortuosity grades, but less well with width grades. CAIAR offers the opportunity to develop an automated image analysis system for detecting the vascular changes at the posterior pole, which are becoming increasingly important in diagnosing treatable ROP.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,010 |
| 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 découle