Computer-aided diagnosis of retinopathy in retinal fundus images of preterm infants via quantification of vascular tortuosity
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
Retinopathy of prematurity (ROP), a disorder of the retina occurring in preterm infants, is the leading cause of preventable childhood blindness. An active phase of ROP that requires treatment is associated with the presence of plus disease, which is diagnosed clinically in a qualitative manner by visual assessment of the existence of a certain level of increase in the thickness and tortuosity of retinal vessels. The present study performs computer-aided diagnosis (CAD) of plus disease via quantitative measurement of tortuosity in retinal fundus images of preterm infants. Digital image processing techniques were developed for the detection of retinal vessels and measurement of their tortuosity. The total lengths of abnormally tortuous vessels in each quadrant and the entire image were then computed. A minimum-length diagnostic-decision-making criterion was developed to assess the diagnostic sensitivity and specificity of the values obtained. The area ([Formula: see text]) under the receiver operating characteristic curve was used to assess the overall diagnostic accuracy of the methods. Using a set of 19 retinal fundus images of preterm infants with plus disease and 91 without plus disease, the proposed methods provided an overall diagnostic accuracy of [Formula: see text]. Using the total length of all abnormally tortuous vessel segments in an image, our techniques are capable of CAD of plus disease with high accuracy without the need for manual selection of vessels to analyze. The proposed methods may be used in a clinical or teleophthalmological setting.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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