Segmentation errors in macular ganglion cell analysis as determined by optical coherence tomography in eyes with macular pathology
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
BACKGROUND: To evaluate artifacts in macular ganglion cell inner plexiform layer (GCIPL) thickness measurement in eyes with retinal pathology using spectral-domain optical coherence tomography (SD OCT). METHODS: Retrospective analysis of color-coded maps, infrared images and 128 horizontal B-scans (acquired in the macular ganglion cell inner plexiform layer scans), using the Cirrus HD-OCT (Carl Zeiss Meditec, Dublin, CA). The study population included 105 eyes with various macular conditions compared to 30 eyes of 30 age-matched healthy volunteers. The overall frequency of image artifacts and the relative frequency of artifacts were stratified by macular disease. RESULTS: Scan errors and artifacts were found in 55.1% of the 13,440 B-scans in eyes with macular pathology and 26.8% of the 3840 scans in normal eyes. Segmentation errors were the most common scan error in both groups, with more common involvement of both segmentation borders in diseased eyes and anterior segmentation border in normal eyes. CONCLUSION: Segmentation errors and artifacts in SD OCT GCA are common in conditions involving the macula. These findings should be considered when assessing macular GCIPL thickness and careful assessment of scans is suggested.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle