Validation of 3D skin imaging for objective repeatable quantification of severity of atrophic acne scarring
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
Abstract Background One major sequelae of acne is atrophic scarring, yet objective tools to assess scars are lacking. Neither depth nor volume of atrophic scars is readily evaluable clinically and standard 2D photography is significantly affected by lighting and shadows. The aim of our study was to define and evaluate parameters of 3D imaging that can be used to assess severity of atrophic acne scarring. Methods Single center study of 31 patients with acne scarring. A target area of 3 × 3 cm was defined on the face. The global severity of atrophic acne scarring in the target area was evaluated by 5 dermatologists and scars were counted and categorized by size (scars < 2 mm, 2‐4 mm, and > 4 mm in diameter). Three dimensional images of the target area were acquired with the LifeViz Micro ® system and analysis was performed using MountainsMaps ® software. An algorithm was developed to quantify the scar volume loss: shape removal step, with an order 5 polynomial, and to calculate the Valley void volume 80% (Vvv 80%) defined in the ISO ‐25178 standard for 3D surface texture. Results Correlation coefficient of the Vvv parameter to mean global severity at the target area rating was 0.77. The volume of scars evaluated with the Vvv parameter was mainly impacted by scars > 2 mm. The evaluations demonstrated good repeatability (with an intra‐class correlation coefficient ICC = 0.98). Conclusions We demonstrate convergent validation to clinical assessment and repeatability of 3D skin imaging in atrophic acne scarring. Image analysis is straightforward and can be integrated into an automated workflow.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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