Abstract P400: Screening for Hypertension Using Retinal Vascular Calibre in Ultra-Widefield Fundus Imaging
Notice bibliographique
Résumé
Fundus images from the left eyes of 440 subjects aged 50-59 years enrolled in the Northern Ireland Cohort of Longitudinal Ageing were analyzed. Subjects were categorized as normotensive or hypertensive, according to thresholds on systolic/diastolic blood pressure measurement (140/90 mm Hg) averaged over two sitting measurements in a clinical setting. A fully automatic system to analyze each image used conventional and deep neural network machine learning techniques to locate retinal landmarks and detect, classify and measure retinal vessels. From this data, a measure of the arteriolar-venular ratio (AVR) in the peripheral retina was calculated. Semi-automatic analysis was also performed. Results are presented in Table 1. Subjects had mean age of 54.6 ± 2.9 years; 56.1% (247 of 440) females, with 34.3% (151 of 440) subjects categorized as hypertensive. Narrower arterioles and smaller AVR were observed in subjects with hypertension. This was also observed in fully-automated analysis, however 4% (17 of 440) subjects failed to be processed by the system. In fully-automated analysis the area under a receiver operator characteristic curve of AVR for hypertensive status was 0.69 (95% CI, 0.63 to 0.74). Table 1 - Results for semi-automated and automated analysis of retinal vessel parameters. *p<0.005 Automated measurement of AVR in ultra-widefield fundus imaging was associated with hypertension. With further development, such as evaluation against diagnosis of hypertension obtained from ambulatory blood pressure monitoring clinics, this system could become a test for undiagnosed hypertension in people attending routine eye health check-ups.
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 | 0,000 | 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) | 0,002 | 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 ».