OCT-Detected Optic Nerve Head Neural Canal Direction, Obliqueness, and Minimum Cross-Sectional Area in Healthy Eyes
Notice bibliographique
Résumé
Purpose To assess anterior scleral canal opening (ASCO) offset relative to Bruch's membrane opening (BMO) (ASCO/BMO offset) so as to determine neural canal direction, obliqueness, and minimum cross-sectional area (NCMCA) in 362 healthy eyes. Design Cross-sectional study. Methods After optical coherence tomography optic nerve head and retinal nerve fiber layer thickness (RNFLT) imaging, BMO and ASCO were manually segmented. Planes, centroids, size, and shape were calculated. Neural canal direction was defined by projecting the neural canal axis vector (connecting BMO and ASCO centroids) onto the BMO plane. Neural canal obliqueness was defined by the angle between the neural canal axis and the BMO plane perpendicular vector. NCMCA was defined by projecting BMO and ASCO points onto a neural canal axis perpendicular plane and measuring the area of overlap. The angular distance between superior and inferior peak RNFLT was measured, and correlations between RFNLT, BMO, ASCO, ASCO/BMO offset, and NCMCA were assessed. Results Mean (SD) NCMCA was significantly smaller than either the BMO or ASCO area (1.33 (0.42), 1.82 (0.38), 2.22 (0.43) mm 2 , respectively), and most closely correlated to RNFLT ( P < .001, R 2 = 0.158). Neural canal direction was most commonly superior-nasal (55%). Mean neural canal obliqueness was 39.4° (17.3°). The angular distance between superior and inferior peak RNFLT correlated to neural canal direction ( P ≤ .008, R 2 = 0.093). Conclusions ASCO/BMO offset underlies neural canal direction, obliqueness, and NCMCA. RNFLT is more strongly correlated to NCMCA than to BMO or ASCO, and its peripapillary distribution is influenced by neural canal direction.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».