Fundus camera versus smartphone camera attachment: image quality analysis
Notice bibliographique
Résumé
Fundus cameras are the current clinical standard for capturing retinal images, which are used to diagnose a variety of sight-threatening conditions. Traditional fundus cameras are not easily transported, making them unsuitable for field use. In addition, traditional fundus cameras are expensive. Due to this, a variety of technologies have been developed such as the D-EYE Digital Ophthalmoscope (D-EYE Srl, Padova, Italy) which is compatible with various cellphone cameras. This paper reports on the comparison of the image quality of the Nidek RS-330 OCT Retina Scan Duo (Nidek, Tokyo, Japan) and the D-EYE paired with an iPhone 6 (Apple, Cupertino, USA). Twenty-one participants were enrolled in the study of whom 14 underwent nonmydriatic and mydriatic imaging with the D-EYE and the Nidek. Seven participants underwent nonmydriatic imaging with the D-EYE and the Nidek. The images were co-registered and cropped so that the region of interest was equal in both the D-EYE and Nidek images, as the D-EYE had a smaller field of view. Using the Nidek image as the reference, objective full-reference image quality analysis was performed. Metrics such as structural similarity index and peak signal noise ratio were obtained. It was found that the image quality of the D-EYE is limited by the attached iPhone camera, and is lower when compared to the Nidek. Quantification of the differences between the D-EYE and Nidek allows for targeted development of smartphone camera attachments that can help to bridge the current gap in image quality.
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 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,007 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».