Improvement and validation of high precision ocular oximetry using a convolutional neural network algorithm and a phantom eye
Notice bibliographique
Résumé
Abstract Retinal oximetry is a non‐invasive imaging technology that enables the measurement of oxygen saturation (StO 2 ) in the eye fundus. The goal of this research was to validate a convolutional neural network (CNN) algorithm designed to calculate and improve the precision of StO 2 measurements from diffuse reflectance spectra (DRS) taken on the optic nerve head (ONH). Zilia’s multi‐wavelength retinal oximetry device was used to acquire experimental spectra from the ONH which allowed us to simulate reasonable digital spectra replicates with known absorber concentrations. These spectra were used to train a novel machine learning algorithm based on CNN. The device was then used to acquire diffuse reflectance spectra on several ONH‐mimicking liquid optical phantoms (phantom eye) with dynamic oxygenation cycles between 0% ‐ 100% in order to validate the improvements of this CNN on experimental data. Measurements were made simultaneously with gold standard devices for comparison. The procedure was then repeated with several cataract‐simulating contact lenses integrated in the optical path to show the robustness of oximetry measurements. We found good agreement in StO 2 measurements between the results obtained with the Zilia device using the CNN algorithm and the gold standard references in all phantom cases. Applying the various algorithms to data acquired on the validation phantom show the marked improvements in using the CNN on experimental data, validating its high potential for clinical use. We specifically show strong robustness in precision, even when cataract‐simulating lenses were used. We present further validation that the oximetry device and CNN algorithm produces reliable, precise measurements even under conditions where blood volume fractions vary, optical scattering changes, and cataract‐simulating contact lenses are included.
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) | 0,000 | 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 | 0,000 |
| 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 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 ».