Comparison of foveal avascular zone in diabetic retinopathy, high myopia, and normal fundus images
Notice bibliographique
Résumé
To quantitatively describe and evaluate a new image processing technique for estimating the Foveal Avascular Zone (FAZ) in subjects with Diabetic Retinopathy and myopes. From a total of 328 images obtained from Diabetic Retinopathy (113), myopes (120) and normal (93), the FAZ dimensions were quantified using a new image processing algorithm. These parameters were also determined manually and by the OCT manufacturer’s inbuilt algorithm. In the new technique, the images were first pre-processed by using a DOG filter iteratively before being complemented followed by a Prewitt edge detection and repeated image dilation at angles of 00, 450 and 900. Image closure was then applied followed by noise and small object removal which resulted in the segmented boundary. For deeper insight into shape change, in addition to the diameter of the FAZ other parameters such as the area, diameter, major axis, minor axis, orientation, perimeter vessel avascular density (VAD), Vessel diameter Index (VDI), etc. were obtained. The circularity index was calculated using the FAZ area and perimeter parameters. The mean FAZ diameter (mm) by the new automated technique, manual-segmentation (ground truth), and inbuilt instrument algorithm were 0.67 ± 0.87, 0.67 ± 0.72 and 0.61 ± 0.14. The mean of FAZ area (mm2) was 0.36 ± 0.10, 0.33 ± 0.09 and 0.43 ± 0.14 in normal, myopia and diabetic subjects respectively. The new technique shows considerable improvement in accuracy (mean ± SD) when compared to the inbuilt system segmentation and the ground truth (manual marking by an expert clinician). The study results show that the FAZ area in Diabetic Retinopathy is significantly different (p=0.003) when compared to myopic eyes (p=0.016) and normals.
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 ».