The Foveal Avascular Zone Image Database (FAZID)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Foveal Avascular Zone (FAZ) is of clinical importance since the vascular arrangement around the fovea changes with disease and refractive state of the eye. Therefore, it is important to segment and quantify the FAZ accurately. Studies done to date have achieved reasonable segmentation but there is a need for considerable improvement. In order to test and validate newly developed automated segmentation algorithms, we have created a public dataset of these retinal fundus images. The 304 images in the dataset are classified into: diabetic (107), myopic (109) and normal (88) eyes. The images were classified by a clinical expert and include clinical grading of diabetic retinopathy and myopia. The images are of dimensions 420 x 420 pixels (6mm x 6mm of retina). Both clear and manually segmented by a clinical expert (ground truth) images are available (608 total images). In these images, the FAZ is the green region marked in manually segmented image. The images can be used to test newly developed techniques and the manual segmentation images can be used as a ground truth for making performance comparisons and validation. It should also be noted there are only a few studies using supervised learning to segment the FAZ and this dataset will potentially be useful for machine learning training and validation. The image database, The Foveal Avascular Zone Image Database (FAZID) dataset can be accessed from the ICPSR website at the University of Michigan (https://doi.org/10.3886/E117543V2).
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.
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 | 0,001 |
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 découle