A Novel Device for Smartphone-Based Fundus Imaging and Documentation in Clinical Practice: Comparative Image Analysis Study
Notice bibliographique
Résumé
BACKGROUND: Smartphone-based fundus imaging allows for mobile and inexpensive fundus examination with the potential to revolutionize eye care, particularly in lower-resource settings. However, most smartphone-based fundus imaging adapters convey image quality not comparable to conventional fundus imaging. OBJECTIVE: The purpose of this study was to evaluate a novel smartphone-based fundus imaging device for documentation of a variety of retinal/vitreous pathologies in a patient sample with wide refraction and age ranges. METHODS: Participants' eyes were dilated and imaged with the iC2 funduscope (HEINE Optotechnik) using an Apple iPhone 6 in single-image acquisition (image resolution of 2448 × 3264 pixels) or video mode (1248 × 1664 pixels) and a subgroup of participants was also examined by conventional fundus imaging (Zeiss VISUCAM 500). Smartphone-based image quality was compared to conventional fundus imaging in terms of sharpness (focus), reflex artifacts, contrast, and illumination on semiquantitative scales. RESULTS: A total of 47 eyes from 32 participants (age: mean 62.3, SD 19.8 years; range 7-93; spherical equivalent: mean -0.78, SD 3.21 D; range: -7.88 to +7.0 D) were included in the study. Mean (SD) visual acuity (logMAR) was 0.48 (0.66; range 0-2.3); 30% (14/47) of the eyes were pseudophakic. Image quality was sufficient in all eyes irrespective of refraction. Images acquired with conventional fundus imaging were sharper and had less reflex artifacts, and there was no significant difference in contrast and illumination (P<.001, P=.03, and P=.10, respectively). When comparing image quality at the posterior pole, the mid periphery, and the far periphery, glare increased as images were acquired from a more peripheral part of the retina. Reflex artifacts were more frequent in pseudophakic eyes. Image acquisition was also possible in children. Documentation of deep optic nerve cups in video mode conveyed a mock 3D impression. CONCLUSIONS: Image quality of conventional fundus imaging was superior to that of smartphone-based fundus imaging, although this novel smartphone-based fundus imaging device achieved image quality high enough to document various fundus pathologies including only subtle findings. High-quality smartphone-based fundus imaging might represent a mobile alternative for fundus documentation in clinical practice.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».