MétaCan
Menu
Retour à la cohorte
Enregistrement W3045843059 · doi:10.2196/17480

A Novel Device for Smartphone-Based Fundus Imaging and Documentation in Clinical Practice: Comparative Image Analysis Study

2020· article· en· W3045843059 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Health Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFundus (uterus)Image qualityContrast (vision)MedicineFundus cameraOphthalmologyArtificial intelligenceOptometryComputer visionComputer scienceOphthalmoscopyRetinalImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,414
Tête enseignante GPT0,655
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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