Limbus misrepresentation in parametric eye models
Notice bibliographique
Résumé
PURPOSE: To assess the axial, radial and tangential limbus position misrepresentation when parametric models are used to represent the cornea and the sclera. METHODS: This retrospective study included 135 subjects aged 22 to 65 years (36.5 mean ±9.8 STD), 71 females and 64 males. Topography measurements were taken using an Eye Surface Profiler topographer and processed by a custom-built MATLAB code. Eye surfaces were freed from edge-effect artefacts and fitted to spherical, conic and biconic models. RESULTS: When comparing the radial position of the limbus, average errors of -0.83±0.19mm, -0.76±0.20mm and -0.69±0.20mm were observed within the right eye population for the spherical, conic and biconic models fitted up to 5mm. For the same fitting radius, the average fitting errors were -0.86±0.23mm, -0.78±0.23mm and -0.73±0.23mm for the spherical, conic and biconic models respectively within the left eye population. For the whole cornea fit, the average errors were -0.27±0.12mm and -0.28±0.13mm for the spherical models, -0.02±0.29mm and -0.05±0.27mm for the conic models, and -0.22±0.16mm and 0.24±0.17mm for the biconic models in the right and left eye populations respectively. CONCLUSIONS: Through the use of spherical, conic and biconic parametric modelling methods, the eye's limbus is being mislocated. Additionally, it is evident that the magnitude of fitting error associated with the sclera may be propagating through the other components of the eye. This suggests that a corneal nonparametric model may be necessary to improve the representation of the limbus.
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 ».