FAZSeg: A New Software for Quantification of the Foveal Avascular Zone
Notice bibliographique
Résumé
INTRODUCTION: Various ocular diseases and high myopia influence the anatomical reference point Foveal Avascular Zone (FAZ) dimensions. Therefore, it is important to segment and quantify the FAZs dimensions accurately. To the best of our knowledge, there is no automated tool or algorithms available to segment the FAZ's deep retinal layer. The paper describes a new open-access software with a Graphical User Interface (GUI) and compares the results with the ground truth (manual segmentation). METHODS: Ninety-three healthy normal subjects included 30 emmetropia and 63 myopic subjects without any sight-threatening retinal conditions, were included in the study. The 6mm x 6mm using the Angioplex protocol (Cirrus 5000 Carl Zeiss Meditec Inc., Dublin, CA) was used, and all the images were aligned with the centre of the fovea. Each FAZ image corresponding to dimensions 420×420 pixels were used in this study. These FAZ image dimensions for the superficial and deep layers were quantified using the New Automated Software Method (NAM). The NAM-based FAZ dimensions were validated with the ground truth. RESULTS: The age distribution for all 93 subjects was 28.02 ± 10.79 (range, 10.0-66.0) years. For normal subjects mean ± SD age distribution was 32.13 ± 16.27 years. Similarly, the myopia age distribution was 26.06 ± 6.06 years. The NAM had an accuracy of 91.40%. Moreover, the NAM on superficial layer FAZ gave a Dice Similarity Coefficient (DSC) score of 0.94 and Structural Similarity Index Metric (SSIM) of 0.97, while the NAM on deep layer FAZ gave a DSC score of 0.96 and SSIM of 0.98. CONCLUSION: A clinician-based GUI software was designed and tested on the FAZ images from deep and superficial layers. The NAM outperformed the device's inbuilt algorithm when measuring the superficial layer. This open-source software package is in the public domain and can be downloaded online.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».