Software development to optimize the minimal detectable difference in human airway images captured using optical coherence tomography
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
Optical coherence tomography (OCT) is an imaging methodology that can be used to assess human airways. OCT avoids the harmful effects of ionizing radiation and has a high spatial resolution making it well suited for imaging the structure of small airways. Analysis of OCT airway images has typically been performed manually by tracing the airway with a relatively high coefficient of variation. The purpose of this study was to develop an analysis tool to reduce the inter- and intra-observer reproducibility of OCT and improve the ability to detect differences in airways. OCT images from healthy, young human volunteers were used to develop and test the OCT software. Measurement software was developed to allow the conversion of the original image into a grayscale image and was followed by an enhancement operation to brighten the image, and contour measurement. A total of 140 OCT images, 70 small (<2 mm) and 70 medium (2-4 mm) sized airways were analyzed. The inter- and intraobserver reproducibility of airway measurements ranged for strong to very strong in the small-sized airways. For medium-sized airways the reproducibility was considered moderate. Bland-Altman bias was low between observers and observations for all measures. The minimal detectable differences in the airway measurements with our semi-automated software were lower relative to manual tracing in medium-sized airways. Our software improves the ability to perform quantitative OCT analysis and may help to quantify the extent of airway remodelling in respiratory disease or elite athletes in future studies.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle