Pigment epithelial detachment composition indices (PEDCI) in neovascular age-related macular degeneration
Notice bibliographique
Résumé
We provide an automated analysis of the pigment epithelial detachments (PEDs) in neovascular age-related macular degeneration (nAMD) and estimate areas of serous, neovascular, and fibrous tissues within PEDs. A retrospective analysis of high-definition spectral-domain OCT B-scans from 43 eyes of 37 patients with nAMD with presence of fibrovascular PED was done. PEDs were manually segmented and then filtered using 2D kernels to classify pixels within the PED as serous, neovascular, or fibrous. A set of PED composition indices were calculated on a per-image basis using relative PED area of serous (PEDCI-S), neovascular (PEDCI-N), and fibrous (PEDCI-F) tissue. Accuracy of segmentation and classification within the PED were graded in masked fashion. Mean overall intra-observer repeatability and inter-observer reproducibility were 0.86 ± 0.07 and 0.86 ± 0.03 respectively using intraclass correlations. The mean graded scores were 96.99 ± 8.18, 92.12 ± 7.97, 91.48 ± 8.93, and 92.29 ± 8.97 for segmentation, serous, neovascular, and fibrous respectively. Mean (range) PEDCI-S, PEDCI-N, and PEDCI-F were 0.253 (0-0.952), 0.554 (0-1), and 0.193 (0-0.693). A kernel-based image processing approach demonstrates potential for approximating PED composition. Evaluating follow up changes during nAMD treatment with respect to PEDCI would be useful for further clinical applications.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».