A Comparison of the Tortuosity Phenomenon in Retinal Arteries and Veins Using Digital Image Processing and Statistical Methods
Notice bibliographique
Résumé
The tortuosity of retinal blood vessels is an important phenomenon, and it can act as a biomarker in the diagnosis of several eye diseases. The study of abnormalities in the tortuosity of retinal arteries and veins provides ophthalmologists with important information for disease diagnosis. Our study aims to compare the tortuosity relation between retinal arteries and veins by quantifying the vessels’ tortuosity in the retina using 14 tortuosity measures applied to the AV-classification retinal dataset. Two feature sets are created, one for arteries and the other for veins. The comparison between the tortuosity of arteries and veins is based on a two-sample T-test statistical method, a regression analysis between the quantified tortuosity features, principal component analysis at the dataset level, and the introduction of the arteriovenous length ratios concept to compare the variations in these new ratios to see the tortuosity behavior in each image. The methods’ results have shown that the tortuosity of retinal arteries and veins is similar. The result of the two-sample T-test supports the research hypothesis, as the P-value obtained was greater than 0.05. Furthermore, the regression analysis between arteries and veins features showed a high correlation (r2 = 89.39% and 89.11%) for arteries and veins, respectively. The study concludes that the retinal vessel type has no statistical significance in the tortuosity calculation results.
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 ».