Polarization-Diversity Optical Coherence Tomography Assessment of Choroidal Nevi
Notice bibliographique
Résumé
Purpose: The purpose of this study was to demonstrate the utility of polarization-diversity optical coherence tomography (PD-OCT), a noninvasive imaging technique with melanin-specific contrast, in the quantitative and qualitative assessment of choroidal nevi. Methods: Nevi were imaged with a custom-built 55-degree field-of-view (FOV) 400 kHz PD-OCT system. Imaging features on PD-OCT were compared to those on fundus photography, auto-fluorescence, ultrasound, and non-PD-OCT images. Lesions were manually segmented for size measurement and metrics for objective assessment of melanin distributions were calculated, including degree of polarization uniformity (DOPU), attenuation coefficient, and melanin occupancy rate (MOR). Results: We imaged 17 patients (mean age = 69.5 years, range = 37-90) with 11 pigmented, 3 non-pigmented, and 3 mixed pigmentation nevi. Nevi with full margin acquisition had an average longest basal diameter of 5.1 mm (range = 2.99-8.72 mm) and average height of 0.72 mm (range = 0.37 mm-2.09 mm). PD-OCT provided clear contrast of choroidal melanin content, distribution, and delineation of nevus margins for melanotic nevi. Pigmented nevi were found to have lower DOPU, higher attenuation coefficient, and higher MOR than non-pigmented lesions. Melanin content on PD-OCT was consistent with pigmentation on fundus in 15 of 17 nevi (88%). Conclusions: PD-OCT allows objective assessment of choroidal nevi melanin content and distribution. In addition, melanin-specific contrast by PD-OCT enables clear nevus margin delineation and may improve serial growth surveillance. Further investigation is needed to determine the clinical significance and prognostic value of melanin characterization by PD-OCT in the evaluation of choroidal nevi.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| 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 ».