MétaCan
Menu
Retour à la cohorte
Enregistrement W4389474125 · doi:10.1109/access.2023.3341354

A Novel System for Ocular Surface Temperature Measurement and Tracking

2023· article· en· W4389474125 sur OpenAlexafffund
Ehsan Zare Bidaki, Alexander Wong, Paul J. Murphy

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Surface and Contact Lens
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer visionArtificial intelligenceComputer sciencePixelSegmentationTracking (education)Intersection (aeronautics)Image segmentationTracking systemPoint (geometry)Mean squared errorMathematicsKalman filterGeography

Résumé

récupéré en direct d'OpenAlex

Ocular surface temperature (OST) is affected by changes in eye physiology caused by normal homeostasis, environmental changes, or systemic and local disease. OST can help a physician diagnose eye disease with improved accuracy and provide useful information for eye research. This paper presents a novel system, including novel hardware design and novel algorithms, capable of automatically measuring and tracking OST from the cornea over any period of time. The system uses an infrared (IR) camera and a visible (VIS) camera to capture synchronous thermal and visible videos, respectively, from the eye surface. The frames for each camera video sequence are then registered together (video registration) using two sets of control points. The points are manually selected on the first pair of timestamped IR/VIS frames and tracked over all subsequent frames using the Lucas–Kanade (LK) optical flow algorithm (point tracking). A mean square error (MSE) of 5.43±2.01 pixels was reported for salient point tracking of the IR video and 6.81±2.32 pixels for tracking of the VIS video. Overall MSE for registration was 5.03 ±1.82 pixels. The corneal area was segmented in the VIS images and localized on the IR images using the semantic segmentation method (corneal segmentation). A mean Intersection over Union (IoU) of 94.6% was found, representing the accuracy of corneal segmentation. A system for measuring and tracking eye surface temperature over time was developed. The system is able to localize the cornea on both VIS and IR images, and report temperature profiles of the cornea over the period of measurement. Experimental results show that the system can work as a tool for measuring and tracking OST over time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,318
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetOcular Surface and Contact LensTravaux en français237 207