Targeted retinal spectroscopy: Towards a localized assessment of biomarkers in the eye fundus
Notice bibliographique
Résumé
Aims/Purpose: The non‐invasive evaluation of biomarkers for the screening, diagnosis, and monitoring of ocular and neurological diseases is receiving increasing attention. Targeted retinal spectroscopy (TRS) enables simultaneous imaging and high‐quality spectral analysis from specific regions of the eye fundus. It offers valuable information on the structure, composition, and function of retinal tissues. This study demonstrates the capabilities of TRS and assesses its effectiveness in retinal oximetry. Methods: The Zilia Ocular TRS platform was developed and evaluated. First, a reference target and a model eye were used to demonstrate the targeted spectral analysis. Then, Monte Carlo simulations were used to identify crucial TRS parameters—such as spectral range, resolution, noise, and tissue scattering—for retinal oximetry. Simultaneous imaging of the eye fundus and diffuse reflectance spectra acquisitions were performed in two targeted regions of the eye fundus of eight healthy subjects to determine blood oxygen saturation (StO2). Results: Experiments performed with the reference target and model eye showed precise and distinct spectral signatures for each targeted region. Simulation results showed that highest StO2 accuracy was obtained with a spectral range between 530 nm and 585 nm, while a resolution below 4 nm compromised the accuracy. In addition, acquisition areas larger than blood vessels led to an underestimation of StO2, and a linear correlation was found between the additive noise level and the variability of StO2. In vivo oximetry measurements revealed significant differences in StO2 between the optic nerve head and the parafovea. Conclusions: TRS opens up new possibilities for disease screening, diagnosis and monitoring, including assessing oximetry in glaucoma, diabetic retinopathy, age‐related macular degeneration, etc. To account for confounding factors, careful selection of acquisition parameters is crucial, as emphasized in this study.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».