3D-Printed eye phantoms as physiological and pathological standards for training and instrument development
Notice bibliographique
Résumé
Early identification of conditions that can lead to blindness is critical for saving vision. The optical red-reflex test (RRT), which assesses the light reflections from the back of the eye, is a key exam for identifying adverse eye conditions in very young children. However, healthcare workers generally learn the RRT using peer practice and do not have the opportunity to observe abnormal reflexes, especially for rarer conditions, during training. The light reflections also differ in appearance between populations due to different pigmentation levels, so effective training requires practice with a diverse population. We have developed a set of 3D model eyes that aim to accurately mimic the response of eyes with varying pigmentation levels in the RRT, both for healthy eyes and pathologies that can be identified using the RRT. We characterized the optical properties of a set of full-color 3D printing materials (a white scattering material and four transparent colors - cyan, magenta, yellow and black). These properties were used to determine the number of layers, layer thicknesses, and color and scattering material combinations needed to match the reflectance of different fundi, given the constraints of the 3Dprinter. The model eyes can be used as an inexpensive tool for training a wide variety of health professionals to recognize abnormal reflections from the eye and as a reference standard for developing or calibrating eye screening instruments and tools.
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 | 0,000 |
| 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 ».