Validation of a semi-quantitative scoring system and workflow for analysis of fluorescence quantification in companion animals
Notice bibliographique
Résumé
Significance Many commercially available near-infrared (NIR) fluorescence imaging systems lack algorithms for real-time quantifiable fluorescence data. Creation of a workflow for clinical assessment and post hoc analysis may provide clinical researchers with a method for intraoperative fluorescence quantification to improve objective outcome measures. Aim Scoring systems and verified image analysis are employed to determine the amount and intensity of fluorescence within surgical specimens both intra and postoperatively. Approach Lymph nodes from canine cancer patients were obtained during lymph node extirpation following peritumoral injection of indocyanine green (ICG). First, a semi-quantitative assessment of surface fluorescence was evaluated. Images obtained with a NIR exoscope were analysed to determine fluorescence thresholds and measure fluorescence amount and intensity. Results Post hoc fluorescence quantification (threshold of Hue = 165–180, Intensity = 30–255) displayed strong agreement with semi-quantitative scoring (k = 0.9734, p < 0.0001). Fluorescence intensity with either threshold of 35–255 or 45–255 were significant predictors of fluorescence and had high sensitivity and specificity (p < 0.05). Fluorescence intensity and quantification had a strong association (p < 0.001). Conclusion The validation of the semi-quantitative scoring system by image analysis provides a method for objective in situ observation of tissue fluorescence. The utilization of thresholding for ICG fluorescence intensity allows post hoc quantification of fluorescence when not built into the imaging system.
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 | 0,023 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».