In Vivo Contactless, Cellular-Resolution Imaging of the Healthy and Pathological Human Limbus With 250-kHz Point-Scanning SD-OCT
Notice bibliographique
Résumé
Purpose: To demonstrate that high-seed, ultra-high-resolution spectral-domain optical coherence tomography (SD-OCT) technology can image in vivo fine morphological features in the healthy and pathological human limbus. Methods: A compact, fiberoptic SD-OCT system was developed for imaging the human limbus. It combines ∼1.5-µm isotropic spatial resolution in ocular tissue and an acquisition rate of 250,000 A-scans per second. The imaging probe was outfitted with two microscope objectives to provide flexibility in the choice of wide field of view and extended depth of focus versus high lateral resolution. The clinical potential of the system was evaluated by imaging subjects with limbal stem cell dysfunction (LSCD; n = 4) and healthy controls (n = 6). Results: Limbus images acquired from the healthy controls showed normal cellular structure of the limbal crypts, palisades of Vogt (POVs), and vasculature of the underlying scleral tissue. Images acquired from the LSCD subjects showed distortions or absence of POVs, invasion of highly scattering conjunctival tissue over the limbal and peripheral corneal epithelium, scarring and thinning of the limbal epithelium, and neovascularization. Conclusions: The combination of high OCT spatial resolution and rapid image acquisition rate allows for in vivo, contactless, volumetric visualization of fine morphological details that could be beneficial for the precise diagnosis and grading of LSCD, planning of treatment, and evaluation of the effectiveness of the treatment approaches. Translational Relevance: The OCT technology described here could improve the clinical diagnostics and grading of LSCD, preoperative planning, and postoperative evaluation of LSCD subjects, in addition to monitoring the effectiveness of various LSCD treatments.
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 | 0,000 | 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) | 0,001 | 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 ».