Correlation of point-wise retinal sensitivity with localized features of diabetic macular edema using deep learning
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the association between localized features of diabetic macular edema (DME) and point-wise retinal sensitivity (RS) assessed with microperimetry (MP) using deep learning (DL)-based automated quantification on optical coherence tomography (OCT) scans. DESIGN: Cross-sectional study. PARTICIPANTS: Twenty eyes of 20 subjects with clinically significant DME were included in this study. METHODS: Patients with DME visible on OCT scans (Spectralis Heidelberg Retina Angiograph [HRA]+OCT) completed 2 MP examinations using a custom 45 stimuli grid on MAIA (CenterVue). MP stimuli were coregistered with the corresponding OCT location using image registration algorithms. DL-based algorithms were used to quantify intraretinal fluid (IRF) and ellipsoid zone (EZ) thickness. Hard exudates (HEs) were quantified semiautomatically. Multivariable mixed-effect models were calculated to investigate the association between DME-specific OCT features and point-wise RS. As EZ thickness values below HEs were excluded, the models included either EZ thickness or HEs. RESULTS: A total of 1800 MP stimuli from 20 eyes of 20 patients were analyzed. Stimuli with IRF (n = 568) showed significantly decreased RS compared to areas without (estimate [95% CI]: -1.11 dB [-1.69, -0.52]; p = 0.0002). IRF volume was significantly negatively (-0.45 dB/nL [-0.71; -0.18]; p = 0.001) and EZ thickness positively (0.14 dB/µm [0.1; 0.19]; p < 0.0001) associated with localized point-wise RS. In the multivariable mixed model, including HE volume instead of EZ thickness, a negative impact on RS was observed (-0.43/0.1 nL [-0.81; -0.05]; p = 0.027). CONCLUSIONS: DME-specific features, as analyzed on OCT, have a significant impact on point-wise RS. IRF and HE volume showed a negative and EZ thickness, a positive association with localized RS.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».