Development of an Eye Model Using 3D-Printing for Correlating Measured Intraocular Pressure with Actual Internal Pressure
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to develop a 3D-printed eye model to simulate measuring intraocular pressure (IOP) as a training device, and to assess the correlation between measured IOP using common clinical techniques and actual internal pressure. METHODS: The IOP eye model was designed using CAD software and printed with a resin stereolithography (SLA) 3D-printer (Formlabs 3B, Formlabs Inc., MA, USA). Two clinical instruments, Tono-pen (Tono-Pen AVIA, Reichert Ophthalmic Instruments, USA), and Perkins hand-held tonometer (Clement Clarke Perkins Tonometer Mk2, Vision Equipment Inc., USA) were used for IOP measurements of the model. The pressure within the model was adjusted between 7 to 55 mmHg at 5 mmHg increments, and the IOP values of the tonometry were correlated to the internal pressure displayed on the gauge. RESULTS: < 0.0001). However, aligning the mires and measuring IOP accurately with the Perkins device was challenging. CONCLUSION: The 3D-printed eye model was able to strongly correlate IOP readings taken with a Tono-pen with internal pressure measured by a pressure gauge. The internal pressure of this model can be regulated and is envisioned as a potential model for practicing tonometry at different ranges of pressure.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».