MétaCan
Menu
Back to cohort
Record W2968437676

Segmentación y valoración de la capa de fibras nerviosas de la retina mediante tomografía de coherencia óptica en pacientes con enfermedades neurodegenerativas

2016· article· es· W2968437676 on OpenAlexaboutno aff
Marcia L. Marques

Bibliographic record

VenueDialnet (Universidad de la Rioja) · 2016
Typearticle
Languagees
FieldMedicine
TopicRetinal Imaging and Analysis
Canadian institutionsnot available
Fundersnot available
KeywordsPhysicsHumanitiesRetinaMedicinePhilosophyOptics
DOInot available

Abstract

fetched live from OpenAlex

Titulo:Segmentacion y valoracion de la capa de fibras nerviosas de la retina mediante tomografia de coherencia optica en pacientes con enfermedades neurodegenerativas. Resumen: La retina es una parte del sistema nervioso central de facil acceso para el examen clinico. La capa de fibras nerviosas de la retina (CFNR) se compone fundamentalmente de axones no mielinizados de las celulas ganglionares de la retina, que envian la informacion visual de la retina al nucleo geniculado lateral. Las celulas ganglionares y sus axones son los componentes principales de la retina alrededor del nervio optico (90% del espesor de la retina) y tambien se encuentran presentes en la macula. Se pueden cuantificar a traves del uso de imagenes oculares como las obtenidas con la tomografia de coherencia optica (OCT), que es un metodo de imagen no invasivo, rapido, objetivo y reproducible para evaluar. La cuantificacion del espesor de la retina es una medicion directa de las fibras nerviosas y, por lo tanto detectar adelgazamiento de la CFNR en pacientes con enfermedades neurodegenerativas. La enfermedad de Parkinson es un proceso neurodegenerativo en el que el cambio patologico principal ocurre en las neuronas dopaminergicas de la sustancia nigra cerebral. Las principales anormalidades motoras que se producen en la EP se atribuyen principalmente a una degeneracion selectiva de estas neuronas que conduce a una severa reduccion de dopamina en el cuerpo estriado. 7 Asi mismo se, del dano axonal presente en enfermedades como la esclerosis multiple (EM), enfermedad de Parkinson (EP), enfermedad de Alzheimer (EA) y la enfermedad Charlevoix - Saguenay (ECS). La OCT es una nueva tecnologia de diagnostico por imagenes desarrollada en 1991, que proporciona imagenes de cortes transversales de tejido biologico de alta resolucion mediante la medicion de la intensidad y la duracion del tiempo de reflexion de la luz en los tejidos. Es una modalidad de imagen in situ de resolucion de 1 a 15 micras, mucha mas resolucion que otras tecnicas de imagen como el ultrasonido, la resonancia magnetica y la tomografia computarizada. La OCT es ampliamente utilizada en oftalmologia, ya que permite obtener imagenes de la retina y del segmento anterior del ojo que antes era imposible obtener con cualquier metodo no invasivo.25,26 Muchos estudios utilizan la OCT como un medio para detectar cambios en el espesor de la CFNR y la morfologia de la retina en enfermedades neurodegenerativas tales como la EP y la EM, e incluso para determinar la gravedad de la enfermedad y su progresion. La segmentacion de la retina realizada mediante tomografia de coherencia optica permite medir los espesores de las capas de la retina en las enfermedades neurodegenerativas. Cada una de estas capas se afecta de forma diferente en cada patologia neurodegenerativa. Se trata de un estudio longitudinal prospectivo que se ha llevado a cabo de modo coordinado entre los servicios de Oftalmologia y Neurologia del Hospital Universitario Miguel Servet de Zaragoza. La firma de un consentimiento informado fue un requisito necesario para la inclusion de los sujetos participantes en el estudio. El estudio ha seguido las directrices de la Declaracion de Helsinki para investigaciones biomedicas y ha sido aprobado por el comite etico de investigacion clinica de Aragon (CEICA) y por el Comite de Etica del Hospital Miguel Servet.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.157
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0000.002
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.008
GPT teacher head0.278
Teacher spread0.270 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueDialnet (Universidad de la Rioja)Same topicRetinal Imaging and AnalysisFrench-language works237,207