Mostrar el registro sencillo del ítem

dc.contributor.authorToledo Cortés, Santiago
dc.contributor.authorDubis, Adam M.
dc.contributor.authorGonzález, Fabio A.
dc.contributor.authorMüller, Henning
dc.date.accessioned2024-12-10T19:04:03Z
dc.date.available2024-12-10T19:04:03Z
dc.date.issued2023-11
dc.identifier.citationToledo-Cortés, S., Dubis, A. M., González, F. A., & Müller, H. (2023). Deep Density Estimation for Cone Counting and Diagnosis of Genetic Eye Diseases From Adaptive Optics Scanning Light Ophthalmoscope Images. Translational Vision Science & Technology, 12(11), 25–25. https://doi.org/10.1167/tvst.12.11.25es_CO
dc.identifier.issn2164-2591
dc.identifier.otherhttps://pubmed.ncbi.nlm.nih.gov/37982767/
dc.identifier.urihttp://hdl.handle.net/10818/63116
dc.description10 páginases_CO
dc.description.abstractObjetivo: La obtención de imágenes mediante oftalmoscopio óptico de barrido adaptativo (AOSLO) ofrece una vista microscópica de la retina viva, lo que resulta prometedor para el diagnóstico y la investigación de enfermedades oculares como la retinitis pigmentosa y la enfermedad de Stargardt. El impacto clínico de la tecnología AOSLO depende de la detección temprana mediante herramientas de análisis automatizadas. Métodos: Presentamos la estimación de densidad de conos (CoDE) y CoDE para diagnóstico (CoDED). CoDE es un modelo de estimación de densidad profunda para el recuento de conos que estima una función de densidad cuya integral es igual al número de conos. CoDED es una integración de CoDE con clasificadores de imágenes profundas para diagnóstico. Utilizamos dos conjuntos de datos de imágenes AOSLO para entrenar y evaluar el rendimiento de los modelos de estimación y clasificación de densidad de conos para la retinitis pigmentosa y la enfermedad de Stargardt. Resultados: Los gráficos de Bland-Altman muestran que CoDE supera a los modelos de última generación para la estimación de la densidad de conos. CoDED informó una puntuación F1 de 0,770 ± 0,04 para la clasificación de enfermedades, superando a las redes convolucionales tradicionales. Conclusiones: CoDE muestra resultados prometedores en la clasificación de casos de retinitis pigmentosa y enfermedad de Stargardt a partir de una única imagen AOSLO. Nuestros resultados preliminares sugieren el posible papel del análisis de patrones en el mosaico celular de la retina para ayudar en el diagnóstico de enfermedades oculares genéticas. Relevancia traslacional: Nuestro estudio explora el potencial de los modelos de estimación de densidad profunda para ayudar en el análisis de imágenes AOSLO. Aunque los resultados iniciales son alentadores, se necesita más investigación para aprovechar al máximo el potencial de dichos métodos en el tratamiento y estudio de patologías genéticas de la retina.es_CO
dc.formatapplication/pdfes_CO
dc.language.isoenges_CO
dc.publisherTranslational vision science & technologyes_CO
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subject.otherEnfermedades oculares
dc.subject.otherImágenes de oftalmoscopios
dc.subject.otherÓptica adaptativa
dc.titleDeep density estimation for cone counting and diagnosis of genetic eye diseases from adaptive optics scanning light ophthalmoscope imageses_CO
dc.typejournal articlees_CO
dc.type.hasVersionpublishedVersiones_CO
dc.rights.accessRightsopenAccesses_CO
dc.identifier.doi10.1167/tvst.12.11.25


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional