Self-Supervised Feature Learning and Phenotyping for Assessing Age-Related Macular Degeneration Using Retinal Fundus Images
OftalmologiaSobre o estudo
- Desenho
- Ensaio clínico randomizado
- Nível de evidência
- 2 · Nova evidência
- Revista
- Ophthalmology. Retina
- Publicado em
- 2 jul 2021
- Citações
- 0
O resumo deste estudo é do publisher e não tem licença aberta: por isso mostramos aqui só os dados do estudo, e o texto fica na fonte original, nos links abaixo.
O estudo original
Self-Supervised Feature Learning and Phenotyping for Assessing Age-Related Macular Degeneration Using Retinal Fundus Images
Baladitya Yellapragada, Sascha Hornauer, Kiersten Snyder, Stella Yu, Glenn Yiu
Descritores MeSH
- Deep Learning
- Algorithms
- Macular Degeneration
- Retina
- Neural Networks, Computer
- Fluorescein Angiography
- Follow-Up Studies
- Fundus Oculi
- Humans
- Reproducibility of Results
Veja também
Estudos relacionados
- Correlação líquido/função utilizando quantificação baseada em IA versus espessura central de subcampo em pacientes sem tratamento prévio e pré-tratados com DMA neovascular em ambiente real
- Artificial intelligence for detection of age-related macular degeneration based on fundus images: A systematic review
- MAGIC: Study Design and Rationale for the Phase 2 Clinical Trial of Faricimab for Non-Proliferative Diabetic Retinopathy
- Impact of retinal thickness fluctuations with ranibizumab versus aflibercept in neovascular age-related macular degeneration (SALT): 12-month results from a multicentre, randomised, phase IV trial