Micro-computed tomography–based highly automated 3D segmentation of the rat spine for quantitative analysis of metastatic disease
Notice bibliographique
Résumé
Noninvasive evaluation of metastatic disease in the spine has generally been limited to 2D qualitative or semiquantitative analysis techniques. This study aims to develop and evaluate a highly automated micro-CT-based quantitative analysis tool that can measure the architectural impact of metastatic involvement in whole vertebrae. Micro-CT analysis of rat whole vertebrae was conducted using a combination of demons deformable registration, level set curvature evolution, and intensity based thresholding techniques along with upsampling and edge enhancement techniques. The algorithm was applied to 6 lumbar vertebrae (L1-3) from 6 rnu/rnu rats (3 healthy rats and 3 with metastatic involvement). Osteolytic metastatic involvement was modeled via MT1 human breast cancer cells. Excellent volumetric concurrency was achieved in comparing the automated micro-CT-based segmentations of the whole vertebrae, trabecular centrums, and individual trabecular networks to manual segmentations (98.9%, 96.1%, and 98.3%, respectively; 6 specimens), and the automated segmentations were achieved in a fraction of the time. The algorithm successfully accounted for discontinuities in the cortical shell caused by vasculature and osteolytic destruction. As such, this work demonstrates the potential of this highly automated segmentation tool to permit rapid precise quantitative structural analysis of the spine with minimum user interaction in the analysis of both healthy and pathological (metastatically involved) vertebrae. Future optimization and the incorporation of lower-resolution imaging parameters may allow automated analysis of clinical CT-based measures in addition to preclinical micro-CT-based analyses of the structural impact and progression of pathological processes in the spine.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».