In Vivo Open-Bore MRI Reveals Region- and Sub-Arc-Specific Lengthening of the Unloaded Human Posterior Cruciate Ligament
Notice bibliographique
Résumé
Open-bore MRI scanners allow joint soft tissue to be imaged over a large, uninterrupted range of flexion. Using an open-bore scanner, 3D para-sagittal images of the posterior cruciate ligament (PCL) were collected from seven healthy subjects in unloaded, recumbent knee extension and flexion. PCL length was measured from one 2D MRI slice partition per flexion angle, per subject. The anterior surface of the PCL lengthened significantly between extension and flexion (p<0.001). Conversely, the posterior surface did not. Changes were not due to the PCL moving relative to the 2D slice partition; measurements made from 3D reconstructions, which compensated for PCL movement, did not differ significantly from measurements made from 2D slice partitions. In a second experiment, videos of knee flexion were made by imaging two subjects at several flexion angles. Videos allowed soft tissue tracking; examples are included. In a third experiment, unloaded knees of seven healthy, recumbent subjects were imaged at extension and at 40°, 70°, 90°, 100°, 110° and 120° flexion. The distance between PCL attachments increased between extension and 100°, and then decreased (p<0.001). The anterior surface of the PCL lengthened over the flexion angles measured (p<0.01). The posterior surface of the PCL lengthened between extension and 40° and then shortened (p<0.001). Both attachment separation and anterior surface length increased dramatically between extension and 40°, but varied less afterwards. Results indicate that PCL dynamics differ between terminal extension and active function sub-arcs. Also, attachment separation cannot predict the lengthening of all parts of the PCL, nor can lengthening of one part of the PCL predict the lengthening of another part. A potential connection between lengthening and loading is discussed. We conclude that low-field MRI can assess ligament lengthening during flexion, and that the dynamics of the PCL for any given region and sub-arc should be measured directly.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».