Development of a Clinical Workflow Tool to Enhance the Detection of Vertebral Fractures
Notice bibliographique
Résumé
STUDY DESIGN: Image analysis model development. OBJECTIVE: The objective of this study was to develop a novel clinical workflow tool that uses model-based shape recognition technology to allow efficient, semiautomated detailed annotation of each vertebra between T4 and L4 on plain lateral radiographs. SUMMARY OF BACKGROUND DATA: Identification of prevalent vertebral fractures, especially when not symptomatic, has been problematic despite their importance. There is a recognized need to increase the opportunities to detect vertebral fractures so that clinically beneficial therapeutic interventions can be initiated. METHODS: Radiographs obtained from 165 subjects in the Canadian Multicenter Osteoporosis Study (CaMos) were used to construct a vertebral shape model of the vertebral column from T4 to L4 using a statistical learning technique, as well as to estimate the accuracy and precision of this automated software tool for vertebral shape analysis. Radiographs showing scoliosis greater than 15 degrees were excluded. RESULTS: Vertebral contours defined by 95 points per vertebra, represented by 79,895 points in total, were assessed on 841 individual vertebrae. The mean absolute accuracy error calculated over each vertebra in each test image was 1.06 +/- 1.2 mm. This value corresponded to an average 3.4% of vertebral height. The mean precision error, reflecting interobserver variability, per vertebra of the resulting annotations was 0.61 +/- 0.73 mm. This value corresponded to an average 2.3% of vertebral height. Accuracy and precision error estimates did not differ notably by vertebral level. CONCLUSION: The results of the current study indicate that statistical modeling can provide a robust tool for the accurate and precise semiautomated annotation of vertebral body shape from T4 to L4 in patients who do not have scoliosis greater than 15 degrees . This method may prove useful as a clinical workflow tool to aid the physician in vertebral fracture assessment and might contribute to decision-making about pharmacologic treatment of osteoporosis.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».