The Knee Loading Apparatus: Axial, Anterior, and Compressive Loading With Magnetic Resonance Imaging
Notice bibliographique
Résumé
When magnetic resonance (MR) images are collected while applying a load to the knee joint, additional information about the joint response to loading can be acquired such as cartilage deformation, whole joint and ligament stiffness, or physiological estimates of weight-bearing joint positions. To allow load application and controlled lower limb movement in supine MR imaging, the knee loading apparatus (KLA) was designed to apply safe and physiologically relevant controlled loads to the knee joint, position the knee through a range of flexion angles, and operate successfully in a magnetic environment. The KLA is composed of three main components: a remotely operated custom hydraulic loading system, a logic system that interfaces with the user, and modular non ferromagnetic positioning frames. Three positioning frames are presented for application to anterior tibial loading, tibiofemoral compression, and patellofemoral compression at multiple knee flexion angles. This system design makes improvements over current devices. Safe remotely applied loads (hydraulic loading system) can be applied by either subject or tester and in multiple locations simultaneously. Additionally, loads can be altered at any time in a continuous manner without electrical interference. Transportability was improved due to a smaller footprint. The KLA has the flexibility to attach any positioning frame with many possible loading scenarios without changing the loading mechanism or logic systems, and allows force values over time to be output rather than estimated. An evaluation of the load repeatability (within 7% of applied load) and accuracy (0.5–14.9%) demonstrates the feasibility of this design for investigations into in vivo knee joint responses to loading.
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 | 0,000 |
| 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) | 0,000 | 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 ».