Video-Imaging Assessment of Nasal Morphology in Individuals With Complete Unilateral Cleft Lip and Palate
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to develop a video-imaging mathematical method to assess nostril morphology. DESIGN: This retrospective study involved two age-matched groups: 28 subjects with complete unilateral cleft lip and palate (CUCLP) and 19 noncleft controls. Nose casts were reproducibly oriented in a jig such that the casts could be rotated about the coronal axis. Video images of the nostrils were captured and then analyzed for area, perimeter, centroid, principal axis, moments about the major and minor axes (I11, I22), anisometry, bulkiness, lateral offset, internostril angle, and rotational angle. RESULTS: All parameters identified nostril asymmetry in both groups. The results of the analyses using anisometry, I11, and I22 showed that, in both groups, one nostril was rounder and one was more elliptical. This asymmetry, however, differed between the two groups, and the difference was primarily based on the degree of ellipticity of the nostrils. Maximum dimension, perimeter, lateral offset, I11, and I22 were more asymmetric in the cleft group. In the control group, the right nostril was more elliptical and had a greater perimeter, and the left-side nostril had a greater bulkiness (enfolding). CONCLUSIONS: The method developed was validated for assessment of nasal morphology in cleft and noncleft samples. Nostril morphology was asymmetric in both groups but more asymmetric in the cleft group than the control group. The dominant influence of the cleft resulted in more elliptical noncleft nostrils and greater nostril shape asymmetry in the cleft group. The validated video-imaging method can now be used to assess the efficacy of treatment on nasal morphology.
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 | 0,001 | 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 | 0,001 |
| 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 ».