Detection of rheumatoid arthritis using infrared imaging
Notice bibliographique
Résumé
Rheumatoid arthritis (RA) is an inflammatory disease causing pain, swelling, stiffness, and loss of function in joints; it is difficult to diagnose in early stages. An early diagnosis and treatment can delay the onset of severe disability. Infrared (IR) imaging offers a potential approach to detect changes in degree of inflammation. In 18 normal subjects and 13 patients diagnosed with Rheumatoid Arthritis (RA), thermal images were collected from joints of hands, wrists, palms, and knees. Regions of interest (ROIs) were manually selected from all subjects and all parts imaged. For each subject, values were calculated from the temperature measurements: Mode/Max, Median/Max, Min/Max, Variance, Max-Min, (Mode-Mean), and Mean/Min. The data sets did not have a normal distribution, therefore non parametric tests (Kruskal-Wallis and Ranksum) were applied to assess if the data from the control group and the patient group were significantly different. Results indicate that: (i) thermal images can be detected on patients with the disease; (ii) the best joints to image are the metacarpophalangeal joints of the 2nd and 3rd fingers and the knees; the difference between the two groups was significant at the 0.05 level; (iii) the best calculations to differentiate between normal subjects and patients with RA are the Mode/Max, Variance, and Max-Min. We concluded that it is possible to reliably detect RA in patients using IR imaging. Future work will include a prospective study of normal subjects and patients that will compare IR results with Magnetic Resonance (MR) analysis.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».