MétaCan
Menu
Retour à la cohorte
Enregistrement W2069771649 · doi:10.1088/0967-3334/35/12/2415

On estimating the directionality distribution in pedicle trabecular bone from micro-CT images

2014· article· en· W2069771649 sur OpenAlexaff
Catherine M Gdyczynski, Amir Manbachi, SayedMasoud Hashemi, Bahman Lashkari, R.S.C. Cobbold

Notice bibliographique

RevuePhysiological Measurement · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMedical Imaging and Analysis
Établissements canadiensOncolytics Biotech (Canada)University of Toronto
Organismes subventionnairesChongqing University
Mots-clésDirectionalityTrabecular boneDistribution (mathematics)Computer scienceBiomedical engineeringBiological systemMathematicsBiologyEngineeringMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Our interest in the trabecular alignment within bone stems from the need to better understand the manner in which it can affect ultrasound propagation, particularly in pedicles. Within long bones it is well established that trabecular structures are aligned in an organized manner associated with the direction of load distribution; however, for smaller bones there are limited alignment studies. To investigate the directionality distribution in a quantitative manner we used a micro-CT to obtain three-dimensional (3D) structural data and developed analytical methods based on the special properties of Gabor filters. Implementation of these techniques has been developed and tested on a variety of simulated images as well as on 3D structures whose geometry is well-defined. To test the use of this technique we compared the results obtained on vertebral body trabecular bone with visual directionality and previous measurements by others. The method has been applied to six human pedicle samples in two orthogonal planes with results that provide reasonable proof-of-principle evidence that the method is well suited for estimating the directionality distribution within pedicle bones.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,237
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological MeasurementMême sujetMedical Imaging and AnalysisTravaux en français237 207