Mechanical characterization of articular cartilage by combining magnetic resonance imaging and finite-element analysis—a potential functional imaging technique
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) provides a method for non-invasive characterization of cartilage composition and structure. We aimed to see whether T(1) and T(2) relaxation times are related to proteoglycan (PG) and collagen-specific mechanical properties of articular cartilage. Specifically, we analyzed whether variations in the depthwise collagen orientation, as assessed by the laminae obtained from T(2) profiles, affect the mechanical characteristics of cartilage. After MRI and unconfined compression tests of human and bovine patellar cartilage samples, fibril-reinforced poroviscoelastic finite-element models (FEM), with depthwise collagen orientations implemented from quantitative T(2) maps (3 laminae for human, 3-7 laminae for bovine), were constructed to analyze the non-fibrillar matrix modulus (PG specific), fibril modulus (collagen specific) and permeability of the samples. In bovine cartilage, the non-fibrillar matrix modulus (R = -0.64, p < 0.05) as well as the initial permeability (R = 0.70, p < 0.05) correlated with T(1). In bovine cartilage, T(2) correlated positively with the initial fibril modulus (R = 0.62, p = 0.05). In human cartilage, the initial fibril modulus correlated negatively (R = -0.61, p < 0.05) with T(2). Based on the simulations, cartilage with a complex collagen architecture (5 or 7 laminae), leading to high bulk T(2) due to magic angle effects, provided higher compressive stiffness than tissue with a simple collagen architecture (3 laminae). Our results suggest that T(1) reflects PG-specific mechanical properties of cartilage. High T(2) is characteristic to soft cartilage with a classical collagen architecture. Contradictorily, high bulk T(2) can also be found in stiff cartilage with a multilaminar collagen fibril network. By emerging MRI and FEM, the present study establishes a step toward functional imaging of articular cartilage.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».