Coherent normalization of finger strontium XRF measurements: feasibility and limitations
Notice bibliographique
Résumé
A non-invasive in vivo x-ray fluorescence (XRF) method of measuring bone strontium concentrations has previously been reported as a potential diagnostic tool able to detect strontium concentration in the finger and ankle bones. The feasibility of coherent normalization for (125)I-source-based finger bone strontium x-ray fluorescence (XRF) measurements is assessed here by theoretical considerations and Monte Carlo simulations. Normalization would have several advantages, among which are the correction for the signal attenuation by the overlying soft tissue, and intersubject variability in the bone size and shape. The coherent normalization of bone strontium XRF measurements presents several challenges dictated by the behaviour of the coherent cross section and mass attenuation coefficient at the energies involved. It was found that the coherent normalization alone with either 22.1 keV or 35.5 keV photons was not successful in correcting for the overlying soft tissue attenuation. However, it was found that the coherent peak at 35.5 keV was able to correct effectively for variability in the finger bone size between people. Thus, it is suggested that, if the overlying soft tissue thickness can be obtained by means of an independent measurement, the 35.5 keV peak can be used to correct for the bone size, with an overall accuracy of the normalization process of better than 10%.
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 | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».