MétaCan
Menu
Retour à la cohorte
Enregistrement W2085544056 · doi:10.1002/mrm.20439

Imaging articular cartilage under compression—cartilage elastography

2005· article· en· W2085544056 sur OpenAlexaff
Peter Hardy, Anne C. Ridler, Cameron B. Chiarot, Don B. Plewes, R. Mark Henkelman

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésCartilageCompression (physics)Biomedical engineeringMaterials scienceArticular cartilageElastographyChemistryOsteoarthritisAnatomyComposite materialRadiologyPathologyUltrasoundMedicine

Résumé

récupéré en direct d'OpenAlex

We constructed a device to compress small samples of articular cartilage while the samples were imaged in a 1.5 T imager. With the use of a piezoelectric piston, the device compressed 1-cm-diameter cylindrical samples of articular cartilage (200 microm) at a rate of 2 Hz. Simultaneously, we imaged the samples with a displacement-sensitive stimulated-echo acquisition mode (STEAM) sequence. We validated the technique using tissue that mimicked silicone samples. We compared the results from the same cartilage samples before and after they were degraded by digestion in trypsin. The extent of degradation was visualized from T(1)-weighted images of the samples after they were soaked in 0.5 mmolar of GdDTPA. The resulting elastographic images show compression and differential strain in directions both parallel and perpendicular to the surface of the cartilage. The static elastographic images that depict compression made before digestion and after 5 and 15 hr of trypsin digestion show that the elastic modulus of the samples decreased with a spatial variation consistent with the enzymatic digestion as revealed by the T(1) images. We believe this technique will be useful in studies of the mechanical properties of articular cartilage and other tissues, and may in the future be extended to the clinical setting.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,011
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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

Citations37
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207