Accuracy and reliability of MRI vs. laboratory measurements in an ex vivo porcine model of arthritic cartilage loss
Notice bibliographique
Résumé
PURPOSE: To quantify the accuracy of magnetic resonance imaging (MRI) measurement of change in cartilage volume due to thin linear excisions, simulating arthritic cartilage losses, by comparison with laboratory volume measurements in an ex vivo porcine model. MATERIALS AND METHODS: We scanned 15 porcine patellae by T1-weighted spoiled gradient echo (SPGR) MRI at baseline and after excision of up to three thin layers of articular cartilage. Excised fragment volume was determined from density and weight. Postexcision scans were "fused" to the baseline scan by three-dimensional (3D) registration. This allowed automated recalculation of the remaining cartilage volume within a baseline region of interest (ROI) following each excision. We compared MRI estimates of change in cartilage volume to direct laboratory measurement of fragment volume. RESULTS: Our 38 excised fragments averaged 0.16 mL, or approximately 7% of cartilage volume. MRI and laboratory estimates of total cartilage volume loss differed by 1.6% +/- 13.2% (mean, coefficient of variation [CV]). Accuracy was +/-0.1 mL for 95% of scans. CONCLUSION: MRI estimates of small changes in porcine patellar cartilage volume were unbiased, reliable, and accurate to 0.1 mL. Despite a proportionately high error in the very thin fragments tested, achievement of similar accuracy in vivo would be adequate to detect approximately two years of osteoarthritic cartilage loss.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».