Tissue Characterization of Equine Tendons With Clinical B-Scan Images Using a Shock Filter Thinning Algorithm
Notice bibliographique
Résumé
The fiber bundle density (FBD) calculated from ultrasound B-scan images of the equine superficial digital flexor tendon (SDFT) can serve as an objective measurement to characterize the three metacarpal sites of normal SDFTs, and also to discriminate a healthy SDFT from an injured one. In this paper, we propose a shock filter algorithm for the thinning of hyper-echoic structures observed in B-scan images of the SDFT. This algorithm is further enhanced by applying closing morphological operations on filtered images to facilitate extraction and quantification of fiber bundle fascicles. The mean FBD values were calculated from a clinical B-scan image dataset of eight normal and five injured SDFTs. The FBD values measured at three different tendon sites in normal cases show a highest density on the proximal site (five cases out of eight) and a lowest value on the distal part (seven cases out of eight). The mean FBD values measured on the entire tendon from the whole B-scan image dataset show a significant difference between normal and injured SDFTs: 51 (±9) for the normal SDFTs and 39 (±7) for the injured ones (p = 0.004) . This difference likely indicates disruption of some fiber fascicle bundles where lesions occurred. To conclude, the potential of this imaging technique is shown to be efficient for anatomical structural SDFT characterizations, and opens the way to clinically identifying the integrity of SDFTs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».