MétaCan
Menu
Retour à la cohorte
Enregistrement W2131085839 · doi:10.2174/1874120701105010083

3-D Volumetric Evaluation of Human Mandibular Growth

2011· article· en· W2131085839 sur OpenAlexaff
Mathew Reynolds, Michael Reynolds, Samer Adeeb, Tarek El‐Bialy

Notice bibliographique

RevueThe Open Biomedical Engineering Journal · 2011
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Radiography and Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCadaveric spasmComputer scienceMandible (arthropod mouthpart)Cone beam computed tomographyProcess (computing)SoftwareArtificial intelligenceOrthodonticsComputed tomographyMedicineAnatomyRadiologyBiology

Résumé

récupéré en direct d'OpenAlex

Bone growth is a complex process that is controlled by a multitude of mechanisms that are not fully understood.Most of the current methods employed to measure the growth of bones focus on either studying cadaveric bones from different individuals of different ages, or successive two-dimensional (2D) radiographs. Both techniques have their known limitations. The purpose of this study was to explore a technique for quantifying the three dimensional (3D) growth of an adolescent human mandible over the period of one year utilizing cone beam computed tomography (CBCT) scans taken for regular orthodontic records. Three -dimensional virtual models were created from the CBCT data using mainstream medical imaging software. A comparison between computer-generated surface meshes of successive 3-D virtual models illustrates the magnitude of relative mandible growth. The results of this work are in agreement with previously reported data from human cadaveric studies and implantable marker studies. The presented method provides a new relatively simple basis (utilizing commercially available software) to visualize and evaluate individualized 3D (mandibular) growth in vivo.

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 enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,048
Tête enseignante GPT0,301
Écart entre enseignants0,253 · 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

Citations28
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open Biomedical Engineering JournalMême sujetDental Radiography and ImagingTravaux en français237 207