MétaCan
Menu
Retour à la cohorte
Enregistrement W2142284881 · doi:10.1117/12.654301

Multi-angle deformation analysis of Hoffa's fat pad

2006· article· en· W2142284881 sur OpenAlexaff
Kevin B. Stevenson, Mark E. Schweitzer, Ghassan Hamarneh

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFat padInfrapatellar fat padDeformation (meteorology)Biomedical engineeringKnee JointFilter (signal processing)Computer scienceAnatomyMaterials scienceMathematicsComputer visionMedicineAdipose tissueSurgeryOsteoarthritis

Résumé

récupéré en direct d'OpenAlex

Recent advances in medical research hypothesize that certain body fat, in addition to having a classical role of energy storage, may also have mechanical function. In particular, we analyzed the infrapatellar fat pad of Hoffa using 3D CT images of the knee at multiple angles to determine how the fat pad changes shape as the knee bends and whether the fat pad provides cushioning in the knee joint. The images were initially processed using a median filter then segmented using a region growing technique to isolate the fat pad from the rest of the knee. Next, rigid registration was performed to align the series of images to match the reference image. Finally, multi-resolution FEM registration was completed between the aligned images. The resulting displacements fields were used to determine the local volume change of the fat pad as the knee bends from extension to flexion through different angles. This multi-angle analysis provides a finer description of the intermediate deformations compared to earlier work, where only a pair of images (full extension and flexion) was analyzed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetMedical Image Segmentation TechniquesTravaux en français237 207