3D Knee Joint Modeling from MRI Images
Notice bibliographique
Résumé
Introduction : Osteoarthritis is one of the major diseases that cause disability. Previous research studies implicate that the onset of osteoarthritis is associated with the changes in biomechanics of articular cartilages in the knee joint. In recent years, computer models have been extensively used to study the biomechanics of the cartilaginous tissues. One of the first steps of such studies is to construct anatomically accurate models of the tissues using available software packages. The objective of this study was to compare the capabilities of two software packages, Rhinoceros 3D and Mimics. Method : MRI data was collected from two volunteer subjects (one female age: 28 and one male age: 27). The subjects had no records of previous knee injuries or surgeries. In Rhinoceros 3D, the original MRI data was first imported to Sante DICOM Viewer and then exported as JPEG format. The exported images then were imported by Rhinoceros 3D for segmentation. Mimics software has a built-in tool to read MRI data directly. A tool called 3D LiveWire was used for segmenting. Finally, 3D surface models were obtained using segments. Results : Both Rhinoceros and Mimics have successfully obtained a model for femur. However, Rhinoceros has problems constructing other cartilaginous surfaces. Using Mimics, all other tissues of the knee joint were successfully constructed. A completed joint model included the following parts: Femur, Tibia, Fibula Femoral, Tibial and Fibular Cartilages Menisci Collateral and Cruciate Ligaments Patella and Patellar Cartilage Discussion : Rhinoceros 3D had problems constructing cartilages with complicated surfaces, but its open- programming feature allows it to integrate customized tools and scripts to help construct surfaces. Nevertheless, Mimics has many tools for segmentation and 3D model calculating. It also includes options to modify and optimize the models. In summary, the models from Mimics are qualified for future Finite Element studies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».