Morphology based anisotropic finite element models of the proximal femur validated with experimental data
Notice bibliographique
Résumé
Finite element analysis (FEA) of bones scanned with Quantitative Computed Tomography (QCT) can improve early detection of osteoporosis. The accuracy of these models partially depends on the assigned material properties, but anisotropy of the trabecular bone cannot be fully captured due to insufficient resolution of QCT. The inclusion of anisotropy measured from high resolution peripheral QCT (HR-pQCT) could potentially improve QCT-based FEA of the femur, although no improvements have yet been demonstrated in previous experimental studies. This study analyzed the effects of adding anisotropy to clinical resolution femur models by constructing six sets of FE models (two isotropic and four anisotropic) for each specimen from a set of sixteen femurs that were experimentally tested in sideways fall loading with a strain gauge on the superior femoral neck. Two different modulus-density relationships were tested, both with and without anisotropy derived from mean intercept length analysis of HR-pQCT scans. Comparing iso- and anisotropic models to the experimental data resulted in nearly identical correlation and highly similar linear regressions for both whole bone stiffness and strain gauge measurements. Anisotropic models contained consistently greater principal compressive strains, approximately 14% in magnitude, in certain internal elements located in the femoral neck, greater trochanter, and femoral head. In summary, anisotropy had minimal impact on macroscopic measurements, but did alter internal strain behavior. This suggests that organ level QCT-based FE models measuring femoral stiffness have little to gain from the addition of anisotropy, but studies considering failure of internal structures should consider including anisotropy to their models.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».