A Novel Computational Approach for Calculating Sagittal Plane Urogenital Kinematics from Dynamic 2D Ultrasound
Notice bibliographique
Résumé
Up to half of women experience stress urinary incontinence (SUI) during tasks that increase intra-abdominal pressure. The exact biomechanics underlying urine leakage remains unclear, but is likely associated with concurrent failures in urethral sphincter function, urethral support, and pelvic floor muscle (PFM) mechanics. The biomechanics of the continence system during functional tasks can be assessed by transperineal ultrasound imaging (USI). However, during imaging, neither the USI probe nor the imaging surface is fixed in 3D space. With the pubic symphysis as the only bony landmark partially visible on sequential images, the impact of probe motion is difficult to assess. In practice, clinical researchers often compare measurements at rest to those at peak dynamic displacement without compensating for probe motion, and omit directionality despite its likely relevance. One proposed method of compensation defines a co-ordinate system with the origin set as the infero-posterior pubic symphysis and one axis running parallel to the urethra. However, we have noted substantial urethral deformation during dynamic tasks performed by many women with SUI, which has led us to question the validity of this approach. Instead, we have developed a new computational method to compensate for in-plane rotation and translation, allowing for more accurate calculation of urogenital kinematics during dynamic tasks known to cause urine leakage. We will present our computational method applied to the study of urogenital kinematics during dynamic tasks including voluntary PFM contraction, cough, and Valsalva maneuvers. The proposed approach may be used to comprehensively study the pathomechanics associated with SUI in women.
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 ».