Knee kinematic curve representation and application to knee pathology classification
Notice bibliographique
Résumé
This study investigates a variational method to determine the most representative shape of a set of knee kinematic curves with application to knee pathology classification. Although they provide essential information for pathology classification, knee kinematic curves are characterized by high intra-class variability and outliers are often present. As a result, a set of several measurement curves are acquired of any single individual which are then averaged before their use for pathology classification. Rather than using the average of an individual’s recorded measurement curves, this method determines a better representative curve by first correcting the data to account for outliers occurrence and class variability using a variational method. The correction is performed by simultaneous minimization of a set of objective functions, one for each curve in the measurement set, and consisting of a weighed sum of two terms: a data term of conformity of the corrected curve to the given curve, and a regularization term of proximity of the corrected curve to the mean of all the corrected curves to inhibit the influence of outliers in the set. Validation tests were performed to discriminate between knee osteoarthritis data (OA) and non-OA data. Using a support vector machine, the classification accuracy with the proposed representation was 86%, with 81% sensitivity and 90% specificity, compared to 83% accuracy for the standard representation by average, with 76% sensitivity and 90% specificity. The representation has also been tested within the OA category to distinguish the femero-tibial patholgy from the femero-patellar, giving 76% accuracy, with 76% sensitivity and 76% specificity, compared to 69% accuracy, with 62% sensitivity and 76% specificity. These significant improvements by the proposed method warrant its further investigation by application to other biomedical engineering pattern classification problems and datasets.
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 ».