MétaCan
Menu
Retour à la cohorte
Enregistrement W2802553520 · doi:10.1115/1.4040122

Methods for Post Hoc Quantitative Computed Tomography Bone Density Calibration: Phantom-Only and Regression

2018· article· en· W2802553520 sur OpenAlexafffund
Jacob M. Reeves, Nikolas K. Knowles, George S. Athwal, James A. Johnson

Notice bibliographique

RevueJournal of Biomechanical Engineering · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensHand and Upper Limb ClinicWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésImaging phantomCalibrationPost hocVoltageLinear regressionNuclear medicineMathematicsMedicinePhysicsStatisticsOrthodontics

Résumé

récupéré en direct d'OpenAlex

Quantitative computed tomography (qCT) relies on calibrated bone mineral density data. If a calibration phantom is absent from the CT scan, post hoc calibration becomes necessary. Scanning a calibration phantom after-the-fact and applying that calibration to uncalibrated scans has been used previously. Alternatively, the estimated density is known to vary with CT settings, suggesting that it may be possible to predict the calibration terms using CT settings. This study compares a novel CT setting regression method for post hoc calibration to standard and post hoc phantom-only calibrations. Five cadaveric upper limbs were scanned at 11 combinations of peak tube voltage and current (80-140 kV and 100-300 mA) with two calibration phantoms. Density calibrations were performed for the cadaver scans, and scans of the phantoms alone. Stepwise linear regression determined if the calibration equation terms were predictable using peak tube voltage and current. Peak tube voltage, but not current, was significantly correlated with regression calibration terms. Calibration equation slope was significantly related to the type of phantom (p < 0.001), calibration method (p = 0.026), and peak tube voltage (p < 0.001), but not current (p = 1.000). The calibration equation vertical intercept was significantly related to the type of phantom (p < 0.001), and peak tube voltage (p = 0.006), but not calibration method (p = 0.682), or current (p = 0.822). Accordingly, regression can correlate peak tube voltage with density calibration terms. Suggesting that, while standard qCT calibration is preferable, regression calibration may be an acceptable post hoc method when necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,031
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,036
Tête enseignante GPT0,396
Écart entre enseignants0,359 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomechanical EngineeringMême sujetBone health and osteoporosis researchTravaux en français237 207