Determining In-Vivo Human Tibiofemoral Cartilage Stiffness Using Dual Fluoroscopy and Magnetic Resonance Imaging
Notice bibliographique
Résumé
Anterior cruciate ligament deficiency (ACLD) dramatically increases the risk of knee osteoarthritis (OA). Currently, there is no clinical diagnostic to predict joint degeneration in pre-radiographic OA. The purpose of this research is to develop methods to combine deformation and joint force estimates to determine changes in cartilage stiffness in pre-radiographic OA. Preliminary data were collected for ACLD (n=4, >5 year history) and healthy control (n=5, CON) subjects. 3D bone and cartilage models were created in Amira (FES, Germany) from magnetic resonance (MR) data obtained (GE 3T Discovery 750, USA). Dual-fluoroscopy (DF) images were collected in conjunction with ground reaction forces (GRF)(Bertec, USA) during standing weight bearing. Bone kinematics were determined in Autoscoper (Brown University, USA) and applied to cartilage models. Deformations were quantified as the change in median proximity of model faces (Matlab 2015b, MathWorks, USA). Cartilage deformation was higher in ACLD compared to the CON subject, indicating a reduced ability to resist compressive loading. These results provide proof of concept that cartilage stiffness changes in pre-radiographic OA and in-vivo DF/MR measure is sensitive to alterations in load deformation. Vertical GRF provided physiological loading rate data for analysis with the viscoelastic cartilage deformation response. This MSc will use inverse dynamics to estimate knee joint forces and load-deformation curve-fitting approaches to determine a model for cartilage stiffness mechanics. This research supports the development of novel clinical diagnostics for pre-radiographic OA. [1] Lohmander et al. 2007 Am. J. Sports Med. 35(10): 1756–1769. [2] Calvo et al. 2004 OA Cart. 12(11): 878–86.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».