Precision, Reliability, and Responsiveness of a Novel Automated Quantification Tool for Cartilage Thickness: Data from the Osteoarthritis Initiative
Notice bibliographique
Résumé
Objective. Accurate automated segmentation of cartilage should provide rapid reliable outcomes for both epidemiological studies and clinical trials. We aimed to assess the precision and responsiveness of cartilage thickness measured with careful manual segmentation or a novel automated technique. Methods. Agreement of automated segmentation was assessed against 2 manual segmentation datasets: 379 magnetic resonance images manually segmented in-house (training set), and 582 from the Osteoarthritis Initiative with data available at 0, 1, and 2 years (biomarkers set). Agreement of mean thickness was assessed using Bland-Altman plots, and change with pairwise Student t test in the central medial femur (cMF) and tibia regions (cMT). Repeatability was assessed on a set of 19 knees imaged twice on the same day. Responsiveness was assessed using standardized response means (SRM). Results. Agreement of manual versus automated methods was excellent with no meaningful systematic bias (training set: cMF bias 0.1 mm, 95% CI ± 0.35; biomarkers set: bias 0.1 mm ± 0.4). The smallest detectable difference for cMF was 0.13 mm (coefficient of variation 3.1%), and for cMT 0.16 mm(2.65%). Reported change using manual segmentations in the cMF region at 1 year was −0.031 mm (95% CI −0.022, −0.039), p < 10−4, SRM −0.31 (−0.23, −0.38); and at 2 years was −0.071 (−0.058, −0.085), p < 10−4, SRM −0.43 (−0.36, −0.49). Reported change using automated segmentations in the cMF at 1 year was −0.059 (−0.047, −0.071), p < 10−4, SRM −0.41 (−0.34, −0.48); and at 2 years was −0.14 (−0.123, −0.157, p < 10−4, SRM −0.67 (−0.6, −0.72). Conclusion. A novel cartilage segmentation method provides highly accurate and repeatable measures with cartilage thickness measurements comparable to those of careful manual segmentation, but with improved responsiveness.
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 | 0,042 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».