Quantifying Subresolution 3D Morphology of Bone with Clinical Computed Tomography
Notice bibliographique
Résumé
Abstract The aim of this study was to quantify sub-resolution trabecular bone morphometrics, which are also related to osteoarthritis (OA), from clinical resolution cone beam computed tomography (CBCT). Samples (n = 53) were harvested from human tibiae (N = 4) and femora (N = 7). Grey-level co-occurrence matrix (GLCM) texture and histogram-based parameters were calculated from CBCT imaged trabecular bone data, and compared with the morphometric parameters quantified from micro-computed tomography. As a reference for OA severity, histological sections were subjected to OARSI histopathological grading. GLCM and histogram parameters were correlated to bone morphometrics and OARSI individually. Furthermore, a statistical model of combined GLCM/histogram parameters was generated to estimate the bone morphometrics. Several individual histogram and GLCM parameters had strong associations with various bone morphometrics (|r| > 0.7). The most prominent correlation was observed between the histogram mean and bone volume fraction (r = 0.907). The statistical model combining GLCM and histogram-parameters resulted in even better association with bone volume fraction determined from CBCT data (adjusted R2 change = 0.047). Histopathology showed mainly moderate associations with bone morphometrics (|r| > 0.4). In conclusion, we demonstrated that GLCM- and histogram-based parameters from CBCT imaged trabecular bone (ex vivo) are associated with sub-resolution morphometrics. Our results suggest that sub-resolution morphometrics can be estimated from clinical CBCT images, associations becoming even stronger when combining histogram and GLCM-based parameters.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».