Quantifying Subresolution 3D Morphology of Bone with Clinical Computed Tomography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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 R 2 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle