A Spatio-Temporal Ageing Atlas of the Proximal Femur
Notice bibliographique
Résumé
Osteoporosis is an age-associated disease characterised by low bone mineral density (BMD) and micro-architectural deterioration leading to enhanced fracture risk. Conventional dual-energy X-ray absorptiometry (DXA) analysis has facilitated our understanding of BMD reduction in specific regions of interest (ROIs) within the femur, but cannot resolve spatial BMD patterns nor reflect age-related changes in bone microarchitecture due to its inherent averaging of pixel BMD values into large ROIs. To address these limitations and develop a comprehensive model of involutional bone loss, this paper presents a fully automatic pipeline to build a spatio-temporal atlas of ageing bone in the proximal femur. A new technique, termed DXA region free analysis (DXA RFA), is proposed to eliminate morphological variation between DXA scans by warping each image into a reference template. To construct the atlas, we use unprocessed DXA data from Caucasian women aged 20-97 years participating in three cohort studies in Western Europe ( ,000). A novel calibration procedure, termed quantile matching regression, is proposed to integrate data from different DXA manufacturers. Pixel-wise BMD evolution with ageing was modelled using smooth quantile curves. This technique enables characterisation of spatially-complex BMD change patterns with ageing, visualised using heat-maps. Furthermore, quantile curves plotted at different pixel coordinates showed consistently different rates of bone loss at different regions within the femoral neck. Given the close relationship between spatio-temporal bone loss and osteoporotic fracture, improved understanding of the bone ageing process could lead to enhanced prognostic, preventive and therapeutic strategies for the disease.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».