Ultrasound image resolution influences analysis of skeletal muscle composition
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
INTRODUCTION: Analysis of muscle composition using ultrasound requires standardization of several equipment settings (i.e. gain). However, the influence of image resolution, which is altered by imaging depth, on measures of muscle composition is unknown. METHODS: We analysed rectus femoris muscle composition using ultrasound images captured from 32 males and females (aged 28 ± 5 years) at depths of 9.0, 7.3, 5.9 and 4.7 cm. The transducer's orientation was fixed using a clamp during image acquisition to minimize movement. Across each image resolution, a region of interest encompassing the same anatomical area within the muscle was used for muscle composition analysis. Muscle composition was analysed using a combination of first-, second- and higher-order texture features. Muscle composition agreement across image resolutions was evaluated using a one-way ANOVA and intraclass correlation coefficients (ICC). RESULTS: Most muscle composition features displayed differences due to image resolution (p < .05). ICCs demonstrated poor-to-good agreement across different image resolutions. In general, higher resolution images (i.e. shallower imaging depth) demonstrated better agreement (ICC > 0.90) compared to lower resolution images. CONCLUSIONS: Ultrasound image resolution influences muscle composition analysis. Image resolution should be fixed within and between individuals when evaluating muscle composition using ultrasound.
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 | 0,000 | 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 | 0,000 |
| 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