Using point clouds to investigate the relationship between trabecular bone phenotype and behavior: An example utilizing the human calcaneus
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study is to demonstrate a new method for analyzing trabecular bone volume fraction and degree of anisotropy in three dimensions. METHODS: We use a combination of automatic mesh registration, point-cloud correspondence registration, and P-value corrected univariate statistical tests to compare bone volume fraction and degree of anisotropy on a point by point basis across the entire calcaneus of two human groups with different subsistence strategies. RESULTS: We found that the patterns of high and low bone volume fraction and degree of anisotropy distribution between the Black Earth (hunter-gatherers) and Norris Farms (mixed-strategy agriculturalists) are very similar, but differ in magnitude. The hunter-gatherers exhibit higher levels of bone volume fraction and less anisotropic trabecular bone organization. Additionally, patterns of bone volume fraction and degree of anisotropy in the calcaneus correspond well with biomechanical expectations of relative forces experienced during walking and running. CONCLUSIONS: We conclude that comparing site-specific, localized differences in trabecular bone variables such as bone volume fraction and degree of anisotropy in three-dimensions is a powerful analytical tool. This method makes it possible to determine where similarities and differences between groups are located within the whole skeletal element of interest. The visualization of multiple variables also provides a way for researchers to see how the trabecular bone variables interact within the morphology, and allows for a more nuanced understanding of how they relate to one another and the broader mechanical environment.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».