Diffusion Tensor Imaging for Quantitative Assessment of Anterior Cruciate Ligament Injury Grades and Graft
Notice bibliographique
Résumé
BACKGROUND: As the need for quantitative assessment of anterior cruciate ligament (ACL) injuries and ACL graft increases, diffusion tensor imaging (DTI) becomes a more valuable measuring tool. However, DTI changes in differing injury grades of ACL and longitudinal graft remain unclear. PURPOSE: To investigate the diagnostic performance of DTI in quantitatively assessing ACL injury severity and the development of ACL grafts within 6 months of surgery. STUDY TYPE: A cohort study. SUBJECTS: Thirty-five patients diagnosed with grades I-IV ACL injuries and 20 volunteers as controls were recruited. FIELD STRENGTH/SEQUENCE: -weighted, proton density (PD)-weighted, and DTI at 3.0T MRI. ASSESSMENT: ACL injury grades in arthroscopic images and DTI quantitative data were evaluated from July 2016 to July 2018. STATISTICAL TESTS: Chi-square test, analysis of variance, Spearman correlation analysis, and receiver operator characteristic (ROC) curves. RESULTS: Both fractional anisotropy (FA) (r = -0.898, P < 0.05) and apparent diffusion coefficient (ADC) (r = 0.851, P < 0.05) were significantly correlated with the severity of ACL injuries. The area under the curve (AUC) values for differentiation between low- and high-grade ACL injuries with FA and ADC were 0.973 and 0.963, respectively. Although there were no significant differences in FA (P > 0.05) and ADC (P > 0.05) between grades I and II ACL injuries or in ADC (P > 0.05) between grades III and IV, there were significant differences in FA and ADC between two grades (P < 0.05). There were significant differences in FA (P < 0.05) and ADC (P < 0.05) between normal ACL and 3-month graft postoperation, as well as in ADC values between 3-month and 6-month graft postoperation (P < 0.05). DATA CONCLUSION: DTI could be used to quantitatively evaluate the ACL injury grades and the development of ACL grafts. The diagnostic efficiency of FA values was higher than that of ADC values. LEVEL OF EVIDENCE: 1 TECHNICAL EFFICACY: Stage 3.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».