Evaluation of patient tissue selection methods for deriving equivalent density calibration for femoral bone quantitative CT analyses
Notice bibliographique
Résumé
Osteoporosis affects an increasing number of people every year and patient specific finite element analysis of the femur has been proposed to identify patients that could benefit from preventative treatment. The aim of this study was to demonstrate, verify, and validate an objective process for selecting tissues for use as the basis of phantomless calibration to enable patient specific finite element analysis derived hip fracture risk prediction. Retrospective reanalysis of patient computed tomography (CT) scans has the potential to yield insights into more accurate prediction of osteoporotic fracture. Bone mineral density (BMD) specific calibration scans are not typically captured during routine clinical practice. Tissue-based BMD calibration can therefore empower the retrospective study of patient CT scans captured during routine clinical practice. Together the method for selecting tissues as the basis for phantomless calibration coupled with the post-processing steps for deriving a calibration equation using the selected tissues provide an estimation of quantitative equivalent density results derived using calibration phantoms. Patient tissues from a retrospective cohort of 211 patients were evaluated. The best phantomless calibration resulted in a femoral strength (FS) [N] bias of 0.069 ± 0.07% over FS derived from inline calibration and a BMD [kg/cm3] bias of 0.038 ± 0.037% over BMD derived from inline calibration. The phantomless calibration slope for the best method presented was within the range of patient specific calibration curves available for comparison and demonstrated a small bias of 0.028 ± 0.054 HU/(mg/cm3), assuming the Mindways Model 3 BMD inline calibration phantom as the gold standard. The presented method of estimating a calibration equation from tissues showed promise for CT-based femoral fracture analyses of retrospective cohorts without readily available calibration data.
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 | 0,002 | 0,004 |
| 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 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 ».