Neutron microtomography to investigate the bone-implant interface—comparison with histological analysis
Notice bibliographique
Résumé
Abstract Bone properties and especially its microstructure around implants are crucial to evaluate the osseointegration of prostheses in orthopaedic, maxillofacial and dental surgeries. Given the intrinsic heterogeneous nature of the bone microstructure, an ideal probing tool to understand and quantify bone formation must be spatially resolved. X-ray imaging has often been employed, but is limited in the presence of metallic implants, where severe artifacts generally arise from the high attenuation of metals to x-rays. Neutron tomography has recently been proposed as a promising technique to study bone-implant interfaces, thanks to its lower interaction with metals. The aim of this study is to assess the potential of neutron tomography for the characterisation of bone tissue in the vicinity of a metallic implant. A standardised implant with a bone chamber was implanted in rabbit bone. Four specimens were imaged with neutron tomography and subsequently compared to non-decalcified histology to stain soft and mineralised bone tissues, used here as a ground-truth reference. An intensity-based image registration procedure was performed to place the 12 histological slices within the corresponding 3D neutron volume. Significant correlations ( p < 0.01) were obtained between the two modalities for the bone-implant contact ( BIC ) ratio ( R = 0.77) and the bone content inside the chamber ( R = 0.89). The results indicate that mineralised bone tissue can be reliably detected by neutron tomography. However, the BIC ratio and bone content were found to be overestimated with neutron imaging, which may be explained by its sensitivity to non-mineralised soft tissues, as revealed by histological staining. This study highlights the suitability of neutron tomography for the analysis of the bone-implant interface. Future work will focus on further distinguishing soft tissues from bone tissue, which could be aided by the adoption of contrast agents.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».