A feature‐based statistical shape model for geometric analysis of the human talus and development of universal talar prostheses
Notice bibliographique
Résumé
Statistical data pertaining to anatomic variations of the human talus contain valuable information for advances in biological anthropology, diagnosis of the talar pathologies, and designing talar prostheses. A statistical shape model (SSM) can be a powerful data analysis tool for the anatomic variations of the talus. The main concern in constructing an SSM for the talus is establishing the true geometric correspondence between the talar geometries. The true correspondence complies with biological and/or mathematical homologies on the talar surfaces. In this study, we proposed a semi-automatic approach to establish a dense correspondence between talar surfaces discretized by triangular meshes. Through our approach, homologous salient surface features in the form of crest lines were detected on 49 talar surfaces. Then, the point-wise correspondence information of the crest lines was recruited to create posterior Gaussian process morphable models that non-rigidly registered the talar meshes and consequently established inter-mesh dense correspondence. The resultant correspondence perceptually represented the true correspondence as per our visual assessments. Having established the correspondence, we computed the mean shape using full generalized Procrustes analysis and constructed an SSM by means of principal component analysis. Anatomical variations and the mean shape of the talus were predicted by the SSM. As a clinically related application, we considered the mean shape and investigated the feasibility of designing universal talar prostheses. Our results suggest that the mean shape of (the shapes of) tali can be used as a scalable shape template for designing universal talar prostheses.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».