MDCT-Based Finite Element Analysis for the Prediction of Functional Spine Unit Strength—An In Vitro Study
Notice bibliographique
Résumé
(1) Objective: This study aimed to analyze the effect of ligaments on the strength of functional spine unit (FSU) assessed by finite element (FE) analysis of anatomical models developed from multi-detector computed tomography (MDCT) data. (2) Methods: MDCT scans for cadaveric specimens were acquired from 16 donors (7 males, mean age of 84.29 ± 6.06 years and 9 females, mean age of 81.00 ± 11.52 years). Two sets of FSU models (three vertebrae + two disks), one with and another without (w/o) ligaments, were generated. The vertebrae were segmented semi-automatically, intervertebral disks (IVD) were generated manually, and ligaments were modeled based on the anatomical location. FE-predicted failure loads of FSU models (with and w/o ligaments) were compared with the experimental failure loads obtained from the uniaxial biomechanical test of specimens. (3) Results: The mean and standard deviation of the experimental failure load of FSU specimens was 3513 ± 1029 N, whereas of FE-based failure loads were 2942 ± 943 N and 2537 ± 929 N for FSU models with ligaments and without ligament attachments, respectively. A good correlation (ρ = 0.79, and ρ = 0.75) was observed between the experimental and FE-based failure loads for the FSU model with and with ligaments, respectively. (4) Conclusions: The FE-based FSU model can be used to determine bone strength, and the ligaments seem to have an effect on the model accuracy for the failure load calculation; further studies are needed to understand the contribution of ligaments.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».