3D Image Registration Marginally Improves the Precision of HR-pQCT Measurements Compared to Cross-Sectional-Area Registration in Adults With Osteogenesis Imperfecta
Notice bibliographique
Résumé
Repositioning error in longitudinal high-resolution peripheral-quantitative computed tomography (HR-pQCT) imaging can lead to different bone volumes being assessed over time. To identify the same bone volumes at each time point, image registration is used. While cross-sectional area image registration corrects axial misalignment, 3D registration additionally corrects rotations. Other registration methods involving matched angle analysis (MA) or boundary transformations (3D-TB) can be used to limit interpolation error in 3D-registering micro-finite-element data. We investigated the effect of different image registration methods on short-term in vivo precision in adults with osteogenesis imperfecta, a collagen-related genetic disorder resulting in low bone mass, impaired quality, and increased fragility. The radii and tibiae of 29 participants were imaged twice on the same day with full repositioning. We compared the precision error of different image registration methods for density, microstructural, and micro-finite-element outcomes with data stratified based on anatomical site, motion status, and scanner generation. Regardless of the stratification, we found that image registration improved precision for total and trabecular bone mineral densities, trabecular and cortical bone mineral contents, area measurements, trabecular bone volume fraction, separation, and heterogeneity, as well as cortical thickness and perimeter. 3D registration marginally outperformed cross-sectional area registration for some outcomes, such as trabecular bone volume fraction and separation. Similarly, precision of micro-finite-element outcomes was improved after image registration, with 3D-TB and MA methods providing greatest improvements. Our regression model confirmed the beneficial effect of image registration on HR-pQCT precision errors, whereas motion had a detrimental effect on precision even after image registration. Collectively, our results indicate that 3D registration is recommended for longitudinal HR-pQCT imaging in adults with osteogenesis imperfecta. Since our precision errors are similar to those of healthy adults, these results can likely be extended to other populations, although future studies are needed to confirm this. © 2022 American Society for Bone and Mineral Research (ASBMR).
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 | 0,001 |
| 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 ».