Open-Full-Jaw: An open-access dataset and pipeline for finite element models of human jaw
Notice bibliographique
Résumé
BACKGROUND: State-of-the-art finite element studies on human jaws are mostly limited to the geometry of a single patient. In general, developing accurate patient-specific computational models of the human jaw acquired from cone-beam computed tomography (CBCT) scans is labor-intensive and non-trivial, which involves time-consuming human-in-the-loop procedures, such as segmentation, geometry reconstruction, and re-meshing tasks. Therefore, with the current practice, researchers need to spend considerable time and effort to produce finite element models (FEMs) to get to the point where they can use the models to answer clinically-interesting questions. Besides, any manual task involved in the process makes it difficult for the researchers to reproduce identical models generated in the literature. Hence, a quantitative comparison is not attainable due to the lack of surface/volumetric meshes and FEMs. METHODS: We share an open-access repository composed of 17 patient-specific computational models of human jaws and the utilized pipeline for generating them for reproducibility of our work. The used pipeline minimizes the required time for processing and any potential biases in the model generation process caused by human intervention. It gets the segmented geometries with irregular and dense surface meshes and provides reduced, adaptive, watertight, and conformal surface/volumetric meshes, which can directly be used in finite element (FE) analysis. RESULTS: We have quantified the variability of our 17 models and assessed the accuracy of the developed models from three different aspects; (1) the maximum deviations from the input meshes using the Hausdorff distance as an error measurement, (2) the quality of the developed volumetric meshes, and (3) the stability of the FE models under two different scenarios of tipping and biting. CONCLUSIONS: The obtained results indicate that the developed computational models are precise, and they consist of quality meshes suitable for various FE scenarios. We believe the provided dataset of models including a high geometrical variation obtained from 17 different models will pave the way for population studies focusing on the biomechanical behavior of human jaws.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,049 |
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 ».