Fatigue Effects on the Lower Leg Muscle Architecture Using Diffusion Tensor MRI
Notice bibliographique
Résumé
Proton density (PD) and diffusion tensor imaging (DTI) are imaging techniques that enable the acquisition of data from living subjects that can be used in the fine-tuning of subject-specific models’ architectural parameters. The aim of this study was to determine the in vivo 3D architectural parameters (volume, pennation angle, fiber length and physiological cross-sectional area) of the gastrocnemius medialis, gastrocnemius lateralis, soleus and tibialis anterior muscles using proton density and diffusion tensor imaging data before and after an exhaustive one-legged jump exercise. These methods were used in the in vivo 3D data acquisition of six young and physically active female subjects’ lower legs, followed by a fiber-tracking algorithm and analysis tools. No significant differences were found in the muscles’ architecture after the exercise, with the following exceptions: the anatomical cross-section area of the gastrocnemius medialis increased (p-value 0.001, effect size 0.18) after exercise; the fiber lengths of the gastrocnemius medialis, lateralis and soleus muscles were higher after exercise (p-value 0.002, 0.001 and 0.001, respectively, and effect size 2.03, 1.29 and 0.85, respectively); and the soleus mean pennation angle decreased after exercise (p-value 0.0015, effect size 2.31). These changes (or lack thereof) could be attributed to the extended acquisition time of the MRI scans to minimize noise: by increasing the acquisition time, the effect of the exercise may have been partially lost due to muscle recovery.
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) | 0,000 | 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) | 0,001 | 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 ».