Muscular Morphometric Study of the Canine Shoulder with In Silico Functional Modelling of Personalized 3D-Printed Endoprostheses in Dogs with Osteosarcoma of the Proximal Humerus: A Pilot Cadaveric Study by MRI
Notice bibliographique
Résumé
Introduction: Osteosarcoma frequently affects the canine proximal humerus. In veterinary medicine no satisfactory therapeutic option is available to preserve the function of the limb. 3D-printed personalized prostheses would be a valuable therapeutic option. Morphometric data are needed to design the prostheses. They are currently lacking in canine patients. Our objective was to acquire morphometric data needed to refine the design of the prostheses. Materials and Methods: MRI was performed on one canine cadaveric thoracic limb. Muscles of interest were identified using a medical images software (Mimics). Morphometric data were recorded for each of the 19 muscles. The same canine cadaver was then dissected to measure the same variables. Those data were used in silico to model the relative importance of each muscle during motion. Results: All muscles were successfully identified with data consistent with the dissected cadaveric data. Some muscles were more challenging to isolate on the MRI, namely the heads of the triceps , superficial pectoral, and latissimus dorsi . Relative repartition of muscle volume was similar to historical data. The first modelling with a cuff-rotatory model prosthesis showed the importance for the shoulder stability of the superficial pectoral (transversus), latissimus dorsi , infraspinatus, and subscapularis . Discussion/Conclusion: MRI is a useful tool to collect morphometric data but imperfect if used solely. This approach was a first attempt to validate more general morphometric data that could be used to refine the design of 3D-printed personalized prostheses for limb-sparing of the proximal humerus. Further imaging studies are warranted to refine our model. Acknowledgement: This project was funded by ÉTS Laboratory on Shape Memory and Intelligent system (B.V.), Canada Research Chair in Engineering Innovations in Spinal Trauma (P.Y.) and University of Montreal internal funds (B.L.). Publication History Article published online: 26 October 2022 © 2022. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».