AUTOMATIC SEGMENTATION AND BONE ARCHITECTURE ANALYSIS OF SUBCHONDRAL BONE IN THE MURINE PROXIMAL TIBIA: EVALUATION OF AN OPEN-SOURCE PIPELINE
Notice bibliographique
Résumé
µCT images are commonly analysed to assess changes in bone density and architecture in preclinical murine models. Several platforms provide automated analysis of bone architecture parameters from volumetric regions of interest (ROI). However, segmentation of the regions of subchondral bone to create the volumetric ROIs remains a manual and time-consuming task. This study aimed to develop and evaluate automated pipelines for trabecular bone architecture analysis of mouse proximal tibia subchondral bone. A segmented dataset involving 62 knees (healthy and arthritic) from 10-week male C57BL/6 mice were used to train a U-Net type architecture, with µCT scans (downsampled) input that output segmentation and bone volume density (BV/TV) of the subchondral trabecular bone. Segmentations were upsampled and used in tandem with the original scans (10µ) as input for architecture analysis along with the thresholded trabecular bone. The analysis considered the manually and U-Net segmented ROIs using two available pipelines: the ITKBoneMorphometry library and CTan (SKYSCAN). The analyses included: bone volume (BV), total volume (TV), BV/TV, trabecular number (TbN), trabecular thickness (TbTh), trabecular separation (TbSp), and bone surface density (BSBV). There was good agreement for bone measures between the manual and U-Net pipelines utilizing ITK (R=0.88-0.98) and CTan (R=0.91-0.98). ITK and CTan showed good agreement for BV, TV, BV/TV, TbTh and BSBV (R=0.9-0.98). However, a limited agreement was seen between TbN (R=0.73) and TbSb (R=0.59) due to methodological differences in how spacing is evaluated. This U-Net/ITK pipeline seamlessly automated both segmentation and quantification of the proximal tibia subchondral bone. This automated pipeline allows the analysis of large volumes of data, and its open-source nature may enable the standardization of stereologic analysis of trabecular bone across different research groups.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».