Notice bibliographique
Résumé
Bone erosions are a pathological feature of several forms of inflammatory arthritis including rheumatoid arthritis (RA). The increased presence and size of erosions are associated with poor outcomes, joint function, and disease progression. High-resolution peripheral quantitative computed tomography (HR-pQCT) provides unparalleled in vivo visualization of bone erosions. However, at this resolution, discontinuities in the cortical shell (cortical breaks) that are associated with normal physiological processes and pathology are also visible. The Study grouP for xtrEme Computed Tomography in Rheumatoid Arthritis previously used a consensus process to develop a definition of pathological erosion in HR-pQCT: a cortical break detected in at least two consecutive slices, in at least two perpendicular planes, non-linear in shape, with underlying trabecular bone loss. However, despite the availability of a consensus definition, erosion identification is a demanding task with challenges in inter-rater variability. The purpose of this work is to introduce a training tool to provide users with guidance on identifying pathological cortical breaks on HR-pQCT images for erosion analysis. The protocol presented here uses a custom-built module (Bone Analysis Module (BAM) - Training), implemented as an extension to an open-source image processing software (3D Slicer). Using this module, users can practice identifying erosions and compare their results to erosions annotated by expert rheumatologists.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,152 | 0,130 |
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 ».