Automatic detection of spinal injuries under dynamic compressive loading using high-speed cine-radiography
Notice bibliographique
Résumé
Every year, new cases of individuals suffering from traumatic spinal injuries are detected. Advances in numerical models have allowed for the understanding of the damage caused by trauma and its impact on the patient's life. However, the kinematics and dynamics of vertebral fracture formation from its point of origin to the speed of propulsion of the fragments remain unknown. This is mainly due to the lack of data that essentially includes high-speed videos, load and displacement measurements during experimental tests reproducing spinal traumatic loading conditions. This lack of data can be addressed by the analysis of X-Ray images of animal specimens acquired during the traumatic spinal injury formation process. Thus, the purpose of this study was to develop an approach to automatically detect and track in vitro vertebral fractures using high-speed cine-radiography imaging. Four segments of porcine thoracolumbar vertebrae were dynamically compressed using a servo-hydraulic test bench. The compression process was filmed with a custom high-speed cine-radiography device, and the imaging parameters were optimized based on the physical properties of vertebrae. This paper demonstrates the feasibility of using high-speed cine-radiography imaging in this way, combined with an image processing pipeline to allow automatic documentation of the fracture's appearance and its evolution in the vertebra over time.Clinical Relevance- The proposed method will provide helpful information for proper handling of traumatic spinal injuries.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».