MétaCan
Menu
Retour à la cohorte
Enregistrement W4389673820 · doi:10.1080/21681163.2023.2282074

Development of a single-vertebra image-based technique to quantify shoulder kinematics using four-dimensional computed tomography

2023· article· en· W4389673820 sur OpenAlexaff
James C. Hunter, Ting‐Yim Lee, George S. Athwal, Emily Lalone

Notice bibliographique

RevueComputer Methods in Biomechanics and Biomedical Engineering Imaging & Visualization · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensRobarts Clinical TrialsLawson Health Research InstituteSt Joseph's Health CareWestern University
Organismes subventionnairesnon disponible
Mots-clésTorsoKinematicsVertebraBiomechanicsCoordinate systemTomographyComputer scienceMathematicsArtificial intelligenceComputer visionAnatomyMedicineRadiologyPhysics

Résumé

récupéré en direct d'OpenAlex

This paper introduces and validates a new technique for analysing six degrees-of-freedom shoulder kinematics using four-dimensional computed tomography (4DCT), which uses a single vertebra to reference thoracic motion.Differences between the vertebra and International Society of Biomechanics (ISB) torso coordinate systems had an average RMSE of 11.6º and no statistical differences were found regarding range of motion.The errors associated with repeated analysis ranged from 0.2 mm to 3.4 mm, and 0.9º to 1.1º.Overall, the technique has been shown to be repeatable, and using a single vertebra is comparable to using the ISB torso coordinate system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,393
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer Methods in Biomechanics and Biomedical Engineering Imaging & VisualizationMême sujetShoulder Injury and TreatmentTravaux en français237 207