Letter to the Editor regarding “Opportunistic screening with CT: comparison of phantomless BMD calibration methods”
Notice bibliographique
Résumé
The paper by Bartenschlager and colleagues1 addresses an important topic in the field of osteoporosis by exploring methods to perform density calibration on CT data so that the BMD can be calculated in the absence of a calibration phantom. They focused on the vertebra to examine 4 methods of internal calibration and commented on their accuracy for applications to opportunistic CT. One of the methods assessed was developed in our lab,2 which they refer to as the “voxel-specific” method, and it was concluded that it provides poor results at the spine. While they have done an important service by comparing the available methods, we are writing to highlight some key points to consider, which are related to the voxel-specific approach as the field rapidly progresses. First, it is important to note, as correctly stated by Bartenschlager and colleagues, that the voxel-specific method is the only considered approach that does not require direct measurements on the scanner used to acquire the image. This is a significant advantage because it can be applied in settings where access to the CT scanner is unavailable and therefore supports opportunistic screening broadly in a variety of conditions. It is not specific to any individual CT device or the acquisition parameters used (eg, X-ray energy and table height), which provides the benefit of universality. The other methods require pre-calibration or reference datasets, which are appropriate in a controlled setting (eg, clinical trial), but they are limited for generalized opportunistic CT use.
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 | 0,005 | 0,042 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,036 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».