Accuracy and precision of internal displacement and strain measurements in long human bones using HR-pQCT and digital volume correlation
Notice bibliographique
Résumé
Digital volume correlation (DVC) is a technique for measuring 3D, internal displacements and strains in loaded structures.One application of DVC is the study of internal bone mechanics and the validation of subject-specific finite element (FE) models.While micro-computed tomography (µCT) is a common choice for DVC studies of small samples of bone, long human bones such as the tibia may exceed the spatial limitations of conventional µCT.High resolution peripheral quantitative CT (HR-pQCT) scanners, with their large bore and open-ended design, may be a viable option for long-bone DVC.However, HR-pQCT is afflicted by stitching artefacts, caused by the stacking of scan blocks to form the large scan volume, resulting in erroneous steps in DVC displacements and bands of increased strain error.This study proposed a modified HR-pQCT scanning protocol and stitching methodology to mitigate the effects of stitching artefacts on DVC measurements of displacement and strain.With the application of the proposed scanning/stitching methodology, displacements greater than 11.7µm (0.29 voxels) and strains greater than 1633µε could be repeatedly measured by DVC.These results show that HR-pQCT combined with DVC is suitable for measuring internal bone displacements in long human bones with sub-voxel precision and strains greater than 1633µε.
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 | 0,010 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».