Magnetic resonance imaging based finite element modelling of the proximal femur: a short-term in vivo precision study
Notice bibliographique
Résumé
Proximal femoral fractures are a serious life-threatening injury with high morbidity and mortality. Magnetic resonance (MR) imaging has potential to non-invasively assess proximal femoral bone strength in vivo through usage of finite element (FE) modelling (a technique referred to as MR-FE). To precisely assess bone strength, knowledge of measurement error associated with different MR-FE outcomes is needed. The objective of this study was to characterize the short-term in vivo precision errors of MR-FE outcomes (e.g., stress, strain, failure loads) of the proximal femur for fall and stance loading configurations using 13 participants (5 males and 8 females; median age: 27 years, range: 21-68), each scanned 3 times. MR-FE models were generated, and mean von Mises stress and strain as well as principal stress and strain were calculated for 3 regions of interest. Similarly, we calculated the failure loads to cause 5% of contiguous elements to fail according to the von Mises yield, Brittle Coulomb-Mohr, normal principal, and Hoffman stress and strain criteria. Precision (root-mean squared coefficient of variation) of the MR-FE outcomes ranged from 3.3% to 11.8% for stress and strain-based mechanical outcomes, and 5.8% to 9.0% for failure loads. These results provide evidence that MR-FE outcomes are a promising non-invasive technique for monitoring femoral strength in vivo.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».