Automated evaluation of hip abductor muscle quality and size in hip osteoarthritis: Localized muscle regions are strongly associated with overall muscle quality
Notice bibliographique
Résumé
Limited information exists regarding abductor muscle quality variation across its length and which locations are most representative of overall muscle quality. This is exacerbated by time-intensive processes for manual muscle segmentation, which limits feasibility of large cohort analyses. The purpose of this study was to develop an automated and localized analysis pipeline that accurately estimates hip abductor muscle quality and size in individuals with mild-to-moderate hip osteoarthritis (OA) and identifies regions of each muscle which provide best estimates of overall muscle quality. Forty-four participants (age 52.7 ± 16.1 years, BMI 23.7 ± 3.4 kg/m2, 14 males) with and without mild-to-moderate radiographic hip OA were recruited for this study. Unilateral hip magnetic resonance (MR) images were acquired on a 3.0 T MR scanner and included axial T1-weighted fast spin echo and 3D axial Iterative Decomposition of water and fat with Echo Asymmetry and Least-squares estimation (IDEAL-IQ) spoiled gradient-recalled echo (SPGR) with multi-peak fat spectrum modeling and single T2* correction. A three dimensional (3D) V-Net convolutional neural network was trained to automatically segment the gluteus medius (GMED), gluteus minimus (GMIN), and tensor fascia lata (TFL) on axial IDEAL-IQ. Agreement between manual and automatic segmentation and associations between axial fat fraction (FF) estimated from IDEAL-IQ and overall muscle FF were evaluated. Dice scores for automatic segmentation were 0.94, 0.87, and 0.91 for GMED, GMIN, and TFL, respectively. GMED, GMIN, and TFL volumetric and FF measures were strongly correlated (r: 0.92–0.99) between automatic and manual segmentations, with 95% limits of agreement of [−1.99%, 2.89%] and [−9.79 cm3, 17.43 cm3], respectively. Axial FF was significantly associated with overall FF with the strongest correlations at 50%, 50%, and 65% the length of the GMED, GMIN, and TFL muscles, respectively (r: 0.93–0.97). An automated and localized analysis can provide efficient and accurate estimates of hip abductor muscle quality and size across muscle length. Specific regions of the muscle may be used to estimate overall muscle quality in an abbreviated evaluation of muscle quality.
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 | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».