Unsupervised Learning‐Based Measurement of Ultrasonic Axial Transmission Velocity in Neonatal Bone
Notice bibliographique
Résumé
OBJECTIVES: To develop a robust algorithm for estimating ultrasonic axial transmission velocity from neonatal tibial bone, and to investigate the relationships between ultrasound velocity and neonatal anthropometric measurements as well as clinical biochemical markers of skeletal health. METHODS: This study presents an unsupervised learning approach for the automatic detection of first arrival time and estimation of ultrasonic velocity from axial transmission waveforms, which potentially indicates bone quality. The proposed method combines the ReliefF algorithm and fuzzy C-means clustering. It was first validated using an in vitro dataset measured from a Sawbones phantom. It was subsequently applied on in vivo signals collected from 40 infants, comprising 21 males and 19 females. The extracted neonatal ultrasonic velocity was subjected to statistical analysis to explore correlations with the infants' anthropometric features and biochemical indicators. RESULTS: The results of in vivo data analysis revealed significant correlations between the extracted ultrasonic velocity and the neonatal anthropometric measurements and biochemical markers. The velocity of first arrival signals showed good associations with body weight (ρ = 0.583, P value <.001), body length (ρ = 0.583, P value <.001), and gestational age (ρ = 0.557, P value <.001). CONCLUSION: These findings suggest that fuzzy C-means clustering is highly effective in extracting ultrasonic propagating velocity in bone and reliably applicable in in vivo measurement. This work is a preliminary study that holds promise in advancing the development of a standardized ultrasonic tool for assessing neonatal bone health. Such advancements are crucial in the accurate diagnosis of bone growth disorders.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».