A 4D time‐lapse morphometry method to quantify bone formation and resorption during distraction osteogenesis
Notice bibliographique
Résumé
Abstract Distraction osteogenesis (DO) is widely utilized for treating limb length discrepancy, nonunion, bone deformities and defects. This study sought to develop a 4D time‐lapse morphometry method to quantify bone formation and resorption in mouse femur during DO based on image registration of longitudinal in vivo micro‐CT scans. Female C57BL/6 mice ( n = 7) underwent osteotomy, followed by 5 days of latency, 10 days of distraction and 35 days of consolidation. The mice were scanned with micro‐CT at Days 5, 15, 25, 35, 45, and 50. Histological sectioning and Movat Pentachrome straining were performed at Day 50. After registration of two consecutive micro‐CT images of the same bone (day x and day y ), the spatially‐ and temporally‐linked sequences of formation, resorption and quiescent bones at the distraction gap were identified and bone formation and resorption rates (BFR day x‐y and BRR day x‐y ) were calculated. The overall percentage error of the registration method was 2.98% ± 0.89% and there was a strong correlation between histologically‐measured bone area fraction and micro‐CT‐determined bone volume fraction at Day 50 ( r = 0.89, p < 0.05). The 4D time‐lapse morphometry indicated a rapid bone formation during the first 10 days of the consolidation phase (BFR day15–25 = 0.14 ± 0.05 mm 3 /day), followed by callus reshaping via equivalent bone formation and resorption rates. The 4D time‐lapse morphometry method developed in this study allows for a continuous quantitative monitoring of the dynamic process of bone formation and resorption following distraction, which may offer a better understanding of the mechanism for mechano‐regulated bone regeneration and aid for development of new treatment strategies of DO.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| 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 | 0,001 |
| 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 tête enseignante, 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 ».