An accuracy assessment of SlicerAutoscoperM − software for tracking skeletal structures in multi-plane videoradiography datasets
Notice bibliographique
Résumé
(SAM), an upgrade of the markerless tracking software (Autoscoper) and its migration into the established computing environment of 3DSlicer and addition of a comprehensive pre-processing module to provide a standardized workflow. We present the accuracy and agreement in tracking four skeletal joints by four research groups. Accuracy was assessed by comparing marker-generated and SAM kinematics for bones of the foot, knee, shoulder, and wrist. Bland-Altman analyses quantified bias (mean error) and limits of agreement (LOA). Tracking accuracy was robust for all joints. In the foot, mean error (bias) was less than 0.5° (1.8°) and 0.8 mm (3.1 mm). In the knee, mean error was less than 1.0° (1.5°) and 0.4 mm (0.8 mm). In the shoulder, mean translational error for both the humerus and scapula was less than 0.2 mm (0.7 mm). Rotational error was highest in Roll and Pitch for the humerus, 1.9° (4.8°) and 1.7° (4.6°), respectively, and Yaw was 0.3° (2.1°). The scapula rotational bias was less than 0.2° (0.7°). In the wrist, the error was less than 0.05° (1.2°) and 0.5 mm (1.2 mm). Our data demonstrate that SAM is an accurate image-based skeletal motion tracking tool. With broad adoption, SAM will promote collaboration, simplify the harmonization of methods between study sites for large multi-center research studies, lower the entry bar for early-stage investigators, and facilitate translations toward clinical use.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».