Parametrized statistical appearance and shape modelling strategy to predict proximal and diaphyseal femoral fractures
Notice bibliographique
Résumé
Introduction: Femoral loading leading to a fracture is known to vary with anthropometry, and patient-specific finite element models have provided important insights into fracture prediction but are often very time consuming to generate. Additionally, existing parametric models do not simultaneously account for variations in both femur geometry and bone density distribution and remain limited to either the femoral shaft or the proximal femur. This inhibits their ability to predict fractures involving both the shaft and proximal regions. Methods: In the present study, a novel parametric femur modeling strategy was developed to create whole femur models based on stature, BMI, and age input, including density distribution and geometrical variations, for fracture loading predictions. A statistical shape and appearance femur model was developed based on an input set of CT scans of healthy female femurs (N = 18) between the ages of 50 and 70. Thereafter, multilinear regressions were used to relate principal components to the subject anthropometric characteristics and develop parametric models. The developed parametric models were evaluated using traditional patient-specific models for their potential to represent the influence of changing patient stature, BMI, and age on femoral fractures. Femoral fracture load in three-point bending, axial torsion, and lateral fall cases was predicted using the parametric as well as subject-specific femur models. Results: The developed parametric model was able to predict femoral fracture load variations due to changing anthropometry and age with an average difference of 4.85% compared with predictions using subject-specific models. Discussion: Therefore, this novel parametric femur model can predict fracture loading while directly incorporating the influence of changing patient anthropometry. In the future, the model could support the development of orthopedic devices tailored to specific patient anthropometries to help mitigate femoral fractures.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».