Diagnostisering av extremitetsfrakturer med CBCT
Notice bibliographique
Résumé
Detta examensarbete handlar om extremitetsfrakturer och hur man med hjälp av CBCT kan undersöka och avbilda extremiteterna (armar och ben). Syfte med detta examensarbete är att fördjupa kunskapen om extremitetsfrakturer och öka kunskapen i CBCT, dess användning, avbildning och diagnostisering då det kommer till extremitetsfrakturer. I bakgrundsdelen framkommer bland annat skelettets anatomi och fysiologi att presenteras varefter extremitetsfrakturer klassificeras. En kort genomgång av riskfaktorer och sjukdomar relaterade till frakturer har gjorts. Slutligen har diagnostisering med hjälp av Konventionell röntgen, MRI, CT och ultraljud, läkningsprocessen och behandling i allmänna drag behandlats. Arbetet genomfördes med en systematisk litteraturstudie som går ut på att analysera vetenskapliga artiklar. Artiklarna är hämtade från olika databaser som PubMed, ScienceDirect och SpringerLink. Som alla är baserade på avbildningsmetoden CBCT vid extremitetsfrakturer. Många artiklar har lästs, sju artiklar uppfyllde kriterierna och valdes med i studien. I resultatet framkommer det att CBCT är en ny avbildningsmetod som är mycket pålitligt vid misstanke på en extremitetsfraktur. Den lovande avbildningstekniken har bra upplösning, längre stråldos och kortare skanningstid, som i framtiden kan ersätta de gamla avbildnings teknikerna.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,015 |
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 ».