Quantification of bone mineral, collagen, and water using a robust DECT-based algorithm: addressing attenuation similarity and CT imaging noise
Notice bibliographique
Résumé
Bone consists of hydroxyapatite, collagen, and water, each essential to mechanical integrity. Dual-energy computed tomography (DECT) offers a non-invasive way to quantify these components, but attenuation similarity between collagen and water and CT noise undermine stable decomposition. This study develops and evaluates a robust, constraint-based DECT algorithm to improve stability and accuracy under these conditions. The method was first verified using digital CT phantoms with prescribed compositions and then validated using 28 cylindrical bovine specimens scanned at 45/90 keV. Stepwise drying (110 °C, 6h) and ashing (600 °C, 9h) provided reference fractions of hydroxyapatite, collagen, and water. Simulations demonstrated high voxel-wise accuracy with negligible deviation from reference values. Experimentally, DECT-derived and ashing-measured fractions correlated moderately for hydroxyapatite (r = 0.61, p < 0.001) and collagen (r = 0.46, p = 0.02), but poorly for water (r = 0.02, p = 0.91), reflecting attenuation similarity and dehydration-related bonded-water loss. After excluding seven specimens with severe beam-hardening and streak artefacts, hydroxyapatite accuracy improved markedly (r = 0.89, p < 0.001). The algorithm enhances the reliability of DECT-based bone-composition assessment under realistic noise, providing robust hydroxyapatite quantification. Collagen–water separation remains limited, and future work will integrate advanced denoising and multi-energy CT.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».