神经形状模型编码了统计形状模型没有捕捉到的骨骼形状特征

A.A. Gatti , F. Kogan , G.E. Gold , S.L. Delp , A.S. Chaudhari
{"title":"神经形状模型编码了统计形状模型没有捕捉到的骨骼形状特征","authors":"A.A. Gatti , F. Kogan , G.E. Gold , S.L. Delp , A.S. Chaudhari","doi":"10.1016/j.ostima.2023.100101","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":74378,"journal":{"name":"Osteoarthritis imaging","volume":"3 ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"NEURAL SHAPE MODELS ENCODE BONE SHAPE FEATURES NOT CAPTURED BY STATISTICAL SHAPE MODELS\",\"authors\":\"A.A. Gatti , F. Kogan , G.E. Gold , S.L. Delp , A.S. Chaudhari\",\"doi\":\"10.1016/j.ostima.2023.100101\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"\",\"PeriodicalId\":74378,\"journal\":{\"name\":\"Osteoarthritis imaging\",\"volume\":\"3 \",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Osteoarthritis imaging\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://www.sciencedirect.com/science/article/pii/S2772654123000168\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Osteoarthritis imaging","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S2772654123000168","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

最近提出的B-Score使用统计形状模型(SSM)将股骨形状表示为类似于骨质疏松症T-score的标量值。B-Score对OA骨形态进行量化,定义为平均健康骨形态(B-Score=0)到平均OA骨形态的距离,其中1个单位等于健康B-Score的标准差[Bowes et al. 2021]。然而,ssm需要找到受试者股骨之间的匹配点,并学习线性特征,这可能会限制他们捕捉生理形状的能力。神经形状模型(Neural Shape Models, NSM)已经被证明可以表示物体表面,而不需要使用非线性神经网络在受试者之间匹配点。在这里,我们使用NSMs来重建骨骼形状,并使用这些特征来编码OA信息。目的比较NSM和SSM学习的b分数。方法纳入562名参加OAI的患者,其中女性335名,平均年龄63.5(8.9)岁,BMI 30.8(4.8) kg/m2, KLG计数0=35,1=79,2=269,3=167,4=12。图1描述了数据分析管道;矢状面DESS mri使用CNN分割,股骨表面使用行军立方体提取。NSM和SSM模型与半数受试者的24个月数据拟合。NSM和SSM学习到的特征空间分别为256维和90维。使用拟合模型从所有受试者的48个月数据中获得形状特征。最后,计算NSM和SSM的b -分数,评估NSM和SSM特征空间对学习b -分数的影响。为了确定每个模型是否有能力表示另一个模型的B-Score,使用线性回归计算由另一个模型的特征空间解释的B-Score的方差量。由于B-Score在每个KLG等级内产生一系列分数,因此绘制了每个KLG的b -分数分布。计算OA膝关节B-Score四分位数(1 vs 2、3、4)之间膝关节疼痛和TKA的比值比(OR) (KLG >=2)。疼痛的定义采用先前的标准[Morales等,2021]。结果NSM解释了82%的SSM B-score方差,但SSM只解释了55%的NSM B-score方差(图2)。图3显示了每个KLG的B-score分布,表明在一个KLG内,有一系列的B-score提供了更具体的形状信息。表1包括疼痛和TKA在四分位数1和所有其他四分位数之间的or值。结论NSM无需寻找被试之间的匹配点,即可学习编码OA临床相关信息的非线性形状特征。NSM和SSM在预测临床结果方面表现相似。NSM在KLG之间的b分范围更大,主要是由于KLG 0和1之间的巨大差异,这可能表明NSM具有更大的表达性。SSM在预测NSM b -得分方面做得很差,这在klg0膝关节中尤其明显,因为SSM无法在健康范围内重现NSM b -得分(图2)。klg0和4膝关节的小样本可能限制了SSM和NSM b -得分。来自OAI的更多数据可能会使更灵活的NSM学习更有表现力的表示,特别是在代表性不足的子样本中,比如klg4膝盖。本研究的结果表明,NSM捕获了SSM无法学习的新骨形状信息。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
NEURAL SHAPE MODELS ENCODE BONE SHAPE FEATURES NOT CAPTURED BY STATISTICAL SHAPE MODELS
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
Osteoarthritis imaging
Osteoarthritis imaging Radiology and Imaging
自引率
0.00%
发文量
0
期刊最新文献
Trapeziometacarpal joint movement during pinching measured by ultrasonography Standardized maps – an emerging approach to leverage quantitative information in knee imaging 3D bone shape from CT-scans provides an objective measure of osteoarthritis severity: Data from the IMI-APPROACH study Weight bearing 3-D joint space width distribution at the knee varies according to location and extent of meniscal extrusion: A MOST investigation Front Cover
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1