شاخص همگن در یک وضعیت حساس

انتشار: مشارکت در مجله ›مجله مجله› تحقیق ›شرکت

• ارائه
• قالبهای استناد

استاندارد

غضروف پوکی استخوان از غضروف سالم همگن تر است: شناسایی یک منطقه برتر از علاقه با یک عامل خطر عمده برای آرتروز./ قازی ، Arish A ؛سد ، اریک ب ؛نیلسن ، مادس ؛کارسدال ، مورتن الف ؛پترن ، پائولا سی ؛کریستینسن ، کلاوس.

در: رادیولوژی دانشگاهی ، دوره 14 ، شماره. 10 ، 10،2007 ، صص 1209-20.

انتشار: مشارکت در مجله ›مجله مجله› تحقیق ›شرکت

هاروارد

Qazi ، AA ، Dam ، EB ، Nielsen ، M ، Karsdal ، MA ، Pettersen ، PC & Christiansen ، C 2007 ، 'غضروف استئوآرتریت از غضروف سالم یکدست تر است: شناسایی یک منطقه برتر از علاقه با یک عامل خطر عمده برای پوکی استخوان جمع شده است '، رادیولوژی دانشگاهی ، دوره 14 ، شماره 10 ، صص 1209-20. https://doi. org/10. 1016/j. acra. 2007. 06. 004

APA

Qazi ، A. A. ، Dam ، E. B. ، Nielsen ، M. ، Karsdal ، M. A. ، Pettersen ، P. C. ، & Christiansen ، C. (2007). غضروف پوکی استخوان از غضروف سالم همگن تر است: شناسایی یک منطقه برتر از علاقه با یک عامل خطر عمده برای آرتروز. رادیولوژی دانشگاهی ، 14 (10) ، 1209-20. https://doi. org/10. 1016/j. acra. 2007. 06. 004

ونکوور

Qazi AA ، Dam EB ، Nielsen M ، Karsdal MA ، PT Pettersen ، Christians C. غضروف پوکی استخوان از غضروف سالم همگن تر است: شناسایی یک منطقه برتر از علاقه با یک عامل اصلی خطر برای استئوآرتریت. رادیولوژی دانشگاهی. 2007 اکتبر ؛ 14 (10): 1209-20. https://doi. org/10. 1016/j. acra. 2007. 06. 004

نویسنده

قازی ، آریش a ؛سد ، اریک ب ؛نیلسن ، مادس ؛کارسدال ، مورتن الف ؛پترن ، پائولا سی ؛کریستینسن ، کلاوس./ غضروف پوکی استخوان از غضروف سالم همگن تر است: شناسایی یک منطقه برتر از علاقه با یک عامل خطر عمده برای آرتروز. در: رادیولوژی دانشگاهی. 2007 ؛دوره 14 ، شماره. 10. صص 1209-20.

دوزخ

@مقاله<7d730d7347cf46519b0c35302c12b45f,

عنوان = "غضروف پوکی استخوان از غضروف سالم همگن تر است: شناسایی یک منطقه برتر از علاقه با یک عامل خطر عمده برای آرتروز" ،

abstract = "RATIONALE AND OBJECTIVES: Cartilage loss as determined by magnetic resonance imaging (MRI) or joint space narrowing as determined by x-ray is the result of cartilage erosion. However, metabolic processes within the cartilage that later result in cartilage loss may be a more sensitive assessment method for early changes. Recently, it was shown that cartilage homogeneity visualized by MRI representing the biochemical changes undergoing in the cartilage is a potential marker for early detection of knee osteoarthritis (OA) and is also able to significantly separate groups of healthy subjects from those with OA. The purpose of this study was twofold. First, we wished to evaluate whether the results on cartilage homogeneity from the previous study can be reproduced using an independent population. Second, based on the homogeneity framework, we present an automatic technique that partitions the region of interest in the cartilage that contributes most to discrimination between healthy and OA subjects and allows for identification of the most implicated areas in early OA. These findings may allow further investigation of whether cartilage homogeneity reveals a predisposition for OA or whether it evolves as a consequence to disease and thereby can be used as a progression biomarker.MATERIALS AND METHODS: A total of 283 right and left knees from 159 subjects aged 21 to 81 years were scaed using a Turbo 3D T1 sequence on a 0.18-T MRI Esaote scaer. The medial compartment of the tibial cartilage sheet was segmented using a fully automatic voxel classification scheme based on supervised leaing. From the segmented cartilage sheet, homogeneity was quantified by measuring entropy from the distribution of signal intensities inside the compartment. Each knee was examined by radiography, and the knees were categorized by the Kellgren and Lawrence (KL) Index. Next, based on a gradient descent optimization technique, the cartilage region that contributed to the maximum statistical significance of homogeneity in separating healthy subjects from the diseased was partitioned. The generalizability of the region was evaluated by testing for overfitting. Three different regularization techniques were evaluated for reducing overfitting errors.RESULTS: The P values for separating the different groups based on cartilage homogeneity were 2 x 10(-5) (KL 0 versus KL 1) and 1 x 10(-7) (KL 0 versus KL>0). Using the automatic gradient descent technique, the partitioned region was toward the peripheral part of the cartilage sheet. Using this region, the P values for separating the different groups based on homogeneity were 5 x 10(-9) (KL 0 versus KL 1) and 1 x 10(-15) (KL 0 versus KL>0)دقت همگن بودن برای منطقه تقسیم شده به عنوان یک ضریب میانگین مربع ریشه و آزمایش مجدد آزمایش ، 3. 3 ٪ بود. Bootstrapping ثابت شد که یک ابزار تنظیم موثر در کاهش خطاهای بیش از حد است. Conclusion: مطالعه اعتبار سنجی از استفاده از همگن غضروف به عنوان ابزاری برای تشخیص زودهنگام OA زانو و جدا کردن گروه های سالم از افراد مبتلا به بیماری پشتیبانی می کند. الگوریتم پارتیشن بندی اتوماتیک و بی طرفانه ما بر اساس یک چارچوب آماری کلی ، منطقه غضروف مورد علاقه را بیان می کند که به بهترین وجه از شرایط OA بر اساس تبعیض همگن جدا می شود. ما نشان داده ایم که OA به طور مشخص مناطق غضروف را تحت تأثیر قرار می دهد ، و این مناطق بیشتر به سمت منطقه محیطی غضروف قرار دارند. ما پیشنهاد می کنیم که این منطقه به صورت آناتومیک با غضروف تحت پوشش منیسک در افراد سالم مطابقت داشته باشد. این یافته ممکن است سرنخ های ارزشمندی در تشخیص زودرس و نظارت بر OA فراهم کند و بنابراین ممکن است اثربخشی درمانی را بهبود بخشد. "

واژه های کلیدی = "بزرگسالان ، پیر ، پیر ، 80 سال و بالاتر ، زن ، انسان ، تصویربرداری رزونانس مغناطیسی ، مرد ، میانسال ، آرتروز ، زانو ، عوامل خطر ، مقاله ژورنال"

نویسنده = "qazi ،و سد ، و مادس نیلسن و کارسدال ، و پترسن و کلاوس کریستینسن "، سال = "2007" ، ماه = اکتبر ، doi = "10. 1016/j. acra. 2007. 06. 004" ، زبان = "انگلیسی" ، جلد = "14" ، صفحات = "1209--20" ، مجله = "رادیولوژی دانشگاهی" ، ISSN = "1076-6332" ، ناشر = "Elsevier" ، شماره = "10" ،

برخاستن

T1 - غضروف پوکی استخوان از غضروف سالم همگن تر است

T2 - شناسایی یک منطقه برتر از علاقه با یک عامل خطر عمده برای آرتروز

au - qazi ، arish a

AU - نیلسن ، دیوانه

AU - کارسال ، مورتن الف

AU - Pettersen ، Paola C

AU - Christiansen ، Claus

N2 - RATIONALE AND OBJECTIVES: Cartilage loss as determined by magnetic resonance imaging (MRI) or joint space narrowing as determined by x-ray is the result of cartilage erosion. However, metabolic processes within the cartilage that later result in cartilage loss may be a more sensitive assessment method for early changes. Recently, it was shown that cartilage homogeneity visualized by MRI representing the biochemical changes undergoing in the cartilage is a potential marker for early detection of knee osteoarthritis (OA) and is also able to significantly separate groups of healthy subjects from those with OA. The purpose of this study was twofold. First, we wished to evaluate whether the results on cartilage homogeneity from the previous study can be reproduced using an independent population. Second, based on the homogeneity framework, we present an automatic technique that partitions the region of interest in the cartilage that contributes most to discrimination between healthy and OA subjects and allows for identification of the most implicated areas in early OA. These findings may allow further investigation of whether cartilage homogeneity reveals a predisposition for OA or whether it evolves as a consequence to disease and thereby can be used as a progression biomarker.MATERIALS AND METHODS: A total of 283 right and left knees from 159 subjects aged 21 to 81 years were scaed using a Turbo 3D T1 sequence on a 0.18-T MRI Esaote scaer. The medial compartment of the tibial cartilage sheet was segmented using a fully automatic voxel classification scheme based on supervised leaing. From the segmented cartilage sheet, homogeneity was quantified by measuring entropy from the distribution of signal intensities inside the compartment. Each knee was examined by radiography, and the knees were categorized by the Kellgren and Lawrence (KL) Index. Next, based on a gradient descent optimization technique, the cartilage region that contributed to the maximum statistical significance of homogeneity in separating healthy subjects from the diseased was partitioned. The generalizability of the region was evaluated by testing for overfitting. Three different regularization techniques were evaluated for reducing overfitting errors.RESULTS: The P values for separating the different groups based on cartilage homogeneity were 2 x 10(-5) (KL 0 versus KL 1) and 1 x 10(-7) (KL 0 versus KL>0). Using the automatic gradient descent technique, the partitioned region was toward the peripheral part of the cartilage sheet. Using this region, the P values for separating the different groups based on homogeneity were 5 x 10(-9) (KL 0 versus KL 1) and 1 x 10(-15) (KL 0 versus KL>0)دقت همگن بودن برای منطقه تقسیم شده به عنوان یک ضریب میانگین مربع ریشه و آزمایش مجدد آزمایش ، 3. 3 ٪ بود. Bootstrapping ثابت شد که یک ابزار تنظیم موثر در کاهش خطاهای بیش از حد است. Conclusion: مطالعه اعتبار سنجی از استفاده از همگن غضروف به عنوان ابزاری برای تشخیص زودهنگام OA زانو و جدا کردن گروه های سالم از افراد مبتلا به بیماری پشتیبانی می کند. الگوریتم پارتیشن بندی اتوماتیک و بی طرفانه ما بر اساس یک چارچوب آماری کلی ، منطقه غضروف مورد علاقه را بیان می کند که به بهترین وجه از شرایط OA بر اساس تبعیض همگن جدا می شود. ما نشان داده ایم که OA به طور مشخص مناطق غضروف را تحت تأثیر قرار می دهد ، و این مناطق بیشتر به سمت منطقه محیطی غضروف قرار دارند. ما پیشنهاد می کنیم که این منطقه به صورت آناتومیک با غضروف تحت پوشش منیسک در افراد سالم مطابقت داشته باشد. این یافته ممکن است سرنخ های ارزشمندی را در تشخیص زودرس و نظارت بر OA فراهم کند و بنابراین ممکن است اثربخشی درمانی را بهبود بخشد.

AB - RATIONALE AND OBJECTIVES: Cartilage loss as determined by magnetic resonance imaging (MRI) or joint space narrowing as determined by x-ray is the result of cartilage erosion. However, metabolic processes within the cartilage that later result in cartilage loss may be a more sensitive assessment method for early changes. Recently, it was shown that cartilage homogeneity visualized by MRI representing the biochemical changes undergoing in the cartilage is a potential marker for early detection of knee osteoarthritis (OA) and is also able to significantly separate groups of healthy subjects from those with OA. The purpose of this study was twofold. First, we wished to evaluate whether the results on cartilage homogeneity from the previous study can be reproduced using an independent population. Second, based on the homogeneity framework, we present an automatic technique that partitions the region of interest in the cartilage that contributes most to discrimination between healthy and OA subjects and allows for identification of the most implicated areas in early OA. These findings may allow further investigation of whether cartilage homogeneity reveals a predisposition for OA or whether it evolves as a consequence to disease and thereby can be used as a progression biomarker.MATERIALS AND METHODS: A total of 283 right and left knees from 159 subjects aged 21 to 81 years were scaed using a Turbo 3D T1 sequence on a 0.18-T MRI Esaote scaer. The medial compartment of the tibial cartilage sheet was segmented using a fully automatic voxel classification scheme based on supervised leaing. From the segmented cartilage sheet, homogeneity was quantified by measuring entropy from the distribution of signal intensities inside the compartment. Each knee was examined by radiography, and the knees were categorized by the Kellgren and Lawrence (KL) Index. Next, based on a gradient descent optimization technique, the cartilage region that contributed to the maximum statistical significance of homogeneity in separating healthy subjects from the diseased was partitioned. The generalizability of the region was evaluated by testing for overfitting. Three different regularization techniques were evaluated for reducing overfitting errors.RESULTS: The P values for separating the different groups based on cartilage homogeneity were 2 x 10(-5) (KL 0 versus KL 1) and 1 x 10(-7) (KL 0 versus KL>0). Using the automatic gradient descent technique, the partitioned region was toward the peripheral part of the cartilage sheet. Using this region, the P values for separating the different groups based on homogeneity were 5 x 10(-9) (KL 0 versus KL 1) and 1 x 10(-15) (KL 0 versus KL>0)دقت همگن بودن برای منطقه تقسیم شده به عنوان یک ضریب میانگین مربع ریشه و آزمایش مجدد آزمایش ، 3. 3 ٪ بود. Bootstrapping ثابت شد که یک ابزار تنظیم موثر در کاهش خطاهای بیش از حد است. Conclusion: مطالعه اعتبار سنجی از استفاده از همگن غضروف به عنوان ابزاری برای تشخیص زودهنگام OA زانو و جدا کردن گروه های سالم از افراد مبتلا به بیماری پشتیبانی می کند. الگوریتم پارتیشن بندی اتوماتیک و بی طرفانه ما بر اساس یک چارچوب آماری کلی ، منطقه غضروف مورد علاقه را بیان می کند که به بهترین وجه از شرایط OA بر اساس تبعیض همگن جدا می شود. ما نشان داده ایم که OA به طور مشخص مناطق غضروف را تحت تأثیر قرار می دهد ، و این مناطق بیشتر به سمت منطقه محیطی غضروف قرار دارند. ما پیشنهاد می کنیم که این منطقه به صورت آناتومیک با غضروف تحت پوشش منیسک در افراد سالم مطابقت داشته باشد. این یافته ممکن است سرنخ های ارزشمندی را در تشخیص زودرس و نظارت بر OA فراهم کند و بنابراین ممکن است اثربخشی درمانی را بهبود بخشد.

KW - پیر ، 80 و بالاتر

KW - تصویربرداری رزونانس مغناطیسی

KW - میانسال

KW - آرتروز ، زانو