.png){kind=icon}
返回
Multidirectional Optical Bone Densitometry Using a Simulation-Based Machine Learning Model: Experimental Validation with Bone Phantoms
.png){kind=icon}
OA
AI
DOI：10.1007/s10439-026-04258-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然基于模拟最初提出的多方向光学骨密度测定方法已被先前报道，但其实验验证尚未得到证实。本研究通过使用骨仿体验证了该方法。这些仿体由英特拉利普、琼脂糖和牛皮质骨碎片制成。通过改变皮质骨碎片的比例，制备了不同骨密度的仿体。波长为850 nm的近红外激光从三个方向照射在仿体上，并记录了仿体表面上产生的背向、侧向和前向光强分布。从这些分布中提取方向光强值，用作模拟机器学习模型的特征以预测骨密度。预测骨密度与参考骨密度之间的线性回归得到r2为0.85。这些发现证明了所提出方法在概念验证层面的可行性，并为未来光学骨密度评估方法的发展提供了可能的方向。
Keyword:
Bone mineral density
Optical bone densitometry
Machine learning
Simulation
Osteoporosis screening
期刊
IF:
5.4
论文数:
6.3K
被引数:
1.4W
机构
引用论文
Comparison between calcaneus quantitative ultrasound and the gold standard DXA in the ability to detect osteoporosis in chronic obstructive pulmonary disease patients跟骨定量超声与金标准DXA检测慢性阻塞性肺疾病患者骨质疏松能力的比较OAAI
OAAI分享收藏分享收藏Device-Simulation-Based Machine Learning Technique for the Characteristic of Line Tunnel Field-Effect Transistors.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Biomolecular simulation based machine learning models accurately predict sites of tolerability to the unnatural amino acid acridonylalanineSCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容