dual-energy X-ray absorptiometry
PulseAugur coverage of dual-energy X-ray absorptiometry — every cluster mentioning dual-energy X-ray absorptiometry across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI模型利用EHR和DXA数据预测骨折风险的表现优于FRAX
研究人员开发并验证了利用双能X射线吸收法（DXA）和电子健康记录（EHR）数据预测50岁以上成年人骨折风险的新模型。这些模型，包括惩罚Cox回归、随机生存森林、梯度提升生存和XGBoost生存，在区分能力上优于临床使用的FRAX评分。在内部验证中，扩展Cox模型达到了0.779的Harrell C指数，在外部验证中达到了0.714，而梯度提升生存模型在外部区分能力上最高，为0.725。建议在临床应用前进一步评估校准、前瞻性评估和实施工作流程。
-
新的因果分析方法提高了髋部骨折风险预测的准确性
研究人员开发了一种因果分析方法，以更好地理解源自DXA扫描的骨骼表型与髋部骨折风险之间的关系。通过分析来自超过21,000名UK Biobank参与者的数据，他们发现股骨总骨矿物质含量和密度对骨折风险的影响最大。与现有方法相比，将这些表型纳入风险预测模型显著提高了准确性。
-
VerteNet混合CNN Transformer改进DXA扫描地标定位
研究人员开发了VerteNet，这是一种混合CNN-Transformer模型，旨在精确地标定侧位脊柱DXA扫描中的椎体地标。该深度学习框架解决了低对比度和易产生伪影的图像带来的挑战，这些图像通常使手动标注困难且耗时。VerteNet在跨四个不同模型的扫描中表现出卓越的定位精度，归一化平均误差为4.92像素，中位误差为2.35像素。该系统在检测腹主动脉切片方面也显示出高精度，并提高了临床分析的读数间一致性。