LICENCE
ODIASP est un logiciel open-source qui permet le calcul de la surface musculaire en L3 en imagerie scanner, dans le cadre strict de la recherche n'impliquant pas la personne humaine. ODIASP V2.2 Copyright (C) 2024 <Dr Bétry C, Dumont C, Charrière K, Ragusa A> CHUGA/TIMC
Ce programme est un logiciel libre ; vous pouvez le redistribuer ou le modifier suivant les termes de la GNU General Public License telle que publiée par la Free Software Foundation ; soit la version 3 de la licence, soit (à votre gré) toute version ultérieure.
Ce programme est distribué dans l'espoir qu'il sera utile, mais SANS AUCUNE GARANTIE ; sans même la garantie tacite de QUALITÉ MARCHANDE ou d'ADÉQUATION à UN BUT PARTICULIER. Consultez la GNU General Public License pour plus de détails.
Vous devez avoir reçu une copie de la GNU General Public License en même temps que ce programme ; si ce n'est pas le cas, consultez < http://www.gnu.org/licenses>.
Conditions d'utilisation
Le Logiciel ODIASP est un logiciel dédié à la recherche n'impliquant pas la personne humaine et ne doit pas être utilisé dans le cadre du soin. ODIASP est une marque déposée, l'accès au logiciel ne donne pas droit à l'utilisation du nom ODIASP autre que pour les besoins de référence associés à la diffusion du logiciel dans le cadre de la licence GNU GPLv3.
Si vous utilisez ODIASP, merci de citer les publications ci-dessous :
ODIASP: An Open User-Friendly Software for Automated SMI Determination—Application to an Inpatient Population.
medRxiv
https://doi.org/10.1101/2024.10.25.24316094
K. Charrière, A. Ragusa, B. Genoux, A. Vilotitch, S. Artemova, P.A. Beaudoin, P.E. Madiot, G. Ferretti, I. Bricault, J.L. Bosson, E. Fontaine, A. Moreau-Gaudry, J. Giai, C. Bétry
ODIASP intègre des éléments de code open source, merci de les citer également :
Population-Scale CT-Based Body Composition Analysis Of a Large Outpatient Population Using Deep Learning To Derive Age, Sex, and Race-Specific Reference Curves.
Radiology 298 (2): 319-29
https://doi.org/10.1148/radiol.2020201640
GitHub: CT Body Composition
K. Magudia, C.P. Bridge, C.P. Bay, A. Babic, F.J. Fintelmann, F. Troschel, N. Miskin, W. Wrobel, L.K. Brais, K.P. Andriole, B.M. Wolpin, M.H. Rosenthal
Fully-Automated Analysis of Body Composition from CT in Cancer Patients Using Convolutional Neural Networks.
In , 11041:204-13
https://doi.org/10.1007/978-3-030-01201-4_22
GitHub: CT Body Composition
C.P. Bridge, M. Rosenthal, B. Wright, G. Kotecha, F. Fintelmann, F. Troschel, N. Miskin, K. Desai, W. Wrobel, A. Babic, N. Khalaf, L. Brais, M. Welch, C. Zellers, N. Tenenholtz, M. Michalski, B. Wolpin, K. Andriole
Automated body composition analysis of clinically acquired computed tomography scans using neural networks.
Clinical Nutrition 39 (10): 3049-55
https://doi.org/10.1016/j.clnu.2020.01.008
M.T. Paris, P. Tandon, D.K. Heyland, H. Furberg, T. Premji, G. Low, M. Mourtzakis
ODIASP 2024