Estimating the deposition efficiency of micro-particles in human upper airway using computerized tomography imaging and bio-inspired evolvable extreme learning machine interpolator
Notice bibliographique
Résumé
In this investigation, an intelligent technique is used to analyze the deposition efficiency (DE) of micro-particles in a realistic human upper airway model. To do so, firstly a numerical framework including computerized tomography (CT) imaging, geometry production software and mesh generation tool is utilized to provide a bed for simulating the human airway. Thereafter, the simulated airway is exposed to computational fluid-particle dynamics (CFPD) system to study the complete upper trachea-bronchial airway from trachea (G0) to second generation of bifurcations (G2). At the numerical phase, low Reynolds number (LRN) k-ω turbulence model is considered to simulate the laminar to turbulent occurred airflow. At the final stage, the obtained knowledge is used to provide a continuous model suited for analyzing the DE value in different sections of human upper airway. Here, the authors utilize a fast yet accurate intelligent interpolator called extreme learning machine (ELM) neural network to capture the knowledge of the obtained database. Bio-inspired metaheuristics are also used to evolve the architecture of ELM neural network such that it can predict the DE values with a high degree of accuracy and robustness. The results of the conducted experiments indicate that the proposed bio-inspired ELM interpolator is capable of providing a fast and accurate model which can yield proper information in a very short period of time as compared to the existing numerical techniques such as CFD. On the other hand, by using different types of bio-inspired metaheuristics, i.e. mutable smart bee algorithm (MSBA), particle swarm optimization (PSO), firefly algorithm (FA) and scale-factor local search differential evolution (SFLSDE), it is observed that the structure of ELM neural network can be easily trained using metaheuristics. In general, the experimental results demonstrate the applicability and efficacy of soft computing techniques for predicting the DE values in human upper airway.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».