Microvascular Flow Modeling using <i>In Vivo</i> Hemodynamic Measurements in Reconstructed 3D Capillary Networks
Notice bibliographique
Résumé
OBJECTIVE: We describe a systematic approach to modeling blood flow using reconstructed capillary networks and in vivo hemodynamic measurements. Our goal was to produce flow solutions that represent convective O(2) delivery in vivo. METHODS: Two capillary networks, I and II (84 × 168 × 342 and 70 × 157 × 268 μm(3)), were mapped using custom software. Total network red blood cell supply rate (SR) was calculated from in vivo data and used as a target metric for the flow model. To obtain inlet hematocrits, mass balances were applied recursively from downstream vessels. Pressure differences across the networks were adjusted to achieve target SR. Baseline flow solutions were used as inputs to existing O(2) transport models. To test the impact of flow redistribution, asymmetric flow solutions (Asym) were generated by applying a ± 20% pressure change to network outlets. RESULTS: Asym solutions produced a mean absolute difference in SR per capillary of 27.6 ± 33.3% in network I and 33.2 ± 40.1% in network II vs. baseline. The O(2) transport model calculated mean tissue PO(2) of 28.2 ± 4.8 and 28.1 ± 3.5 mmHg for baseline and 27.6 ± 5.2 and 27.7 ± 3.7 mmHg for Asym. CONCLUSIONS: This outcome illustrates that moderate changes in flow distribution within a capillary network have little impact on tissue PO(2) provided that total SR remains unchanged.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».