MétaCan
Menu
Retour à la cohorte
Enregistrement W1995059176 · doi:10.1109/have.2010.5623989

An improved realistic mass-spring model for surgery simulation

2010· article· en· W1995059176 sur OpenAlexaff
Shaoping Xu, Hua Zhang, Linyan Hu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSpring (device)Nonlinear systemFinite element methodViscoelasticityComputer scienceElasticity (physics)ComputationAnisotropySimple (philosophy)Effective mass (spring–mass system)SimulationNonlinear elasticityApplied mathematicsMechanicsStructural engineeringMaterials scienceAlgorithmClassical mechanicsPhysicsMathematicsEngineeringComposite materialOptics

Résumé

récupéré en direct d'OpenAlex

An improved realistic mass-spring model, which is mainly based on the 3D finite strain nonlinear anisotropic elasticity theory, is presented for virtual reality based surgery simulation. Compared with the conversional mass-spring model, the proposed model is able to describe typical behaviors of living tissues such as incompressibility, nonlinearity and anisotropy. The nonlinear viscoelasticity is also incorporated into the soft tissue model by employing a numerical scheme. In terms of implementation, the model proposed can be seen as a mixture of finite-element and mass-spring models, which enables it to still maintain the advantage of mass-spring model, such as simple architectures, low memory usage and fast computation. An example to use this model to simulate human kidney is given to demonstrate its capability of describing the typical behaviors of soft tissue.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,307

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,252
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElasticity and Material ModelingTravaux en français237 207