MétaCan
Menu
Retour à la cohorte
Enregistrement W2001757566 · doi:10.1088/0031-9155/53/24/006

Measurement of the hyperelastic properties of tissue slices with tumour inclusion

2008· article· en· W2001757566 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePhysics in Medicine and Biology · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensRobarts Clinical TrialsWestern University
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésHyperelastic materialElasticity (physics)Imaging phantomNonlinear systemFinite element methodComputer scienceSolverLinear elasticityMaterials scienceMathematicsMathematical optimizationOpticsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

The elastic and hyperelastic properties of biological soft tissues have been of interest to the medical community as there are several applications where parameters characterizing these properties are critical for a reliable outcome. This includes applications such as surgery planning, needle biopsy and cancer diagnosis using medical imaging. While there has been considerable research on the measurement of the linear elastic modulus of small tissue samples, little research has been conducted for measuring parameters that characterize nonlinear elasticity of tissues included in slice specimens. In this paper, we present a method of measuring the hyperelastic parameters of tissue slice samples with tumours. In this method, to measure the hyperelastic properties of a tumour within a slice sample, the tumour was indented to acquire its force-displacement response while the slice remained intact. To calculate the hyperelastic parameters from the acquired data, we developed two inversion techniques that use the slice nonlinear finite element model as their forward problem solver. One of these techniques was based on nonlinear optimization while the other is a novel iterative technique that processes the variable slopes of the force-displacement response to calculate the hyperelastic parameters. The latter was developed specifically for the Yeoh and the second-order polynomial hyperelastic models, since we found that the other optimization-based inversion technique did not perform well with these models. To validate the proposed techniques, we performed numerical and phantom experiments. While we were able to achieve convergence with wide ranges of parameters of initial guesses to within 1% error with the numerical simulation experiments, we achieved convergence to within errors of around 5% with the tissue mimicking phantoms. Moreover, we successfully applied these techniques to data we acquired from nine pathological breast tissue slice specimens where the goal was to determine the hyperelastic properties of the tumour within the breast tissue slices.

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.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,097

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 Opus0,167
Tête enseignante GPT0,275
Écart entre enseignants0,108 · 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