Calculation of Carotid Artery Flow Rates Using Doppler Ultrasound: Implications of Velocity Profile Skewing
Notice bibliographique
Résumé
Doppler ultrasound (DUS) is a non-invasive means of obtaining patient-specific flow boundary conditions in computational modelling studies [1] or estimating volumetric flow in clinical studies [2, 3]. To convert velocity information to a flow waveform, three related assumptions are often applied, 1) that the peak velocity lies in the centre of a cylindrical vessel, 2) that a centrally-located sample volume will thus detect the peak velocity, and 3) that the velocity profile is fully-developed and axisymmetric, being well-approximated by a parabolic (Poiseuille) or Womersley profile. These assumptions may not always be valid, however, even for nominally straight vessels like the common carotid artery (CCA) [4, 5]. While one might expect that flow estimated from DUS would become increasingly inaccurate as the profile becomes less axisymmetric, the scale of such errors and their relation to the true profile shape have not been quantified for the CCA. Moreover, for a heavily skewed velocity profile, the peak velocity may not lie within the DUS sample volume, and hence the choice of sample volume or beam-vessel orientation may also affect the accuracy of flow calculations. In this study, we investigate these issues by performing an idealized virtual DUS on data from image-based computational models of the carotid bifurcation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».