MétaCan
Menu
Retour à la cohorte
Enregistrement W2071839803 · doi:10.1115/1.1351807

Requirements for Mesh Resolution in 3D Computational Hemodynamics

2000· article· en· W2071839803 sur OpenAlexaff
Sujata Prakash, C. Ross Ethier

Notice bibliographique

RevueJournal of Biomechanical Engineering · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPolygon meshShear stressSolverAdaptive mesh refinementMesh generationVolume meshFinite element methodVector fieldFlow (mathematics)Computer scienceGeometryMechanicsAlgorithmMathematicsComputational sciencePhysicsStructural engineeringMathematical optimizationEngineering

Résumé

récupéré en direct d'OpenAlex

Computational techniques are widely used for studying large artery hemodynamics. Current trends favor analyzing flow in more anatomically realistic arteries. A significant obstacle to such analyses is generation of computational meshes that accurately resolve both the complex geometry and the physiologically relevant flow features. Here we examine, for a single arterial geometry, how velocity and wall shear stress patterns depend on mesh characteristics. A well-validated Navier-Stokes solver was used to simulate flow in an anatomically realistic human right coronary artery (RCA) using unstructured high-order tetrahedral finite element meshes. Velocities, wall shear stresses (WSS), and wall shear stress gradients were computed on a conventional "high-resolution" mesh series (60,000 to 160,000 velocity nodes) generated with a commercial meshing package. Similar calculations were then performed in a series of meshes generated through an adaptive mesh refinement (AMR) methodology. Mesh-independent velocity fields were not very difficult to obtain for both the conventional and adaptive mesh series. However, wall shear stress fields, and, in particular, wall shear stress gradient fields, were much more difficult to accurately resolve. The conventional (nonadaptive) mesh series did not show a consistent trend towards mesh-independence of WSS results. For the adaptive series, it required approximately 190,000 velocity nodes to reach an r.m.s. error in normalized WSS of less than 10 percent. Achieving mesh-independence in computed WSS fields requires a surprisingly large number of nodes, and is best approached through a systematic solution-adaptive mesh refinement technique. Calculations of WSS, and particularly WSS gradients, show appreciable errors even on meshes that appear to produce mesh-independent velocity fields.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,037
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,019
Tête enseignante GPT0,290
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), 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

Citations147
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomechanical EngineeringMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207