Improving the Stability of Cardiac Mechanical Simulations
Notice bibliographique
Résumé
In the field of cardiac modeling, the mechanical action of the heart is often simulated using finite element methods. These simulations are becoming increasingly challenging as the computational domain is customized to a patient's anatomy, within which large heterogeneous tension gradients are generated via biophysical cell models which drive simulations of the cardiac pump cycle. The convergence of nonlinear solvers in simulations of large deformation mechanics depends on many factors. When extreme stress or irregular deformations are modeled, commonly used numerical methods can often fail to find a solution, which can prevent investigation of interesting parameter variations or use of models in a clinical context with high standards for robustness. This paper outlines a novel numerical method that is straightforward to implement and which significantly improves the stability of these simulations. The method involves adding a compressibility penalty to the standard incompressible formulation of large deformation mechanics. We compare the method's performance when used with both a direct discretization of the equations for incompressible solid mechanics, as well as the formulation based on an isochoric/deviatoric split of the deformation gradient. The addition of this penalty decreases the tendency for solutions to deviate from the incompressibility constraint, and significantly improves the ability of the Newton solver to find a solution. Additionally, our method maintains the expected order of convergence under mesh refinement, has nearly identical solutions for the pressure-volume relations, and stabilizes the solver to allow challenging simulations of both diastolic and systolic function on personalized patient geometries.
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 ».