MétaCan
Menu
Retour à la cohorte
Enregistrement W2090731337 · doi:10.1002/cnm.1445

Immersed boundary model of aortic heart valve dynamics with physiological driving and loading conditions

2011· article· en· W2090731337 sur OpenAlexfundno aff

Notice bibliographique

RevueInternational Journal for Numerical Methods in Biomedical Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensnon disponible
Organismes subventionnairesSt. Jude MedicalYork UniversityAmerican Heart AssociationCourant Institute of Mathematical Sciences, New York UniversityDivision of Mathematical SciencesNational Science Foundation
Mots-clésImmersed boundary methodEulerian pathFluid–structure interactionBoundary value problemElasticity (physics)CompressibilityAortic valveDirac delta functionFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

The immersed boundary (IB) method is a mathematical and numerical framework for problems of fluid–structure interaction, treating the particular case in which an elastic structure is immersed in a viscous incompressible fluid. The IB approach to such problems is to describe the elasticity of the immersed structure in Lagrangian form, and to describe the momentum, viscosity, and incompressibility of the coupled fluid–structure system in Eulerian form. Interaction between Lagrangian and Eulerian variables is mediated by integral equations with Dirac delta function kernels. The IB method provides a unified formulation for fluid–structure interaction models involving both thin elastic boundaries and also thick viscoelastic bodies. In this work, we describe the application of an adaptive, staggered-grid version of the IB method to the three-dimensional simulation of the fluid dynamics of the aortic heart valve. Our model describes the thin leaflets of the aortic valve as immersed elastic boundaries, and describes the wall of the aortic root as a thick, semi-rigid elastic structure. A physiological left-ventricular pressure waveform is used to drive flow through the model valve, and dynamic pressure loading conditions are provided by a reduced (zero-dimensional) circulation model that has been fit to clinical data. We use this model and method to simulate aortic valve dynamics over multiple cardiac cycles. The model is shown to approach rapidly a periodic steady state in which physiological cardiac output is obtained at physiological pressures. These realistic flow rates are not specified in the model, however. Instead, they emerge from the fluid–structure interaction simulation.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,362
Écart entre enseignants0,316 · 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

Citations190
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Numerical Methods in Biomedical EngineeringMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207