MétaCan
Menu
Retour à la cohorte
Enregistrement W2098318219 · doi:10.1016/j.medengphy.2011.11.015

Bioimpedance technique for monitoring cerebral artery stenosis in a 3D numerical model of the head

2011· article· en· W2098318219 sur OpenAlexfundno aff
Ayelet Siegman, Shimon Abboud

Notice bibliographique

RevueMedical Engineering & Physics · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésStenosisSensitivity (control systems)Head (geology)Middle cerebral arteryInjectorStroke (engine)ArteryMedicineBiomedical engineeringCardiologyPhysicsIschemiaEngineeringElectronic engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Insufficient blood supply to the brain causes a transient ischemic attack (TIA) or a stroke. One of the causes to insufficient blood supply is cerebral artery stenosis. In this study, the feasibility of bioimpedance for monitoring such stenosis was analyzed. Simulations were conducted on a realistic numerical model of the head, focusing on the left middle cerebral artery (LMCA). Tissues were assumed to act as linear isotropic volume conductors, and the quasi-static approximation was applied. Electrical potentials were calculated by solving Poisson's equation, using the finite volume method (FVM) and the successive over relaxation (SOR) method. The best sensitivity found was 0.471 μV/% stenosis, using this electrode configuration: one injector near the left eye and the other injector near the right ear, one measurement position near the left eye and the other one in the right ear, keeping a distance of at least 2.5 cm between measurement and injection positions. The maximal sensitivity achieved in the numerical model under the applied assumptions supports the feasibility of bioimpedance technique for monitoring cerebral artery stenosis. However, according to sensitivity [1/m(4)] maps, calculated for the preferable electrode configurations, the measurements' specificity to the stenosis degree might be inadequate and should be further studied.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,020
Tête enseignante GPT0,215
Écart entre enseignants0,195 · 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 tête enseignante, 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

Citations8
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Engineering & PhysicsMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207