MétaCan
Menu
Retour à la cohorte
Enregistrement W2128306190 · doi:10.2528/pier12031505

COMPREHENSIVE ANALYSIS OF LENZ EFFECT ON THE ARTIFICIAL HEART VALVES DURING MAGNETIC RESONANCE IMAGING

2012· article· en· W2128306190 sur OpenAlexaff
Laleh Golestanirad, Emad Dlala, Graham Wright, J. R. Mosig, Simon J. Graham

Notice bibliographique

RevueElectromagnetic waves · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésMagnetic resonance imagingArtificial heartFunctional magnetic resonance imagingNuclear magnetic resonancePhysicsMedicineCardiologyRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract—This work presents results of a comprehensive analysis of the Lenz effect due to motion of artificial heart valves during magnetic resonance imaging. The interaction of rotating metallic heart valves with magnetic fields is studied by performing a time-domain analysis of the corresponding electromagnetic problem. We applied the finite element method (FEM) to solve the T − Ω formulation of Maxwell equations in two cases: first, for metallic disks located in the high intensity homogenous field of the magnet iso-center, and second, disks located in the non-uniform fringe field of the bore entrance. We showed that for valves with full solid disks (such as Starr-Edwards 6500) located in the magnet iso-center, the magnitude of adverse forces can be comparable to the forces applied by the beating heart. However, for rings which consist of multiply connected conductive regions, skin effect and proximity effect counteract, which leads to a diminished magnetic force. Results of this study show that mechanical heart valves with strengthening rings may be considered safe even under ultra-high imaging conditions with field intensities as high as 10T. However, heart valves with full conducting disks should be considered as a contraindication to MR imaging.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,290
Écart entre enseignants0,277 · 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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectromagnetic wavesMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207