Narrowing the Expertise Gap for Predicting Intracranial Aneurysm Hemodynamics: Impact of Solver Numerics versus Mesh and Time-Step Resolution
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Recent high-resolution computational fluid dynamics studies have uncovered the presence of laminar flow instabilities and possible transitional or turbulent flow in some intracranial aneurysms. The purpose of this study was to elucidate requirements for computational fluid dynamics to detect these complex flows, and, in particular, to discriminate the impact of solver numerics versus mesh and time-step resolution. MATERIALS AND METHODS: We focused on 3 MCA aneurysms, exemplifying highly unstable, mildly unstable, or stable flow phenotypes, respectively. For each, the number of mesh elements was varied by 320× and the number of time-steps by 25×. Computational fluid dynamics simulations were performed by using an optimized second-order, minimally dissipative solver, and a more typical first-order, stabilized solver. RESULTS: With the optimized solver and settings, qualitative differences in flow and wall shear stress patterns were negligible for models down to ∼800,000 tetrahedra and ∼5000 time-steps per cardiac cycle and could be solved within clinically acceptable timeframes. At the same model resolutions, however, the stabilized solver had poorer accuracy and completely suppressed flow instabilities for the 2 unstable flow cases. These findings were verified by using the popular commercial computational fluid dynamics solver, Fluent. CONCLUSIONS: Solver numerics must be considered at least as important as mesh and time-step resolution in determining the quality of aneurysm computational fluid dynamics simulations. Proper computational fluid dynamics verification studies, and not just superficial grid refinements, are therefore required to avoid overlooking potentially clinically and biologically relevant flow features.
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) | 0,001 | 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 ».