MétaCan
Menu
Retour à la cohorte
Enregistrement W2170476356 · doi:10.1109/tmag.2009.2012779

Finite-Element Simulation in Bioelectromagnetics Without the Need for Modeling and Meshing

2009· article· en· W2170476356 sur OpenAlexafffund
He Gu, Jean Gotman, J.P. Webb

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFinite element methodBioelectromagneticsRegular gridComputer scienceBasis (linear algebra)Mesh generationMixed finite element methodGridElectromagnetic fieldAlgorithmGeometryPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Biological data often takes the form of regular grids of samples, e.g., obtained by magnetic resonance imaging (MRI). When the finite-element method is used to predict the electromagnetic fields in volumes specified in this way, the data is first transformed to a geometric model, and then the model is subdivided into finite elements. These steps are expensive and can be unreliable. An alternative is proposed that avoids both steps. A regular mesh of rectangular finite elements is superimposed on the MRI grid. Each element may straddle boundaries between different tissues, but the basis functions are constructed in such a way that they respect the material interfaces. The new method is applied to the forward problem in electroencephalography. A circular head model and a model derived from real MRI data are analyzed with the new method. Sampled potentials at the surface of the scalp compare well with those obtained using the conventional finite-element method.

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 enseignants0,817
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,241
Écart entre enseignants0,222 · 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

Citations2
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on MagneticsMême sujetElasticity and Material ModelingTravaux en français237 207