The Computational Fluid Dynamics Rupture Challenge 2013—Phase I: Prediction of Rupture Status in Intracranial Aneurysms
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Rupture risk assessment for intracranial aneurysms remains challenging, and risk factors, including wall shear stress, are discussed controversially. The primary purpose of the presented challenge was to determine how consistently aneurysm rupture status and rupture site could be identified on the basis of computational fluid dynamics. MATERIALS AND METHODS: Two geometrically similar MCA aneurysms were selected, 1 ruptured, 1 unruptured. Participating computational fluid dynamics groups were blinded as to which case was ruptured. Participants were provided with digitally segmented lumen geometries and, for this phase of the challenge, were free to choose their own flow rates, blood rheologies, and so forth. Participants were asked to report which case had ruptured and the likely site of rupture. In parallel, lumen geometries were provided to a group of neurosurgeons for their predictions of rupture status and site. RESULTS: Of 26 participating computational fluid dynamics groups, 21 (81%) correctly identified the ruptured case. Although the known rupture site was associated with low and oscillatory wall shear stress, most groups identified other sites, some of which also experienced low and oscillatory shear. Of the 43 participating neurosurgeons, 39 (91%) identified the ruptured case. None correctly identified the rupture site. CONCLUSIONS: Geometric or hemodynamic considerations favor identification of rupture status; however, retrospective identification of the rupture site remains a challenge for both engineers and clinicians. A more precise understanding of the hemodynamic factors involved in aneurysm wall pathology is likely required for computational fluid dynamics to add value to current clinical decision-making regarding rupture risk.
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 ».