MétaCan
Menu
Retour à la cohorte

SIMULATION OF BLOOD FLOW WITH LATTICE BOLTZMANN METHOD

2014· article· en· W2232304180 sur OpenAlexaff
A. A. Mohamad, Osama Abdelrehim

Notice bibliographique

RevueProceeding of Proceedings of CONV-14: International Symposium on Convective Heat and Mass Transfer. June 8 - 13, 2014, Kusadasi, Turkey · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLattice Boltzmann methodsBlood flowHematocritMechanicsNewtonian fluidFluid dynamicsFinite element methodBlood viscosityFlow (mathematics)Finite volume methodHagen–Poiseuille equationNon-Newtonian fluidMaterials scienceComputer sciencePhysicsMedicineThermodynamicsCardiology

Résumé

récupéré en direct d'OpenAlex

Understanding blood flow is essential in diagnosing and treating health problems related to blood flow, such as formation of stenosis and blood vessel blockages. Blood contains Red (RBC) and white (WBC) cells beside other constitute floats in plasma. The blood flows in deformable vessels, which is not easy to model and simulate. In general, the flow is unsteady and three dimensional with non-Newtonian behavior. In the literature either blood assumed homogenous fluid with Non-Newtonian flow in small vessels or Newtonian in large vessels. Also, a few authors were considered blood non-homogenous with RBC floating in the plasma. However, the blood viscosity is function of hematocrit. Many computational techniques have been used to simulate blood flow, such as finite element and finite volume methods. Since, early 90s lattice Boltzmann method (LBM) emerged as an alternative method for simulation of fluid flow and heat and mass transfer. The method has many advantages compared with conventional methods. In this paper simulations of blood flow were reviewed. Detail of using LBM in simulation of blood flow is laid out with examples. Also, results of simulations will be presented and discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,010
Tête enseignante GPT0,247
Écart entre enseignants0,238 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceeding of Proceedings of CONV-14: International Symposium on Convective Heat and Mass Transfer. June 8 - 13, 2014, Kusadasi, TurkeyMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207