A finite element model of myocardial infarction using a composite material approach
Notice bibliographique
Résumé
Computational models are effective tools to study cardiac mechanics under normal and pathological conditions. They can be used to gain insight into the physiology of the heart under these conditions while they are adaptable to computer assisted patient-specific clinical diagnosis and therapeutic procedures. Realistic cardiac mechanics models incorporate tissue active/passive response in conjunction with hyperelasticity and anisotropy. Conventional formulation of such models leads to mathematically-complex problems usually solved by custom-developed non-linear finite element (FE) codes. With a few exceptions, such codes are not available to the research community. This article describes a computational cardiac mechanics model developed such that it can be implemented using off-the-shelf FE solvers while tissue pathologies can be introduced in the model in a straight-forward manner. The model takes into account myocardial hyperelasticity, anisotropy, and active contraction forces. It follows a composite tissue modeling approach where the cardiac tissue is decomposed into two major parts: background and myofibers. The latter is modelled as rebars under initial stresses mimicking the contraction forces. The model was applied in silico to study the mechanics of infarcted left ventricle (LV) of a canine. End-systolic strain components, ejection fraction, and stress distribution attained using this LV model were compared quantitatively and qualitatively to corresponding data obtained from measurements as well as to other corresponding LV mechanics models. This comparison showed very good agreement.
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 | 0,001 | 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 ».