MétaCan
Menu
Retour à la cohorte
Enregistrement W2804817809 · doi:10.5206/mase/11087

A level-set approach for a multi-scale cancer invasion model

2021· preprint· en· W2804817809 sur OpenAlexvenueno aff
Thomas Carraro, Sven E. Wetterauer, Ana Victoria Ponce Bobadilla, Dumitru Trucu

Notice bibliographique

RevueMathematics in Applied Sciences and Engineering · 2021
Typepreprint
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensnon disponible
Organismes subventionnairesHeidelberg Graduate School of Mathematical and Computational Methods for the Sciences, University of HeidelbergDeutsche Forschungsgemeinschaft
Mots-clésMacroScale (ratio)Macro levelBoundary (topology)Set (abstract data type)Process (computing)Computer scienceMacroscopic scalePopulationMultiscale modelingScale analysis (mathematics)Finite element methodBiological systemMathematicsEngineeringBioinformaticsStructural engineeringMechanicsBiologyPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

The quest for a deeper understanding of the cancer growth and spread process focuses on the naturally multiscale nature of cancer invasion, which requires an appropriate multiscale modeling and analysis approach. The cross-talk between the dynamics of the cancer cell population on the tissue scale (macroscale) and the proteolytic molecular processes along the tumor border on the cell scale (microscale) plays a particularly important role within the invasion processes, leading to dramatic changes in tumor morphology and influencing the overall pattern of cancer spread. Building on the multiscale moving boundary framework proposed in Trucu et al. (Multiscale Model. Simul 11(1): 309-335), in this work we propose a new formulation of this process involving a novel derivation of the macro scale boundary movement law based on micro-dynamics, involving a transport equation combined with the level-set method. This is explored numerically in a novel finite element macro-micro framework based on cut-cells.

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)0,002
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,245
Tête enseignante GPT0,350
Écart entre enseignants0,105 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematics in Applied Sciences and EngineeringMême sujetMathematical Biology Tumor GrowthTravaux en français237 207