MétaCan
Menu
Retour à la cohorte
Enregistrement W2898529289 · doi:10.1088/1741-2552/aaeb0c

On the parameters used in finite element modeling of compound peripheral nerves

2018· article· en· W2898529289 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Neural Engineering · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesFulbright CanadaNatural Sciences and Engineering Research Council of CanadaNational Institutes of HealthNIH Office of the DirectorTriangle Community FoundationDuke University
Mots-clésPerineuriumElectrical resistivity and conductivityFascicleMaterials scienceResistive touchscreenFinite element methodAxonBiomedical engineeringComposite materialMechanicsAnatomyPeripheral nervePhysicsThermodynamicsElectrical engineeringBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Computational modeling is an important tool for developing and optimizing implantable neural stimulation devices, but requires accurate electrical and geometrical parameter values to improve predictive value. We quantified the effects of perineurial (resistive sheath around each fascicle) and endoneurial (within each fascicle) parameter values for modeling peripheral nerve stimulation. APPROACH: We implemented 3D finite element models of compound peripheral nerves and cuff electrodes to quantify activation and block thresholds of model axons. We also implemented a 2D finite element model of a bundle of axons to estimate the bulk transverse endoneurial resistivity; we compared numerical estimates to an analytical solution. MAIN RESULTS: Since the perineurium is highly resistive, potentials were approximately constant over the cross section of a fascicle, and the perineurium resistivity, longitudinal endoneurial resistivity, and fascicle diameter had important effects on thresholds. Activation thresholds increased up to ~130% for higher perineurium resistivity (~400 versus 2200 Ω m) and by ~35%-250% for lower longitudinal endoneurial resistivity (3.5 versus 0.75 Ω m), with larger increases for smaller diameter axons and for axons in larger fascicles. Further, thresholds increased by ~30%-180% for larger fascicle radii, yielding a larger increase with higher perineurium resistivity. Thresholds were largely insensitive to the transverse endoneurial resistivity, but estimates of the bulk resistivity increased with extracellular resistivity and axonal area fraction; the numerical and analytical estimates were in strong agreement except at high axonal area fractions, where structured axon placements that achieved tighter packing produced electric field inhomogeneities. SIGNIFICANCE: We performed a systematic investigation of the effects of values and methods for modeling the perineurium and endoneurium on thresholds for neural stimulation and block. These results provide guidance for future modeling studies, including parameter selection, data interpretation, and comparison to experimental results.

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.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,195
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,065
Tête enseignante GPT0,268
Écart entre enseignants0,204 · 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