On the parameters used in finite element modeling of compound peripheral nerves
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».