MétaCan
Menu
Retour à la cohorte
Enregistrement W2904068226 · doi:10.3390/ma11122533

3D Imaging of Indentation Damage in Bone

2018· article· en· W2904068226 sur OpenAlexaff
Tristan Lowe, Egemen Avcu, Étienne Bousser, William I. Sellers, Philip J. Withers

Notice bibliographique

RevueMaterials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésIndentationMaterials scienceBrittlenessDeformation (meteorology)PlasticityStiffnessMicrostructureFracture (geology)InterconnectivityResilience (materials science)Composite materialStress shieldingComputer science

Résumé

récupéré en direct d'OpenAlex

Bone is a complex material comprising high stiffness, but brittle, crystalline bio-apatite combined with compliant, but tough, collagen fibres. It can accommodate significant deformation, and the bone microstructure inhibits crack propagation such that micro-cracks can be quickly repaired. Catastrophic failure (bone fracture) is a major cause of morbidity, particularly in aging populations, either through a succession of small fractures or because a traumatic event is sufficiently large to overcome the individual crack blunting/shielding mechanisms. Indentation methods provide a convenient way of characterising the mechanical properties of bone. It is important to be able to visualise the interactions between the bone microstructure and the damage events in three dimensions (3D) to better understand the nature of the damage processes that occur in bone and the relevance of indentation tests in evaluating bone resilience and strength. For the first time, time-lapse laboratory X-ray computed tomography (CT) has been used to establish a time-evolving picture of bone deformation/plasticity and cracking. The sites of both crack initiation and termination as well as the interconnectivity of cracks and pores have been visualised and identified in 2D and 3D.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,674

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetMetal and Thin Film MechanicsTravaux en français237 207