MétaCan
Menu
Retour à la cohorte
Enregistrement W2905848362 · doi:10.1080/10255842.2018.1541983

Creating a human head finite element model using a multi-block approach for predicting skull response and brain pressure

2018· article· en· W2905848362 sur OpenAlexafffund
Zhihua Cai, Yun Xia, Zheng Bao, Haojie Mao

Notice bibliographique

RevueComputer Methods in Biomechanics & Biomedical Engineering · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensWestern University
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Postdoctoral Science FoundationCanada Research Chairs
Mots-clésSkullHuman headPolygon meshHead (geology)Human skullComputer scienceFinite element methodGeologyEngineeringMedicineAnatomyStructural engineeringComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

To better understand head injuries, human head finite element (FE) models have been reported in the literature. In scenarios where the head is directly impacted and measurements of head accelerations are not available, a high-quality skull model, as well as a high-quality brain model, is needed to predict the effect of impact on the brain through the skull. Furthermore, predicting cranial bone fractures requires comprehensively validated skull models. Lastly, high-quality meshes for both the skull and brain are needed for accurate strain/stress predictions across the entire head. Hence, we adopted a multi-block approach to develop hexahedral meshes for the brain, skull, and scalp simultaneously, a first approach in its kind. We then validated our model against experimental data of brain pressures (Nahum et al., 1977 Nahum AM, Smith R, Ward CC. 1977. Intracranial pressure dynamics during head impact. Proceedings of the 21st Stapp Car Crash Conference, SAE Paper No. 770922; Warrendale, PA: Society of Automotive Engineers.[Crossref] , [Google Scholar]) and comprehensive skull responses (Yoganandan et al., 1995 Yoganandan N, Pintar FA, Sances A, Jr., Walsh PR, Ewing CL, Thomas DJ, Snyder RG. 1995. Biomechanics of skull fracture. J Neurotrauma. 12(4):659–668.[Crossref], [PubMed], [Web of Science ®] , [Google Scholar], Yoganandan et al., 2004 Yoganandan N, Zhang J, Pintar FA. 2004. Force and acceleration corridors from lateral head impact. Traffic Injury Prevention. 5(4):368–373.[Taylor & Francis Online] , [Google Scholar], and Raymond et al., 2009 Raymond D, Van Ee C, Crawford G, Bir C. 2009. Tolerance of the skull to blunt ballistic temporo-parietal impact. J Biomech. 42(15):2479–2485.[Crossref], [PubMed], [Web of Science ®] , [Google Scholar]). We concluded that a human head FE model was developed with capabilities to predict blunt- and ballistic-impact-induced skull fractures and pressure-related brain injuries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,393
Écart entre enseignants0,319 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations27
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputer Methods in Biomechanics & Biomedical EngineeringMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207