MétaCan
Menu
Retour à la cohorte
Enregistrement W3012706192 · doi:10.1186/s41205-020-0057-8

Simulation of semilunar valve function: computer-aided design, 3D printing and flow assessment with MR

2020· article· en· W3012706192 sur OpenAlexafffund
Nabil Hussein, Pascal Voyer-Nguyen, Sharon Portnoy, Brandon Peel, Eric Schrauben, Christopher K. Macgowan, Shi‐Joon Yoo

Notice bibliographique

Revue3D Printing in Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesHospital for Sick Children
Mots-clésAortic valveFlow (mathematics)Biomedical engineeringCADMagnetic resonance imagingVolumetric flow rateTricuspid valveImaging phantomComputer scienceMedicineNuclear medicineEngineering drawingInternal medicineEngineeringRadiologyPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The structure of the valve leaflets and sinuses are crucial in supporting the proper function of the semilunar valve and ensuring leaflet durability. Therefore, an enhanced understanding of the structural characteristics of the semilunar valves is fundamental to the evaluation and staging of semilunar valve pathology, as well as the development of prosthetic or bioprosthetic valves. This paper illustrates the process of combining computer-aided design (CAD), 3D printing and flow assessment with 4-dimensional flow magnetic resonance imaging (MRI) to provide detailed assessment of the structural and hemodynamic characteristics of the normal semilunar valve. METHODS: Previously published geometric data on the aortic valve was used to model the 'normal' tricuspid aortic valve with a CAD software package and 3D printed. An MRI compatible flow pump with the capacity to mimic physiological flows was connected to the phantom. A peak flow rate of 100 mL/s and heart rate of 60 beats per minute were used. MRI measurements included cine imaging, 2D and 4D phase-contrast imaging to assess valve motion, flow velocity and complex flow patterns. RESULTS: Cine MRI data showed normal valve function and competency throughout the cardiac cycle in the 3D-printed phantom. Quantitative analysis of 4D Flow data showed net flow through 2D planes proximal and distal to the valve were very consistent (26.03 mL/s and 26.09 mL/s, respectively). Measurements of net flow value agreed closely with the flow waveform provided to the pump (27.74 mL/s), confirming 4D flow acquisition in relation to the pump output. Peak flow values proximal and distal to the valve were 78.4 mL/s and 63.3 mL/s, respectively. Particle traces of flow from 4D-phase contrast MRI data demonstrated flow through the valve into the ascending aorta and vortices within the aortic sinuses, which are expected during ventricular diastole. CONCLUSION: In this proof of concept study, we have demonstrated the ability to generate physiological 3D-printed aortic valve phantoms and evaluate their function with cine- and 4D Flow MRI. This technology can work synergistically with promising tissue engineering research to develop optimal aortic valve replacements, which closely reproduces the complex function of the normal aortic valve.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,033
Tête enseignante GPT0,340
Écart entre enseignants0,307 · 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
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

Citations22
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue3D Printing in MedicineMême sujetCardiac Valve Diseases and TreatmentsTravaux en français237 207