A heterogenous, time harmonic, nearly incompressible transverse isotropic finite element brain simulation platform for MR elastography
Notice bibliographique
Résumé
In this study, we describe numerical implementation of a heterogenous, nearly incompressible, transverse isotropic (NITI) finite element (FE) model with key advantages for use in MR elastography of fibrous soft tissue. MR elastography (MRE) estimates heterogenous property distributions from MR-measured harmonic motion fields based on assumed mechanical models of tissue response. Current MRE property estimation methods usually assume isotropic properties, which cause inconsistencies arising from model-data mismatch when anisotropy is present. In this study, we use a NITI model parameterized by a base shear modulus, shear anisotropy, tensile anisotropy, and an isotropic bulk modulus, which describes the mechanical behavior of tissues with aligned fiber structures well. Property and fiber direction heterogeneity are implemented at the level of FE Gauss points, which allows high-resolution diffusion tensor imaging (DTI) data to be incorporated easily into the model. The resulting code was validated against analytical solutions and a commercial FEM package, and is suitable for incorporation into nonlinear inversion MRE algorithms. Simulations of MRE in brain tissue with heterogeneous properties and anisotropic fiber tracts, which produced wavefields similar to experimental MRE, were generated from anatomical, DTI and MRE image data, allowing investigation of MRE inversion performance in a realistic setting where the ground truth and underlying mechanical behavior are known. Two established isotropic inversion algorithms-nonlinear inversion (NLI) and local direct inversion (LDI)-were applied to simulated MRE data. Both algorithms performed well in simple isotropic homogenous cases; however, heterogeneity cased substantial artifacts in LDI arising from violation of local homogeneity assumptions. NLI was able to recover accurate heterogenous displacement fields in the presence of measurement noise. Isotropic NLI inversion of simulated anisotropic data (generated using the NITI model) produced maps of isotropic mechanical properties with undesirable dependence on the wavefield. Local anisotropy also caused wavefield-dependent errors of 7% in nearby isotropic structures, compared to 10% in the anisotropic structures.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».