Multilevel Validation of a Male Neck Finite Element Model With Active Musculature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Computational models of the human neck have been developed to assess human response in impact scenarios; however, the assessment and validation of such models is often limited to a small number of experimental data sets despite being used to evaluate the efficacy of safety systems and potential for injury risk in motor vehicle collisions. In this study, a full neck model (NM) with active musculature was developed from previously validated motion segment models of the cervical spine. Tissue mechanical properties were implemented from experimental studies, and were not calibrated. The neck model was assessed with experimental studies at three levels of increasing complexity: ligamentous cervical spine in axial rotation, axial tension, frontal impact, and rear impact; postmortem human subject (PMHS) rear sled impact; and human volunteer frontal and lateral sled tests using an open-loop muscle control strategy. The neck model demonstrated good correlation with the experiments ranging from quasi-static to dynamic, assessed using kinematics, kinetics, and tissue-level response. The contributions of soft tissues, neck curvature, and muscle activation were associated with higher stiffness neck response, particularly for low severity frontal impact. Experiments presenting single-value data limited assessment of the model, while complete load history data and cross-correlation enabled improved evaluation of the model over the full loading history. Tissue-level metrics demonstrated higher variability and therefore lower correlation relative to gross kinematics, and also demonstrated a dependence on the local tissue geometry. Thus, it is critical to assess models at the gross kinematic and the tissue levels.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle