MétaCan
Menu
Retour à la cohorte
Enregistrement W3177158095 · doi:10.18280/mmep.080303

A Finite Element Modeling and Simulation of Human Temporomandibular Joint with and Without TM Disorders: An Indian Experience

2021· article· en· W3177158095 sur OpenAlexvenueno aff
Mehak Sharma, Manoj Soni

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueTemporomandibular Joint Disorders
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Science and Technology, Ministry of Science and Technology, India
Mots-clésTemporomandibular jointFinite element methodJoint (building)Skullvon Mises yield criterionOrthodonticsMasticationComputer scienceHuman skullOsteologyPopulationAnatomyStructural engineeringEngineeringBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Temporomandibular joint (TMJ) is anatomically the most intricate joint which connects the lower jaw to the upper jaw and regulates jaw movements. It significantly deals with mastication and speech. It is hence imperative to study the mechanics and functioning of the jaw joint to devise alternative solutions for its replacement whenever required. Further, human skulls are anthropologically categorized into three types – African, Asian and European. Out of these, the Indian skull is also a bit different than its Asian counterparts because of its osteology and skeletal biology. Hence, a comprehensive biomechanical and computational study is essential to provide customized solutions. For the present study, four different loading conditions are selected to perform finite element analysis on the human skull, Anonymized and unidentifiable CT scan data sets from open-source web platforms are converted to STL and then 3D models using 3D slicer. Finite element analysis of jaw joint is carried out. Results based on Von Mises stress studies show significant behavioral differences under varying load conditions. Hence, it is crucial to identify solutions for TMJ disorders of the Indian population.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,055
Tête enseignante GPT0,322
Écart entre enseignants0,267 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetTemporomandibular Joint DisordersTravaux en français237 207