MétaCan
Menu
Retour à la cohorte
Enregistrement W4386070824 · doi:10.11159/icbes23.156

Computational Fluid Dynamics Analysis of Blood Flow in CerebralMycotic Aneurysms

2023· article· en· W4386070824 sur OpenAlexvenueno aff
S. A. Syed Asif, B. J. Sudhir, B. S. V. Patnaik, Ram Kishan Nekkanti, Ganesh Divakar, Krishnakumar Kesavapisharady, Sam Scaria

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueIntracranial Aneurysms: Treatment and Complications
Établissements canadiensnon disponible
Organismes subventionnairesScience and Engineering Research Board
Mots-clésBlood flowComputer scienceComputational fluid dynamicsCerebral blood flowDynamics (music)Fluid dynamicsMedicineRadiologyMechanicsCardiologyPhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

Mycotic aneurysm is a serious medical condition that, if not treated promptly, can lead to life-threatening complications.The geometry of a cerebral mycotic aneurysm (CMA) is extremely intricate, and each anatomy is unique.Clinical imaging depicting the complicated architecture of the CMA include Digital Subtraction Angiography (DSA) and Computed Tomography Angiogram (CTA).Analysing the hemodynamics inside the complex aneurysm is still challenging.Computational fluid dynamics (CFD) simulation of blood flow in mycotic aneurysms has emerged as a promising method for understanding the hemodynamic parameters that contribute to the formation and propagation of these aneurysms.Calculations based on computational fluid dynamics (CFD) are used to explore the hemodynamic influences on flow characteristics, secondary flow patterns, and helicity in complex aneurysms.Aneurysm initiation and growth have been widely connected to hemodynamics-based wall shear stress (WSS).The relationship between the hemodynamics of aneurysm initiation and growth that leads to rupture is not entirely established in the context of patient-specific aneurysms.CFD-based studies in CMA are scarce, and the current work fills the gap by employing a patient-specific model.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,444
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetIntracranial Aneurysms: Treatment and ComplicationsTravaux en français237 207