Workflow and Clinical Implementation of a Simulation Method for the Analysis of Hemodynamics and Structural Mechanics of Cerebral Aneurysms
Notice bibliographique
Résumé
The treatment of patients with cerebral aneurysms poses multiple challenges to physicians from rupture to treatment risk assessment and their consequences to the patient's health.Risk estimation support is highly required to make the optimum decisions for individual patients.The aim of this study is to develop the workflow of a simulation method for the analysis of hemodynamics and structural mechanics of cerebral aneurysms as well as its possible clinical implementation.Medical imaging data was taken and converted into CAD data (STL format) to use as geometric input for simulations.Fluid-Structure Interaction (FSI) simulations are utilized in the inflow vessel, the outflow vessels as well as a typical aneurysm.Aitken's underrelaxation method is used to ensure convergence between hemodynamics and structural mechanics.The influence of linear and non-linear elastic material properties of the vessel wall as well as the influence of wall thickness reduction in the aneurysm sac are investigated.In this work, two major hemodynamic (wall shear stress and oscillatory shear index) and two structural mechanic quantities (wall displacement and Mises stress) are evaluated and compared between the different models.The linear elastic material model tends to overestimate displacements at high strain rates.The reduction of wall thickness in the aneurysm region shows an increase in wall stresses.In both cases hemodynamic phenomena are not changed, however a tendency of aneurysm growth can be identified.The model is implemented as part of a graphical user interface.With this, it is possible for medical personnel without simulation background to run sophisticated Fluid-Structure interaction simulations with ease and in future to make optimized decisions for patient treatment.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».