Identification of hyperelastic properties of CMR patient-specific left ventricle by finite elements and virtual fields method
Notice bibliographique
Résumé
Abstract Detection of left ventricle (LV) myocardial dysfunction after doxorubicin-based chemotherapy is investigated by determining myocardial stiffness, which is a potential clinical biomarker for the monitoring of heart failure (HF). The combination of cardiac magnetic resonance (CMR) imaging and the finite element method (FEM) was used to estimate anisotropic elastic stiffness in the LV. The myocardium also has a complex geometry with nonlinear hyperelastic properties leading to large deformation. Within the proposed framework, which generates the LV mesh and reconstructs the strain field from the existing CMR data, we apply the virtual field method (VFM) to determine the hyperelastic material parameters. Minimizing an energy-based objective function obtained from VFM identifies the unknown parameters coupled in nonlinear constitutive law considering passive myocardial behavior. While Full-field characterization using VFM is valuable for studying regular-shaped models, we propose applying this method when particularly looking into ventricular remodeling caused by doxorubicin, in the context of cardiotoxicity. In the cardiac diastolic phase, the estimated stiffness of VFM results with FEM validation is compared for a case study of leukemia cancer survivors separated into three groups.
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 | 0,000 |
| 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 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 ».