MétaCan
Menu
Retour à la cohorte
Enregistrement W4396698093 · doi:10.1137/22m1506985

A Three-Dimensional Model of Skeletal Muscle Tissues

2024· article· en· W4396698093 sur OpenAlexafffund
Javier A. Almonacid, Sebastián A. Domínguez-Rivera, Ryan N. Konno, Nilima Nigam, Stephanie Ross, Cassidy Tam, James M. Wakeling

Notice bibliographique

RevueSIAM Journal on Applied Mathematics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of British ColumbiaUniversity of SaskatchewanSimon Fraser University
Organismes subventionnairesComisión Nacional de Investigación Científica y TecnológicaNatural Sciences and Engineering Research Council of CanadaPacific Institute for the Mathematical Sciences
Mots-clésSkeletal muscleComputer scienceAnatomyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

.Skeletal muscles are living tissues that can undergo large deformations in short periods of time and that can be activated to produce force. In this paper we use the principles of continuum mechanics to propose a dynamic, fully nonlinear, and three-dimensional model to describe the deformation of these tissues. We model muscles as a fiber-reinforced composite and transversely isotropic material. We introduce a flexible computational framework to approximate the deformations of skeletal muscle to provide new insights into the underlying mechanics of these tissues. The model parameters and mechanical properties are obtained through experimental data and can be specified locally. A semi-implicit in-time, conforming, finite element in space scheme is used to approximate the solutions to the governing nonlinear dynamic model. We provide a series of numerical experiments demonstrating the application of this framework to relevant problems in biomechanics and also discuss questions around model validation.Keywordsskeletal musclenonlinear deformationcontinuum mechanicshyperelasticitydynamic contractionisometric contractionfinite element methodtime stepping methodMSC codes74B2074L1565M60

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)0,000
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,018
Tête enseignante GPT0,236
Écart entre enseignants0,218 · 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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSIAM Journal on Applied MathematicsMême sujetMuscle activation and electromyography studiesTravaux en français237 207