MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400246593 · doi:10.1007/s10237-024-01856-0

Personalized evaluation of the passive myocardium in ischemic cardiomyopathy via computational modeling using Bayesian optimization

2024· article· en· W4400246593 sur OpenAlexaff
Saeed Torbati, Alireza Daneshmehr, Hamidreza Pouraliakbar, Masoud Asgharian, Seyed Hossein Ahmadi Tafti, Dominique Shum‐Tim, Alireza Heidari

Notice bibliographique

RevueBiomechanics and Modeling in Mechanobiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensMcGill University Health CentreMcGill University
Organismes subventionnairesTehran University of Medical Sciences and Health Services
Mots-clésMultiscale modelingCardiomyopathyCardiologyComputer scienceBayesian optimizationMedicineMaterials scienceInternal medicineHeart failureArtificial intelligenceBioinformatics

Résumé

récupéré en direct d'OpenAlex

Abstract Biomechanics-based patient-specific modeling is a promising approach that has proved invaluable for its clinical potential to assess the adversities caused by ischemic heart disease (IHD). In the present study, we propose a framework to find the passive material properties of the myocardium and the unloaded shape of cardiac ventricles simultaneously in patients diagnosed with ischemic cardiomyopathy (ICM). This was achieved by minimizing the difference between the simulated and target end-diastolic pressure-volume relationships (EDPVRs) using black-box Bayesian optimization, based on the finite element analysis (FEA). End-diastolic (ED) biventricular geometry and the location of the ischemia were determined from cardiac magnetic resonance (CMR) imaging. We employed our pipeline to model the cardiac ventricles of three patients aged between 57 and 66 years, with and without the inclusion of valves. An excellent agreement between the simulated and target EDPVRs has been reached. Our results revealed that the incorporation of valvular springs typically leads to lower hyperelastic parameters for both healthy and ischemic myocardium, as well as a higher fiber Green strain in the viable regions compared to models without valvular stiffness. Furthermore, the addition of valve-related effects did not result in significant changes in myofiber stress after optimization. We concluded that more accurate results could be obtained when cardiac valves were considered in modeling ventricles. The present novel and practical methodology paves the way for developing digital twins of ischemic cardiac ventricles, providing a non-invasive assessment for designing optimal personalized therapies in precision medicine.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,292
Écart entre enseignants0,246 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueBiomechanics and Modeling in Mechanobiology→Même sujetCardiovascular Function and Risk Factors→Travaux en français237 207→