論文の概要: Magneto-radiative modelling and artificial neural network optimization of biofluid flow in a stenosed arterial domain

• arxiv url: http://arxiv.org/abs/2507.06273v1
• Date: Tue, 08 Jul 2025 08:04:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.340137
• Title: Magneto-radiative modelling and artificial neural network optimization of biofluid flow in a stenosed arterial domain
• Title（参考訳）: 狭窄動脈領域における生体流動の磁気放射モデルと人工ニューラルネットワークによる最適化
• Authors: S P Shivakumar, Gunisetty Ramasekhar, P Nimmy, Sujesh Areekara, L Thanuja, T V Smitha, S Devanathan, Ganesh R Naik, K V Nagaraja,
• Abstract要約: 本研究では, キャッソン-マクスウェル流体ナノ粒子のステンソス領域内の流れについて検討した。 熱伝達速度は銅および酸化アルミニウムナノ粒子の体積分率が高くなるにつれて増加する。
• 参考スコア（独自算出の注目度）: 0.29022435221103454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing complexity of cardiovascular diseases and limitations in traditional healing methods mandate the invention of new drug delivery systems that assure targeted, effective, and regulated treatments, contributing directly to UN SDGs 3 and 9, thereby encouraging the utilization of sustainable medical technologies in healthcare. This study investigates the flow of a Casson-Maxwell nanofluid through a stenosed arterial domain. The quantities, such as skin friction and heat transfer rate, are analysed in detail. The Casson-Maxwell fluid shows a lower velocity profile than the Casson fluids, which indicates the improved residence time for efficient drug delivery. The heat transfer rate shows an increase with higher volume fractions of copper and aluminium oxide nanoparticles and a decrease with higher volume fractions of silver nanoparticles. The skin friction coefficient decreases by 219% with a unit increase in the Maxwell parameter, whereas it increases by 66.1% with a unit rise in the Casson parameter. This work supports SDGs 4 and 17 by fostering interdisciplinary learning and collaboration in fluid dynamics and healthcare innovation. Additionally, the rate of heat flow was forecasted (with an overall R-value of 0.99457) using the Levenberg-Marquardt backpropagation training scheme under the influence of magneto-radiative, linear heat source and Casson-Maxwell parameters along with the tri-metallic nanoparticle volume fractions. It is also observed that the drag coefficient is most sensitive to the changes in the Maxwell parameter.
• Abstract（参考訳）: 心臓血管疾患の複雑さの増大と従来の治癒方法の限界は、標的、有効、および規制された治療を確実にし、UNSDGs3および9に直接貢献し、医療における持続可能な医療技術の利用を促進する新しい薬物デリバリーシステムの発明を義務付ける。 本研究では,ステンサイ動脈領域を流れるCasson-Maxwellナノ流体の流れについて検討した。 皮膚の摩擦や熱伝達率などの量は詳細に分析される。 キャッソン-マクスウェル流体はキャッソン流体よりも低い速度分布を示し、効率的な薬物の配送に要する滞留時間を改善したことを示している。 熱伝達速度は, 銅および酸化アルミニウムナノ粒子の体積率が高いほど増加し, 銀ナノ粒子の体積率が高いほど低下することがわかった。 皮膚摩擦係数はマックスウェルパラメータの単位増加とともに219%減少し、カッソンパラメータの単位上昇とともに66.1%上昇する。 この研究は、流体力学と医療革新における学際的な学習とコラボレーションを促進することで、SDG 4と17をサポートします。 さらに, 磁気放射, 線形熱源, キャッソン・マクスウェルパラメータおよび三金属ナノ粒子体積分率の影響を受け, レバンス・マルカルトバックプロパゲーショントレーニング法を用いて, 熱流量の予測(総R値0.99457)を行った。 また, ドラッグ係数はマクスウェルパラメータの変化に最も敏感であることがわかった。

関連論文リスト

• Phy-Diff: Physics-guided Hourglass Diffusion Model for Diffusion MRI Synthesis [45.074243735766]
  本稿では,高画質のdMRIを生成する物理誘導拡散モデルを提案する。 本モデルは拡散過程におけるノイズ進化におけるdMRIの物理原理を紹介する。 実験の結果,本手法は他の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-05T07:09:19Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Mesh Neural Networks for SE(3)-Equivariant Hemodynamics Estimation on the Artery Wall [13.113110989699571]
  三次元幾何学的動脈モデルによる壁面上のベクトル値量の推定について検討する。 我々は、三角形のメッシュ上で直接動作するエンドツーエンドSE(3)-同変ニューラルネットワークにおいて、グループ同変グラフ畳み込みを用いる。 本手法は, 経時的, ベクトル値のWSSを, 異なる流れ境界条件下で正確に予測できるほど強力であることを示す。
  論文  参考訳（メタデータ） (2022-12-09T18:16:06Z)
• Machine Learning based Extraction of Boundary Conditions from Doppler Echo Images for Patient Specific Coarctation of the Aorta: Computational Fluid Dynamics Study [0.0]
  本研究では,ドップラー心エコー画像から境界条件(BC)を求める機械学習(ML)手法の応用について検討する。 提案手法は,MLとCFDを組み合わせて,関心領域内のヘモダイナミックフローをモデル化する。
  論文  参考訳（メタデータ） (2022-09-19T16:00:38Z)
• An Adiabatic Capacitive Artificial Neuron with RRAM-based Threshold Detection for Energy-Efficient Neuromorphic Computing [62.997667081978825]
  神経細胞の体細胞膜電位を誘導するために, 断熱性シナプスコンデンサを特徴とする人工ニューロンを提案する。 最初の4-bit adiabaticacacitive neuron proof-of-conceptの例では、90%のシナプスエネルギーが節約された。
  論文  参考訳（メタデータ） (2022-02-02T17:12:22Z)
• Physics-informed neural networks for improving cerebral hemodynamics predictions [0.0]
  本研究では,高速計算流体力学シミュレーションを用いて,スパースな臨床測定を増強する物理インフォームド・ディープラーニング・フレームワークを提案する。 本フレームワークでは,脳内数箇所のリアルタイムTD速度測定と,3次元画像から取得した基線血管断面領域を用いた。 4次元MRIで得られた生体内速度測定に対して,本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2021-08-25T22:19:41Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Physics-informed neural networks for myocardial perfusion MRI quantification [3.318100528966778]
  本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。 PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
  論文  参考訳（メタデータ） (2020-11-25T16:02:52Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。