Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Low and very-low-field 3D magnetic resonance spirometry for advanced regional exploration of respiratory diseases

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Risultati finali

Study on practices (si apre in una nuova finestra)

Report on experimental and clinical practices

Website and project logo (si apre in una nuova finestra)

Website and project logo information with also social media links

Pubblicazioni

3D MR Spirometry. Signal and Image processing.

Autori: Nathalie Barrau
Pubblicato in: 2024
Editore: Université Paris-Saclay

Digital twins for chronic lung diseases (si apre in una nuova finestra)

Autori: Apolline Gonsard, Martin Genet, David Drummond
Pubblicato in: European Respiratory Review, Numero 33, 2025, ISSN 0905-9180
Editore: European Respiratory Society (ERS)
DOI: 10.1183/16000617.0159-2024

Micro-Poro-Mechanical Modeling of the Lung Parenchyma: Theoretical Modeling and Parameters Identification (si apre in una nuova finestra)

Autori: Mahdi Manoochehrtayebi, Martin Genet, Aline Bel-Brunon
Pubblicato in: Journal of Biomechanical Engineering, Numero 148, 2025, ISSN 0148-0731
Editore: ASME International
DOI: 10.1115/1.4070036

Functional patterns of healthy human respiratory dynamics by 3D MR spirometry (si apre in una nuova finestra)

Autori: Nathalie Barrau, Adrien Duwat, Catalin Fetita, Killian Sambourg, Antoine Beurnier, Claire Pellot-Barakat, Angéline Nemeth, Brice Fernandez, Tanguy Boucneau, Vincent Lebon, Xavier Maître
Pubblicato in: European Radiology, 2025, ISSN 1432-1084
Editore: Springer Science and Business Media LLC
DOI: 10.1007/S00330-025-11838-0

A model of mechanical loading of the lungs including gravity and a balancing heterogeneous pleural pressure (si apre in una nuova finestra)

Autori: Alice Peyraut, Martin Genet
Pubblicato in: Biomechanics and Modeling in Mechanobiology, Numero 23, 2024, ISSN 1617-7959
Editore: Springer Science and Business Media LLC
DOI: 10.1007/S10237-024-01876-W

What is personalized lung poromechanical modeling and how can it improve the understanding and management of fibrotic interstitial lung diseases? (si apre in una nuova finestra)

Autori: Pierre-Yves Brillet, Alice Peyraut, Jean-François Bernaudin, Catalin Fetita, Hilario Nunes, Martin Genet
Pubblicato in: Expert Review of Respiratory Medicine, Numero 19, 2025, ISSN 1747-6348
Editore: Informa UK Limited
DOI: 10.1080/17476348.2025.2464886

Finite strain formulation of the discrete equilibrium gap principle: application to direct parameter estimation from large full-fields measurements (si apre in una nuova finestra)

Autori: Alice Peyraut, Martin Genet
Pubblicato in: Comptes Rendus. Mécanique, Numero 353, 2025, ISSN 1631-0721
Editore: MathDoc/Centre Mersenne
DOI: 10.5802/CRMECA.279

Diaphragmatic MRI and 3D spirometry: Potential biomarkers in neuromuscular disorders (si apre in una nuova finestra)

Autori: A. Chehboun, N. Barrau, X. Maitre, P. Laforet, R. Carlier, M. Elhajjam
Pubblicato in: Clinical Radiology, Numero 92, 2026, ISSN 0009-9260
Editore: Elsevier BV
DOI: 10.1016/J.CRAD.2025.107128

Inverse Uncertainty Quantification for Personalized Biomechanical Modeling: Application to Pulmonary Poromechanical Digital Twins (si apre in una nuova finestra)

Autori: A. Peyraut, M. Genet
Pubblicato in: Journal of Biomechanical Engineering, Numero 147, 2025, ISSN 0148-0731
Editore: ASME International
DOI: 10.1115/1.4068578

Finite strain micro-poro-mechanics: Formulation and compared analysis with macro-poro-mechanics (si apre in una nuova finestra)

Autori: Mahdi Manoochehrtayebi, Aline Bel-Brunon, Martin Genet
Pubblicato in: International Journal of Solids and Structures, Numero 317, 2025, ISSN 0020-7683
Editore: Elsevier BV
DOI: 10.1016/J.IJSOLSTR.2025.113354

Deep Learning-Based Generation of 4D Reference Lung Volumes for Personalized Respiratory Function Assessment

Autori: D. Vaurs and X. Maître and D. Rodríguez
Pubblicato in: IEEE International Conference on Engineering in Medicine and Biology Society (EMBC), 2025, ISSN 2473-2001
Editore: IEEE Xplore

È in corso la ricerca di dati su OpenAIRE...

Si è verificato un errore durante la ricerca dei dati su OpenAIRE

Nessun risultato disponibile

Il mio fascicolo 0 0