×

脑组织建模分数阶超粘弹性本构关系的微分与积分公式。 (英语) Zbl 1191.92009年

摘要:多年来,人们对生物组织建模的兴趣不断增长。特别是,大脑的力学研究已经成为生物力学领域的一个主要课题。该器官的全局模型,包括真实的网格和适用于不同组织的本构定律,将在神经外科、触觉装置设计或汽车制造等各个领域中得到应用,以评估撞击可能造成的创伤。
已经设计了几个本构模型;鉴于文献中的应力-应变曲线具有很强的应变率相关性,我们决定通过分数导数算子将脑组织描述为粘弹性介质。由于这种方法,我们可以导出一个以Mittag-Lefler函数为正则核的基于卷积的模型。

MSC公司:

92C20美元 神经生物学
92立方厘米 生物力学
92立方37 细胞生物学
92C50 医疗应用(通用)
28A80型 分形
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[3] O.斯科林贾尔。;纳巴维,A。;Duncan,J.,模型驱动的脑移位补偿,医学图像分析,6361-373(2002)
[4] 米加,M。;Paulsen,K。;箍,P。;肯尼迪,F。;Hartov,A。;Roberts,D.,使用有限元对手术负荷下大脑间质压力的体内建模,《生物力学工程杂志》,122354-363(2000)
[5] 米加,M。;Paulsen,K。;箍,P。;肯尼迪,F。;Hartov,A。;Roberts,D.,手术期间用于更新术前图像的均质脑变形模型的体内量化,IEEE生物医学工程学报,47,266-273(2000)
[6] Sarron,J。;布隆多,C。;纪尧姆,A。;奥斯蒙特,D.,线性粘弹性本构模型的识别,生物力学杂志,33,685-693(2000)
[7] Brands,D。;彼得斯,G。;Bovendeed,P.,撞击期间脑组织三维非线性粘弹性本构模型的设计和数值实现,生物力学杂志,37,127-134(2004)
[8] Darvish,K。;Crandall,J.,脑组织振荡剪切变形中的非线性粘弹性效应,医学工程与物理,23,633-645(2001)
[9] Velardi,F。;F.兄弟会。;Angellilo,M.,脑组织各向异性本构方程和实验拉伸行为,机械生物学中的生物力学和建模,5,53-61(2006)
[10] Miller,K.,适用于外科手术有限元分析的脑组织本构模型,生物力学杂志,32,531-537(1999)
[11] Miller,K。;Chinzei,K.,张力下脑组织的力学特性,生物力学杂志,35483-490(2002)
[12] Wittek,A。;Miller,K。;Kikinis,R。;Warfield,S.,《特定于患者的脑变形模型:在医学图像配准中的应用》,《生物力学杂志》,40919-929(2007)
[13] Nutting,P.,《变形的新一般规律》,《富兰克林研究所杂志》,191679-685(1921)
[14] Gemant,A.,《分数微分论》,《哲学杂志》,第25期,第540-549页(1938年)
[15] Podlubny,I.(Ames,W.,分数微分方程(1999),伦敦学术出版社)·Zbl 0918.34010号
[17] 阿道夫松,K。;Enelund,M.,大变形下的分数导数粘弹性,非线性动力学,33301-321(2003)·Zbl 1065.74015号
[18] Diethelm,K。;Freed,A.,《生物力学中的分数阶微积分:使用正则分数阶导数核的三维粘弹性模型及其在人体跟骨脂肪垫中的应用》,生物力学与机械生物学建模,5203-215(2006)
[20] Enelund,M。;Lesieutre,G.,使用滞弹性位移场和分数微积分的阻尼时域建模,国际固体与结构杂志,36,4447-4472(1999)·Zbl 0943.74008号
[22] Diethelm,K。;Freed,A.,卷积积分评估的有效算法,计算机与数学及其应用,51,51-72(2006)·Zbl 1093.65022号
[23] Deng,W.,分数阶微分方程的短时记忆原理和预测校正方法,计算与应用数学杂志,206174-178(2007)·Zbl 1121.65128号
[24] Mainardi,F。;Carpinti,A.,《连续介质力学中的分形和分数微积分》(2006),Springer·Zbl 0917.73004号
[25] Diethelm,K。;福特,N。;Freed,A.,分数阶微分方程数值解的预测-校正方法,非线性动力学,29,3-22(2002)·Zbl 1009.65049号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。