×
马，于;桑建兵;李阳;王芳;邵可欣;田伟昌

基于有限元和神经网络的软骨超弹性材料参数识别新方法。 （英语） Zbl 07714910号

国际期刊计算。方法 19，第9号，文章ID 2250014，17 p.（2022）.
总结：软骨损伤和退化可能导致动物和人类的骨关节炎。软骨非线性超塑性行为的定量研究对于评估软骨组织退化至关重要。然而，直接识别材料行为是不可行的。本文提出了一种利用可测量结构量的逆方法表征软骨组织非线性力学行为的方法。首先，建立了一个双向神经网络（NN），该网络使用经过充分训练的前向问题神经网络代替前向问题求解器来生成逆问题神经网络的训练样本然后创建模型以生成用于训练正向网络的数据集。此外，通过与直接反向神经网络方法的比较，深入研究了我们的双向神经网络方法在软骨超塑性材料参数预测中的性能。当仅使用直接反问题神经网络进行训练时，所有样本均来自有限元模拟，模拟时间为50.7小时，预测时间为几十秒。此外，我们的双向神经网络调用经过训练的前向神经网络来收集训练样本，所有样本都可以在几秒钟内获得，模拟时间仅为78秒。预测结果与实验数据吻合良好，比较表明，我们的双向神经网络是预测其他生物软组织参数的一种有效且熟练的方法。

MSC公司：

74-XX岁 可变形固体力学
92至XX 生物学和其他自然科学

关键词：

双向神经网络;有限元分析;增生性软骨组织;逆辨识
PDF格式BibTeX公司 XML格式引用
\textit{Y.Ma}等人，《国际计算杂志》。方法19，第9号，文章ID 2250014，17 p.（2022；Zbl 07714910）
全文： 内政部

参考文献：

[1] Abavisani，M.和Patel，V.M.[2018]“深度多模子空间聚类网络”，IEEE J.Sel。顶部。信号处理。12（6），1601-1614。
[2] Ali，U.和Siddique，J.I.[2020]“外加磁场和应变相关渗透率下关节软骨的粘弹性行为”，计算。方法生物技术。生物识别。工程23（9），524-535。
[3] Arbabi，V.、Pouran，B.、Campoli，G.、Weinans，H.和Zadpoor，A.A.【2016】“通过将基于多孔弹性的有限元压痕模型与人工神经网络相结合来确定软骨的机械和物理特性”，J.Biomech.49（5），631-637。
[4] Bonello，J.、Demarco，A.、Farhat，I.、Farrugia，L.和Sammut，C.V.[2020]“人工神经网络在准确测定生物组织复介电常数中的应用”，Sensors20（16），4640。
[5] Demarteau，O.，Pillet，L.，Inaebnit，A.，Borens，O.和Quinn，T.M.[2006]“老年人股骨头软骨的生物力学特征和体外机械损伤：与成年牛肱骨头软骨的比较”，骨关节炎软骨14（6），589-596。
[6] Disilvestro，M.R.，Zhu，Q.和Suh，J.K.F.[2001]“关节软骨无限制压缩的双相多孔弹性模拟：II-可变应变率的影响”，《生物医学杂志》。工程123（2），198-200。
[7] Farabet，C.、Couprie，C.、Najman，L.和LeCun，Y.[2013]“学习场景标记的层次特征”，IEEE Trans。模式分析。机器。《情报》35（8），1915-1929年。
[8] Golovko，A.V.[2017]“深度学习：概述和主要范式”，Opt。内存。神经网络26（1），1-17。
[9] Guess，T.M.[2012]“在多体框架中使用带半月板的自然膝关节进行正向动力学模拟”，多体系统。第28王朝（1-2），37-53。
[10] Guo，H.，Shah，M.和Spilker，R.L.[2014]“有限变形和滑动下水合多孔介质两相接触的有限元实现”，Proc。仪器机械。Eng.H，J.Eng.Med.228（3），225-236。
[11] Guo，G.D.和Zhang，N.[2019]“基于深度学习的人脸识别研究”，计算。视觉。图像理解189102805。
[12] Hafer，J.F.和Zernicke，R.F.[2021]“与年轻无症状成年人相比，患有膝关节骨性关节炎的成年人使用不同的协调策略从摆动过渡到站立，”《步态姿势》88，72-77。
[13] He，B.，Wu，J.，Chim，S.M.，Xu，J和Kirk，T.B.[2013]“袋鼠关节软骨中胶原蛋白和弹性蛋白纤维的显微结构分析揭示了取决于其局部机械环境的结构差异，”骨关节炎软骨21（1），237-245。
[14] Kishore，R.和Suresh，B.[2020]“基于软组织技术的大规模人工神经网络检测肺癌”，BMC Med.Inform。Decis公司。Mak.20（1），282。
[15] Komeili，A.、Abusara，Z.、Federico，S.和Herzog，W.[2019]“应变率对关节软骨中瞬态局部应变变化的影响”，J.Mech。行为。生物识别。马特95，60-66。
[16] Korhonen，R.K.、Laasanen，M.S.、Toyras，J.、Riepo，J.、Hirvonen，J.、Helminen，H.J.和Jurvelin，J.S.[2002]“关节软骨在无侧限压缩、受限压缩和压痕中的平衡反应比较”，J.Biomech.35（7），903-909。
[17] Kyle-Davidson，C.P.和Clark，A.F.[2018]“进化视觉系统的神经网络组件”，Proc。2018年第十届计算机科学与电子工程（CEEC），第202-207页。
[18] LeCun，Y.、Bengio，Y.和Hinton，G.E.[2015]“深度学习”，《自然》521（7553），436-444。
[19] Li，Y.，Sang，J.，Wei，X.，Wan，Z.和Liu，G.R.[2021]“使用双向神经网络识别超弹性骨骼肌的新型本构参数”，国际计算杂志。方法19（02），2150060。https://doi.org/10.1142/S021987622500602。 ·Zbl 1524.92012年
[20] Li，L.P.和Herzog，W.[2004]“无侧限压缩中软骨刚度的应变率依赖性：纤维增强与组织体积变化在流体加压中的作用”，《生物医学杂志》。37（3），375-382。
[21] Liu，G.R.，Han，X.和Lam，K.Y.[2001]“使用弹性波和逆程序对FGM板进行材料表征”，J.Compos。材料35（11），954-971。
[22] Liu，A.，Kendzerska，T.，Stanaitis，I.和Hawker，G.[2014]“膝关节骨性关节炎患者膝关节疼痛特征和症状状态可接受性之间的关系”，骨关节炎软骨22（2），178-183。
[23] Liu，G.R.[2019]“FEA-AI和AI-AI：正向和反向力学问题实时计算的双向深水网”，国际计算杂志。方法16（08），195045·Zbl 1489.74059号
[24] Lu，Y.，Pulasani，P.R.，Derakhshani，R.和Guess，T.M.【2013】“神经网络在肌肉骨骼系统软骨应力预测中的应用”，Biomed。信号处理。控制8（6），475-482。
[25] Mohsen，M.、Kotaybah，H.、Walter，H.和Federico，S.[2020]“大变形下结构变形对关节软骨渗透性的影响”，Biomech。模型。机械双醇.19（1），317-334。
[26] Mow，V.C.，Lai，V.M.和Holmes，M.H.[1982]“软骨研究中的先进理论和实验技术”，《生物医学杂志》15（10），795-813。
[27] Panda，S.和Panda，G.[2020]“使用自适应激活函数快速改进多层人工神经网络的反向传播学习”，专家系统37（5），e12555。
[28] Pena，E.、Calvo，B.、Martinez，M.A.、Palanca，D.和Doblare，M.[2005]“半月板撕裂和半月板切除术对人类膝关节生物力学影响的有限元分析”，临床。《生物技术》20（5），498-507。
[29] Reynaud，B.和Quinn，T.M.[2006]，“压缩关节软骨的各向异性水力渗透性”，《生物医学杂志》39（1），131-137。
[30] Rui，S.、Ricardo，P.、Enrique，S.和Gu，J.[2018]“使用模型更新方法基于光谱模型的复合材料参数识别”，国际J.Polym。科学.2018，7310846。
[31] Tajbakhsh，N.、Jeyaseelan，L.、Li，Q.、Chiang，J.N.、Wu，Z.和Ding，X.[2020]“拥抱不完美数据集：医学图像分割的深度学习解决方案综述”，《医学图像分析》63101693。
[32] Thibbotuwawa，N.，Oloyede，A.，Senadeera，W.，Li，T.和Gu，Y.-T.[2015]“基于应变率依赖性渗透性的孔型相关模型对袋鼠肱骨头软骨组织力学行为的研究”，J.Mech。行为。生物识别。材料51，248-259。
[33] Wang，Y.，Sang，J.，Ao，R.，Ma，Y.和Fu，B.[2020]“利用神经网络方法和有限元分析对变形红细胞进行数值模拟”，计算。方法生物技术。生物识别。工程23（15），1190-1200。
[34] Warncke，D.、Lewis，E.、Lochmann，S.和Leahy，M.[2009]“基于神经网络的生物组织光学散射和吸收系数测定方法”，《物理杂志》。，Conf.序列178，012047。
[35] Wu，Y.和Feng，J.【2018】“人工神经网络的发展与应用”，Wirel。《人民公社》102（2），1645-1656年。
[36] Wu，J.Z.和Herzog，W.[2000]“软骨细胞在无侧限压缩试验中的位置和时间相关力学行为的有限元模拟”，Ann.Biomed。工程28（3），318-330。
[37] Yao，J.、Salo，A.D.、Lee，J.和Lerner，A.L.[2008]“胫骨-半月板-股关节接触行为对膝关节运动学变化的敏感性”，《生物医学杂志》41（2），390-398。
[38] Zhang，J.，Zhong，Y.和Gu，C.[2019]“手术模拟软组织变形的神经网络建模”，Artif。智力。医学97，61-70。
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。