邓肯·菲尔德；亚尼斯·阿穆切；何塞·玛丽亚·佩纳；Jérusalem，安托万 基于机器学习的复合材料细观本构模型多尺度校准：脑白质应用。 （英语） Zbl 1467.74074号 计算。机械。 67，第6期，1629-1643（2021）. 摘要：提出了一种改进复合材料本构建模的模块化管道。在这里，该方法用于开发特定主题的空间视觉脑白质力学特性。在此应用中，从扩散磁共振成像（dMRI）扫描中提取白质微结构信息，并用于生成数百个具有随机分布纤维特性的代表性体积元素（RVE）。通过对这些RVE自动进行有限元分析，生成了对应于多个RVE特定加载情况的应力-应变曲线。然后针对每个RVE校准一个均匀化RVE行为的细观本构模型，生成一个针对每组RVE微观结构特征的校准参数库。最后，实现了一个机器学习层，以直接从任何新的微观结构预测本构模型参数。结果表明，该方法可以高精度地预测标定的介观材料特性。更一般地说，当提供实验测量的特定位置的纤维几何特征时，整体框架允许有效模拟复合材料的空间变化力学行为。 引用于1文件 MSC公司： 2015年第74季度 固体力学中的有效本构方程 74E30型 复合材料和混合物特性 74S05号 有限元方法在固体力学问题中的应用 74升15 生物力学固体力学 68T05型 人工智能中的学习和自适应系统 92 C55 生物医学成像和信号处理 关键词：机器学习；计算均匀化；代表性体积元素；有限元法；脑白质模型；磁共振成像 软件：阿达·布斯特。MH公司 PDF格式BibTeX公司 XML格式引用 \textit{D.Field}等人，计算。机械。67，第6号，1629-1643（2021年；兹bl 1467.74074） 全文： 内政部 参考文献： [1] Abaqus（2013）Abaqu文件。http://dsk.ippt.pan.pl/docs/abaqus/v6.13/books/gsk/ch10s06.html [2] 阿博加斯特，KB；Margulies，SS，脑干剪切粘弹性行为的纤维增强复合材料模型，生物医学杂志，32865-870（1999）·doi:10.1016/S0021-9290（99）00042-1 [3] 阿萨夫，Y。；Blumenfeld-Katzir，T。；Yovel，Y。；Basser，PJ，AxCaliber:一种通过扩散MRI测量轴突直径分布的方法，磁共振医学，59，1347-1354（2008）·doi:10.1002/mrm.21577 [4] 贝恩，AC；DI Shreiber；Meaney，DF，《中枢神经系统组织简单伸长过程中微观结构运动学建模》，《生物工程杂志》，125，798-804（2003）·数字对象标识代码：10.1115/1.1632627 [5] Breiman，L.，《随机森林》，《马赫学习》，45，5-32（2001）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [6] Chatelin，S。；甲板，C。；Willinger，R.，脑材料有限元建模的各向异性粘性超弹性本构关系，生物流变学杂志，27，26-37（2013）·doi:10.1007/s12573-012-0055-6 [7] de Rooij，R。；Kuhl，E.，《脑组织的本构建模：当前观点》，《应用力学评论》，68，010801（2016）·数字对象标识代码：10.1115/1.4032436 [8] Digimat（2018）e-xstream工程。https://www.e-xstream.com/products/digimat/about-digimat网站 [9] 杜瓦尔，T。；斯蒂科夫，N。；Cohen-Adad，J.，《白质微观结构建模》，Funct Neurol，31217-228（2016） [10] 爱德华兹，LJ；松树，KJ；Ellerbrock，I。；Weiskopf，北。；Mohammadi，S.，NODDI-DTI：根据健康白质中的扩散张量估计轴突方向和弥散参数，《Front Neurosci》，11720（2017）·doi:10.3389/fnins.2017.00720 [11] El Sayed，T.（T.）。；Mota，A。；F.兄弟会。；Ortiz，M.，《创伤性脑损伤的生物力学》，计算机方法应用机械工程，197，4692-4701（2008）·兹比尔1194.74199 ·doi:10.1016/j.cma.2008.06.006 [12] 菲利，C。；Filley，C.，白质结构与功能，《白质的行为神经学》，23-41（2012），牛津：牛津大学出版社，牛津·doi:10.1093/med/9780199743261.003.002 [13] 弗朗西斯科尼，G。；比戈尼（D.Bigoni）。；Regitnig，P。；佐治亚州霍尔扎普费尔，《脑组织变形与填充弹性体相似，并遵循固结理论》，《机械物理固体杂志》，54，2592-2620（2006）·Zbl 1162.74303号 ·doi:10.1016/j.jmps.2006.05.004 [14] Freund Y，Schapire RE（1995）在线学习的决策理论推广及其在助推中的应用。参加：欧洲计算学习理论会议。施普林格，第23-37页 [15] Friedman，JH，《贪婪函数近似：梯度提升机》，Ann Stat，20011189-1232（2001）·Zbl 1043.62034号 [16] Garcia-Gonzalez，D。；Jayamohan，J。；Sotiropoulos，S。；Yoon，S-H；库克，J。；Siviour，C。；阿里亚斯，A。；Jérusalem，A.，《冲击载荷下peek和ha颅骨植入物的力学行为》，《生物医学杂志》，69，342-354（2017）·doi:10.1016/j.jmbbm.2017.012 [17] Garcia-Gonzalez，D。；Jérusalem，A.，《组织尺度下中枢神经系统损伤的基于能量的机械电生理模型》，《机械物理固体杂志》，125，22-37（2019）·doi:10.1016/j.jmps.2018.12.009 [18] Garcia-Gonzalez，D。；Jérusalem，A。；Garzon-Hernandez，S。；扎埃拉，R。；Arias，A.，横向各向同性软组织的连续介质力学本构框架，《机械物理固体杂志》，112209-224（2018）·doi:10.1016/j.jmps.2017.12.001 [19] Garcia-Gonzalez，D。；种族，NS；Voets，荷兰；Jenkins博士；Sotiropoulos，SN；阿科斯塔，G。；Cruz Haces，医学博士。；Tang，J。；Shi，R。；Jérusalem，A.，基于认知的bTBI机械标准；《预防和治疗创新的工具》，科学代表，810273（2018）·doi:10.1038/s41598-018-28271-7 [20] Geurts，P。；Ernst，D。；Wehenkel，L.，《极度随机树》，《马赫学习》，63，3-42（2006）·兹比尔1110.68124 ·doi:10.1007/s10994-006-6226-1 [21] 加布西，J。；Sidarta，D.，用于本构建模的新型嵌套自适应神经网络（nann），计算岩土工程，22，29-52（1998）·doi:10.1016/S0266-352X（97）00034-7 [22] 佐丹奴，C。；Kleiven，S.，将医学图像的分数各向异性与脑组织高粘弹性纤维增强本构模型的机械各向异性联系起来，J R Soc界面，1120130914（2014）·doi:10.1098/rsif.2013.0914 [23] Hansen N（2008）协方差矩阵适应-进化策略：源代码。https://www.lri.fr/hansen/cmaes_inmatlab.html [24] Ho，J。；Kleiven，S.，《脑血管系统的动态反应：三维计算研究》，《生物技术杂志》，403006-3012（2007）·doi:10.1016/j.jbiomech.2007.02.011 [25] Ho，TK，构建决策林的随机子空间方法，IEEE Trans-Pattern Ana Mach Intell，20832-844（1998）·数字对象标识代码：10.1109/34.709601 [26] 霍尔，AE；Kennard，RW，Ridge回归：非正交问题的有偏估计，技术计量学，42，80-86（2000）·doi:10.1080/00401706.2000.10485983 [27] 佐治亚州霍尔扎普费尔；Ogden，RW，《光纤色散模型：压缩光纤的排除和伪模型比较》，《弹性杂志》，129，49-68（2017）·Zbl 1373.74020号 ·doi:10.1007/s10659-016-9605-2 [28] Karami，G。；北卡罗来纳州格兰德曼。；Abolfathi，N。；奈克，A。；Ziejewski，M.，《大变形下大脑白质的微机械超弹性建模》，《生物医学杂志》，第2243-254页（2009年）·doi:10.1016/j.jmbbm.2008.003 [29] Kim，J-H，《估计分类错误率：重复交叉验证、重复保持和引导》，《计算统计数据分析》，第53期，第3735-3745页（2009年）·Zbl 1453.62126号 ·doi:10.1016/j.csda.2009.04.009 [30] Kirchdoerfer，T。；Ortiz，M.，《数据驱动计算力学》，《计算方法应用机械工程》，304，81-101（2015）·Zbl 1425.74503号 ·doi:10.1016/j.cma.2016.02.001 [31] LaTorre A、Muelas S和PeñA J M（2010），在bbob-2010无噪函数测试台上对基于mos的算法进行基准测试。摘自：《第十二届遗传和进化计算年会论文集》，第1649-1656页 [32] 勒，BA；Yvonnet，J。；He，Q.，使用神经网络计算非线性弹性材料的均匀化，国际J数值方法工程，104，1061-1084（2015）·兹比尔1352.74266 ·doi:10.1002/nme.4953 [33] 李，H。；O.卡夫卡。；Gao，J.，机器学习和设计优化中生成材料性能数据库的聚类离散化方法，计算力学，64，281-305（2019）·兹比尔1470.74073 ·doi:10.1007/s00466-019-01716-0 [34] Liang，L。；刘，M。；马丁，C。；Sun，W.，《估算应力分布的深度学习方法：有限元分析的快速准确替代物》，J R Soc Interface，120170844（2018）·doi:10.1098/rsif.2017.0844 [35] 刘，Z。；贝萨，M。；Liu，W.，自洽聚类分析：非弹性非均质材料的有效多尺度方案，Comput Methods Appl Mech Eng，306319-341（2016）·Zbl 1436.74070号 ·doi:10.1016/j.cma.2016.04.004 [36] 刘，Z。；弗莱明，M。；Liu，W.，用于弹塑性应变软化材料自洽聚类分析的应用力学和工程微结构材料数据库中的计算机方法，计算方法应用力学工程，330，547-577（2018）·Zbl 1439.74063号 ·doi:10.1016/j.cma.2017.11.005 [37] 刘，Z。；吴，C。；Koishi，M.，用于无缝结构-性能预测的深层材料网络转移学习，计算力学，64，451-465（2019）·Zbl 1468.74087号 ·doi:10.1007/s00466-019-01704-4 [38] 卢，X。；Giovanis，D。；Yvonnet，J.，石墨烯/聚合物纳米复合材料非线性各向异性电响应的基于神经网络的数据驱动计算均匀化方法，计算力学，64，307-321（2018）·Zbl 1464.74404号 ·doi:10.1007/s00466-018-1643-0 [39] Martín-Guerrero JD、Rupérez-Moreno MJ、Martinez-Martínez F、Lorente-Garrido D、Serrano-López AJ、Monserrat C、Martine-Sanchis S、Martines-Sober M（2016）《人体软组织生物力学行为建模的机器学习》。2016年IEEE第16届国际数据挖掘研讨会（ICDMW），第247-253页 [40] Meaney，DF，结构建模与超弹性材料行为之间的关系：在中枢神经系统白质中的应用，生物医学模型，1279-293（2003）·doi:10.1007/s10237-002-0020-1 [41] 密勒，吉隆坡；Alfaro Almagro，F。；NK班杰特；DL托马斯；雅库布，E。；徐，J。；巴茨，AJ；贾巴迪，S。；Sotiropoulos，SN；安德森，JLR；Griffanti，L。；杜奥，G。；Okell，TW；韦勒，P。；德拉戈努，I。；加拉特，S。；哈德森，S。；柯林斯，R。；詹金森，M。；Matthews，项目经理；Smith，SM，英国生物银行前瞻性流行病学研究中的多模式人群脑成像，Nat Neurosci，19，1523-1536（2016）·数字对象标识代码：10.1038/nn.4393 [42] Muelas S，La Torre A和PeñA J-M（2009）一种用于连续优化的模因差分进化算法。2009年第九届智能系统设计和应用国际会议。IEEE，第1080-1084页 [43] Narayanan，RT公司；Udvary，D。；Oberlaender，M.，《大鼠桶状皮层六层细胞类型特异性结构组织》，《前神经元》，11，91（2017）·doi:10.3389/fnana.2017年7月1日 [44] 潘，Y。；DI Shreiber；Pelegri，AA，《中枢神经系统白质运动学有限元模拟的过渡模型》，IEEE Trans-Bio-med Eng，58，3443-3446（2011）·doi:10.1109/TBME.2011.2163189 [45] 潘，Y。；沙利文，D。；DI Shreiber；Pelegri，AA，《中枢神经系统白质运动学的有限元建模：使用3D RVE确定材料属性》，Front Bioeng Biotechtol，119（2013）·doi:10.3389/fbioe.2013.00019 [46] 北卡罗来纳州帕迪斯。；易卜拉希米，R。；Kim，HS，《大剪切变形下的等效应变：理论、数值和有限元分析》，J Appl Res Technol，15，442-448（2017）·doi:10.1016/j.jart.2017.05.002 [47] Parr R、Painter-Wakefield C、Li L和Littman M（2007），《分析价值函数近似的特征生成》。摘自：第24届机器学习国际会议记录，第737-744页 [48] Prange，MT；Margulies，SS，大变形大脑的区域性、方向性和年龄依赖性特性，生物医学工程杂志，124，244-252（2002）·数字对象标识代码：10.1115/1.1449907 [49] 马萨诸塞州普索；Weiss，JA，使用离散谱近似的各向异性准线性粘弹性有限元实现，J Biomech Eng，120，62-70（1998）·数字对象标识代码：10.1115/12834308 [50] 苏亚雷斯，JM；Marques，P。；阿尔维斯，V。；Sousa，N.，《弥散张量成像搭便车指南》，《前神经科学》，第7期，第31页（2013年）·doi:10.3389/fnins.2013.00031 [51] Sun C、Shrivastava A、Singh S、Gupta A（2017）《重新审视深度学习时代数据的不合理有效性》。摘自：IEEE计算机视觉国际会议记录，第843-852页 [52] Tibshirani，R.，《通过套索进行回归收缩和选择》，J Roy Stat Soc:Ser B（Methodol），58267-288（1996）·Zbl 0850.62538号 [53] Witten，IH；Frank，E.，《数据挖掘：实用机器学习工具和技术》（2005），伯灵顿：Morgan Kaufmann，Burlington·Zbl 1076.68555号 [54] 莱特，RM；邮政，A。；Hoshizaki，B。；Ramesh，KT，在头部惯性载荷下评估轴突损伤的多尺度计算方法，《神经创伤杂志》，30，102-118（2013）·doi:10.1089/neu.2012.2418文件 [55] Yang，H。；郭，X。；唐，S。；Liu，W.，通过数据驱动的主成分展开推导异质材料定律，计算力学，104，365-379（2019）·Zbl 1467.74013号 ·doi:10.1007/s00466-019-01728-w [56] Yousefsani，SA；Shamloo，A。；Farahmand，F.，《脑白质组织的微观力学：使用嵌入式元件技术的纤维增强超弹性模型》，《生物医学杂志》，80，194-202（2018）·doi:10.1016/j.jmbm.2018.02.002 [57] Yu，C。；O.卡夫卡。；Liu，W.，有限应变下多尺度建模的自洽聚类分析，计算方法应用机械工程，349，339-359（2019）·Zbl 1441.74309号 ·doi:10.1016/j.cma.2019.02.027 [58] 张，H。；施耐德，T。；加利福尼亚州惠勒-金肖特；Alexander，DC，NODDI：人脑的实际体内神经突起定向弥散和密度成像，NeuroImage，61，1000-1016（2012）·doi:10.1016/j.neuroimage.2012.03.072 [59] 张伟。；刘，Y-F；刘，L-F；牛，Y。；马，J-L；Wu，C-W，体外保存对脑组织力学性能的影响，《物理学报》，842，012005（2017）·doi:10.1088/1742-6596/842/1/012005 [60] Zhang，Y。；Ling，C.，《将机器学习应用于材料科学小数据集的策略》，NPJ Compute Mater，4，1-8（2018）·doi:10.1038/s41524-017-0060-9 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。