Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Imaging Biological Samples with Optical Microscopy01:18

Imaging Biological Samples with Optical Microscopy

5.3K
Optical microscopy uses optic principles to provide detailed images of samples. Antonie van Leeuwenhoek designed the first compound optical microscope in the 17th century to visualize blood cells, bacteria, and yeast cells. In 1830, Joseph Jackson Lister created an essentially modern light microscope. The 20th century saw the development of microscopes with enhanced magnification and resolution.
In optical microscopy, the specimen to be viewed is placed on a glass slide and clipped on the stage...
5.3K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

CNOT9 affects hepatocellular carcinoma proliferation and cell cycle through the PTEN/AKT/p53 signaling pathway.

Human cell·2026
Same author

pH-Ultrasensitive Polyester Nanoprobe for High-Contrast Tumor Imaging with Superior Biocompatibility.

Polymer science & technology (Washington, D.C.)·2026
Same author

Monotone Peridynamic Neural Operator for Nonlinear Material Modeling with Conditionally Unique Solutions.

Computer methods in applied mechanics and engineering·2026
Same author

The outcome of digital technology in microvascular free flap reconstruction for ORNJ: a retrospective study.

Frontiers in bioengineering and biotechnology·2026
Same author

rRGD3<sup>mu</sup>, a Triple-RGD Recombinant Peptide, Suppresses Malignant Phenotypes in Nasopharyngeal Carcinoma-Associated Models Through the Modulation of ITGB1-Associated FAK/AKT Signaling.

International journal of molecular sciences·2026
Same author

Biodegradation of tetracycline by Penicillium reticulisporum Te01 under adsorption-metabolism synergy.

Bioprocess and biosystems engineering·2026

Video Experimental Relacionado

Updated: Sep 9, 2025

Intermediate Strain Rate Material Characterization with Digital Image Correlation
07:59

Intermediate Strain Rate Material Characterization with Digital Image Correlation

Published on: March 1, 2019

7.2K

Método suavizante guiado por la física para el modelado de materiales con mediciones de correlación de imágenes

Jihong Wang1, Chung-Hao Lee2, William Richardson3

  • 1Department of Mathematics, Lehigh University, Bethlehem, PA, USA.

Proceedings. International Conference on Image Processing
|August 29, 2025
PubMed
Resumen

Desarrollamos un nuevo método para analizar los datos de correlación de imágenes digitales (DIC) de las pruebas de estiramiento de materiales. Este enfoque mejora la precisión del modelado de tejidos biológicos complejos como las válvulas cardíacas.

Palabras clave:
Medición del DICModelado de materialesAlisar guiado por la físicaNúcleo de reproducción

Más Videos Relacionados

Using Digital Image Correlation to Characterize Local Strains on Vascular Tissue Specimens
09:29

Using Digital Image Correlation to Characterize Local Strains on Vascular Tissue Specimens

Published on: January 24, 2016

9.5K
Shrinkage of Dental Composite in Simulated Cavity Measured with Digital Image Correlation
08:45

Shrinkage of Dental Composite in Simulated Cavity Measured with Digital Image Correlation

Published on: July 21, 2014

13.6K

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Intermediate Strain Rate Material Characterization with Digital Image Correlation
07:59

Intermediate Strain Rate Material Characterization with Digital Image Correlation

Published on: March 1, 2019

7.2K
Using Digital Image Correlation to Characterize Local Strains on Vascular Tissue Specimens
09:29

Using Digital Image Correlation to Characterize Local Strains on Vascular Tissue Specimens

Published on: January 24, 2016

9.5K
Shrinkage of Dental Composite in Simulated Cavity Measured with Digital Image Correlation
08:45

Shrinkage of Dental Composite in Simulated Cavity Measured with Digital Image Correlation

Published on: July 21, 2014

13.6K

Área de la Ciencia:

  • Biomecánica
  • Ciencias de los materiales
  • Mecánica computacional

Sus antecedentes:

  • La correlación de imagen digital (DIC) es crucial para medir la deformación del material.
  • El análisis de los datos DIC de condiciones de carga complejas como el estiramiento biaxial presenta desafíos.
  • El modelado preciso del material requiere campos de tensión y desplazamiento físicamente consistentes.

Objetivo del estudio:

  • Presentar un nuevo enfoque basado en la optimización para el procesamiento de mediciones de DIC a partir de múltiples protocolos de estiramiento biaxial.
  • Desarrollar un flujo de trabajo basado en datos para el modelado de materiales heterogéneos utilizando datos DIC procesados.
  • Aplicar y validar el método en una muestra de tejido biológico.

Principales métodos:

  • Método basado en la optimización que utiliza mínimos cuadrados móviles con restricciones de tensión positivas para obtener desplazamientos nodales suavizados.
  • Un flujo de trabajo basado en datos para estimar las leyes constitutivas no locales y la microestructura del material.
  • Aplicación a las mediciones DIC de un prospecto anterior de la válvula tricúspide porcina.

Principales resultados:

  • Se obtuvieron campos de desplazamiento y de tensión físicamente consistentes a partir de los datos del DIC.
  • Se estimó con éxito una ley constitutiva no local y un campo de orientación de fibra.
  • El enfoque demostró una mayor precisión en el modelado de materiales biológicos.

Conclusiones:

  • El método de procesamiento de datos DIC propuesto mejora la precisión del modelado de materiales, especialmente para los tejidos biológicos.
  • Este trabajo proporciona un marco sólido para integrar las mediciones de DIC con el modelado de materiales basado en datos.
  • La metodología es efectiva para caracterizar el comportamiento y la microestructura de materiales heterogéneos.