整合有限元分析和基于物理的神经网络,用于人类腰椎的生物机械建模
Mohsen Ahmadi1, Debojit Biswas2, Rudy Paul3
1Department of Electrical and Computer Science, Florida Atlantic University, Boca Raton, FL, United States.
North American Spine Society journal
|March 31, 2025
概括
这项研究将有限元分析 (FEA) 与物理信息神经网络 (PINNs) 集成在一起,以准确预测腰椎物质特性. 这一进步增强了生物机械模拟,改善了手术规划和脊柱疾病治疗患者的结果.
科学领域:
- 生物机械工程 生物机械工程
- 计算建模 计算建模
- 医学成像分析 医学成像分析
背景情况:
- 了解人类腰椎脊柱的生物力学对于管理和预防脊柱疾病至关重要.
- 来自CT扫描的精确患者特异性材料特性对于现实的模拟和有效的手术规划至关重要.
- 将有限元分析 (FEA) 与物理信息神经网络 (PINNs) 集成,可以自动化腰椎细分和网格化,从而带来临床益处.
研究的目的:
- 开发腰椎的FEA模型,包括CT和MRI扫描的详细解剖和材料特性.
- 利用PINNs将物理定律集成到神经网络训练中,确保准确的材料属性预测.
- 为了自动化细分和网格化过程,以增强腰椎的生物机械模拟.
主要方法:
- 使用CT和MRI扫描的解剖学和材料数据开发了一种腰椎FEA模型.
- 用先进的成像和计算技术分割和网状脊椎和脊椎间盘.
- 实施PINN以在物质属性预测过程中执行机械规律.
主要成果:
- 在预测关键材料性质方面取得了94.30%的准确性,包括扬模量,波松比率,散装模量和骨和圆盘的剪切模量.
- 成功创建了腰椎的详细FEA模型,具有患者特定的特性.
- 验证PINN确保材料属性预测遵循基本的机械原理.
结论:
- 通过FEA-PINN集成,可以准确地,自动地预测腰椎物质特性和机械行为,减少手工劳动,提高可靠性.
- 这种方法提供可靠的生物机械模拟,支持个性化治疗计划和脊柱疾病的手术策略.
- 该方法提高了手术规划和临床结果,从而改善了患者的护理和康复.
