在体内学习 keloid 痕的机械不均质,使用基于物理信息的神经网络的剪切波弹性学

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 计算力学 计算力学 计算力学

背景情况:

• 体是纤维性痕,具有无组织的细胞外基质 (ECM) 和不规则的形状.
• 在体内机械成像 keloids 对于诊断和管理至关重要,但受到其复杂的几何和异质性质的阻碍.

研究的目的:

• 开发和验证一种使用物理信息的神经网络 (PINNs) 的新型剪切波弹性成像技术,用于绘制取决于 keloid 痕的空间弹性特性.
• 为了克服机械成像中不规则的 keloid 几何和自由边界条件的挑战.

主要方法:

• 利用与物理信息神经网络 (PINNs) 集成的剪切波弹性学来推断弹性性质.
• 开发了一种超声波兼容的水凝,用于管理 keloid 自由边界,将其转化为可测量的接口.
• 通过有限元模拟,幻象实验和体内临床研究验证了该方法.

主要成果:

• 成功地绘制了 keloid 痕的空间剪切模块.
• 证明了为各种 keloid 痕几何形状创建弹性图的能力.
• 在体内证实了拟议的成像方法的临床实用性和可行性.

结论:

• 开发的基于PINN的弹性学方法有效地描绘了 keloid 痕的机械不均性.
• 这种方法对改善 keloid 诊断,治疗策略和了解 keloidogenesis 的潜力很大.
• 提供了对机械治疗干预措施的见解,以及机械特性与 keloid 进展之间的关系.