Summary
I denne protokollen, er femur overflaten stammene beregnet under brudd testing ved hjelp av digitalt bilde korrelasjon teknikk. Nyheten av metoden innebærer anvendelse av en høy kontrast Stokastisk speckle mønster på femur overflaten, nøye belysning, høyhastighets videoopptak og digitalt bilde korrelasjon analyse for press beregninger.
Abstract
Denne protokollen beskriver metoden ved hjelp av digitalt bilde sammenheng for å anslå kortikale belastningen fra høy fart bilder av cadaveric femur overflaten fra mekanisk testing. Denne optiske metoden krever en tekstur av mange kontrasterende tillitsforhold merker på en heldekkende hvit bakgrunn for nøyaktig sporing av overflaten deformasjon som lasting brukes på prøven. Umiddelbart før testing, er overflaten av interesse i kameraet vise malt med en vannbasert hvit grunning og lov til å tørke i flere minutter. Så er en svart maling flekkete nøye over den hvite bakgrunnen med spesielle hensyn for selv størrelsen og formen på dråpene. Belysning er nøye utformet og satt slik at det er optimal kontrast disse merkene samtidig minimere refleksjoner gjennom bruk av filtre. Bildene ble oppnådd gjennom høyhastighets videoopptak på opptil 12 000 bilder/s. De viktige bildene før og inkludert hendelsen brudd trekkes og deformasjoner er anslått mellom påfølgende rammer i nøye størrelse avhør windows over et angitt område av interesse. Disse deformasjoner brukes deretter til å beregne overflaten belastning timelig under brudd testen. Belastning dataene er svært nyttig for å identifisere brudd innvielse i femur og eventuell validering av proksimale femur fraktur styrke modeller Hentet fra kvantitative beregnet tomografi-baserte endelig Element Analysis (QCT/FEA).
Introduction
Digital Image sammenheng (DIC) er et bilde etterbehandling metoden som brukes i gjeldende protokollen for å anslå nullfelt overflaten belastningen av cadaveric femur prøven fra tidssekvens profilen oppnådd under mekanisk brudd tester. Teknikken ble først utviklet og brukt i eksperimentell stress analyse på 1980-tallet og har hatt en rask økning i bruk i de senere år1,2,3. Det har flere viktige fordeler fremfor mer tradisjonelle tilnærminger av montering Måløy på en struktur inkludert økt romlige fordelingen av feltet belastning, måle finere lengder gjennom økt camera oppløsning og unngå problemer med belastninger måle Fest heft eller overholdelse. En stor fordel med DIC for biologisk vev, som bein, er at det kan brukes å uregelmessig geometrier bestående av svært heterogen materialegenskaper4,5. Dens ulempen over tradisjonelle belastning anskaffelsesmetoder er at det krever kostbar høyhastighets videokameraer av høy nok oppløsning for måling av regionen rundt å oppnå tilstrekkelig romlige og tidsmessige prøvetaking til nøyaktig anslå belastning felt.
Primær bruk av feltene timelige belastning fra beinbrudd DIC analyse er å validere belastning overslag i QCT/FEA modeller av femur styrke5. Slike validering er fokus for mange Ortopedisk forskningsgrupper som hovedsakelig benytter ekstern målinger og forskyvning fra veieceller og forskyvning transdusere6,7,8. I tillegg blitt etter brudd bildeanalyser brudd oppskriften kombinert med disse eksterne målingene som ytterligere modell validering9. Flere nylig, DIC metoden ble brukt til å validere en FEA modell av brudd og sprekk forplantning i den proksimale femur10. Ved å benytte belastning sammenheng mellom modeller og eksperimenter, enda mer tillit til gyldigheten av beregningsorientert modeller av proksimale femora oppnås og videre før QCT/FEA diagnostisk metode nærmere klinisk bruk.
Dette arbeidet forklarer en detaljert protokoll for å innlemme fremgangsmåten for DIC analyse i brudd testing av proksimale femora. Prosedyren inkludert bein forberedelsene av sprøyting en hvit maling på bein overflaten og deretter prikker svarte flekker på tørket hvite overflaten av benet, metoder for å få bilder med tilstrekkelig romlige og tidsmessige oppløsning bruker høy fart video kameraer, og prosessen og verktøy vi brukte for databehandling belastning felt fra disse bildene. Vi forklarte også flere ting som kan påvirke kvaliteten på målingene.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
alle eksperimentene ble gjennomført med institusjonelle Review Board godkjenning. Prøvene ble innhentet fra anatomisk forskningslaboratorier i samarbeid.
1. forbereder prøver for Testing
- tine femora på RT for 24 h.
- Når femur i køen for testing, fjerne alle brytes som ble brukt før frysing og tørk femur med et tørt håndkle å fjerne rest fuktighet, fet depositer, eller bløtvev. Potten de større trochanter i et prefabrikkerte aluminium kopp med beinsement.
- Bruker en boks inneholder partikler som mulig, spray bein med hvit plast grunning å oppnå en tynn, uniform belegg. Ta vare for å dekke bein med en ensartet lag med maling for optimal kontrast og sterk vedheft til overflaten femur.
Merk: Tykkelsen ble ikke målt. - Maling tørke i minst 5 minutter. Dette er viktig å unngå utilsiktet blanding med flekkete dråper i del 2.
- Bryte bein med våt klut til å unngå vev tørrhet.
2. Prikker prosessen
- ca, legge til 1 del vann i 2 deler av maling for beste prikker på benet. Tilsett vann gradvis (for bedre kombinasjon) til akrylmaling å gjøre en svart farge.
- Dukkert en ren tannbørste i en palett av svart maling å absorbere farge og flick børsten til å gjøre svarte flekker over hvite belegget.
- Maling i 5 minutter før du fortsetter.
3. Image vinningen
- montere forberedt flekkete femur i mekanisk test maskinen ved å sette inn potted distale slutten i kampen og stram to skruene for å feste prøven.
- Juster to høyintensitets utladning lys reflektorer slik at femur overflaten oppnår høyeste belysning mulig og unngå refleksjoner i kamerabildet. Gå raskt med følgende i avsnitt 3 å unngå uønskede oppvarming av prøven fra lys stråling før test
- Redusere blenderåpning på forsiden og baksiden se høy fart video kameralinser slik at hele regionen interesse av femur synsfelt er i fokus.
- Omstille lys reflektorer for ytterligere å forbedre belysning og reduserer gjenskinn.
- Sette bilde oppkjøpet programvare å fange på 6000 rammer/s med en oppløsning på 1024 x 512 bildepunkter. Angi antall rammer ervervet etter utløser signalet mottas på 12288. Armen høyhastighets video programvare for bildeopptak når utløseren signalet mottas fra testsystemet. Når testingen er fullført, videoen ligger i kameraet ' s bufferminne.
- Ved hjelp av image oppkjøpet programvare, lagre videoen på disken ved å angi ønskede banen og filnavnet og " lagre ". Være forberedt på å vente mellom 5-40 min for denne prosessen å fullføre avhengig av antall rammer lagres.
4. Bilde forberedelse
- opprette separate arbeider direktoriene for og utsikt over femur.
- Bruker video analyseprogramvare åpne riktig høyhastighets videoinnspillingen og Merk nøkkelbilde referanse nummeret på 1) starter på Last ramme aktuator bevegelse og 2) rammen umiddelbart etter hendelsen brudd.
- å redusere en ukomprimert TIFF bildesekvens fra høyhastighets videoen, åpne og kjøre den " mov_frames.m " skript i arbeidsmappen for siden relevant femur.
- i dialogboksen som angir ramme sluttnummeret identifisert i trinn 4.2 trinn størrelse 25-40. Klikk " ekstra rammer " og inspisere arbeidsmappen for å sikre *.tiff filene ble pakket ut riktig.
5. Finite Element Mesh Creation
- Bruk en ekstern endelig element meshing program for å lage begrensede element mesh. Beregne 2D stammer fra differensial forskyvning vektorer med begrenset elementmetoden. Importere første utdraget *.tiff bildet til endelig element programvare pre-prosessor som en mal for opprettelse av spline.
- Finne to lett å identifisere tillitsforhold punkter i bildet som er i motsatte hjørner i rammen og registrere X og Y koordinatene (dette vil til slutt bli brukt i trinn 6.1). Koordinatene er vilkårlig basert på konvensjonen FEA programvaren brukes til å importere *.tiff bildet. Koordinatene til disse poengene brukes til å registrere nodene i endelig element mesh med de motsvarende bildepunktene videobildene i trinn 6.2.
- i et bilde redigering programvare, åpner det samme bildet som ble importert til endelig element programvare preprocessor og registrere X og Y retning verdiene for bildepunktene med punktene som blir identifisert i trinn 5.2. Dette vil til slutt bli brukt i trinn 6.1.
- i den " skisse " modul av finite element meshing programmet bruke verktøyet spline skissere en lukket del representerer regionen rundt. Kontroller regionen ikke er for stor slik at overflaten av bein ville flytte utenfor regionen forutgående til brudd på grunn av rotasjon.
- Forberede delen lukket opprettet i trinnet 5.4 for meshing av seeding kantene med en global mesh størrelsen på 1 mm under menyen " frø del forekomst ".
- Under " tilordne mesh kontroller ", satt i figur til firkant.
- Mesh delen lukket.
- Eksportere mesh til en ASCII-fil av mesh databasen knutepunktet koordinater og element definisjoner.
- Med resulterende endelig element inndatafilen åpnes i et tekstredigeringsprogram, Kopier noden blokken som inneholder nodenumre og koordinater i en ny tekstfil og lagre som " nodes.txt ". Gjenta for elementet blokken og lagre den nye tekstfilen som " elements.txt ".
6. Registrere FE Mesh med høy fart Video bilder og gjennomføre Digital Image korrelasjon Analysis
- i en ny økt, opprette 2 elementer rad vektorer kalt ab1 og ab2 med verdiene angitt i trinn 5.2., og px1 og px2 med verdiene identifisert i trinn 5.3 ved å skrive navnene vektor på kommandolinjen. Lagre arbeidsområdet som " points.mat ".
- Kjøre skriptet " convert_imagesize.m " registrere poeng fra endelig element mesh med utdraget høyhastighets videobildet.
- Kjøre skriptet " rrImageTrackGui.m ". Laste det første bildet (" p01.tif ") og angi den siste *.tiff-filen som ble pakket ut som antall bilder behandle.
- Laste mesh opprettet i trinnet 5.7 ved å sørge for alternativet maske er satt til " lese fra filen " og klikk " godta ". Finite element mesh skal vises over bein bildet.
- Angir verdiene basert på følgende retningslinjer for sporing parametere og velger " Fortsett " (holde i tankene at parameterverdiene er bildestørrelse, tekstur og mengden deformasjon finner sted og må testes forsiktig på et sak-til-sak grunnlag).
- Bruk en kjerne størrelsen på 21. Kjernen størrelsen, n, er størrelse of en n x n vindu (der n er et oddetall) piksler som brukes for kryss-sammenheng og bestemmelse av deformasjon vektoren for området som skal brukes for press beregninger.
- Bruker en underpiksel Startstørrelse 4. Underpiksel størrelse, m, er størrelsen på det (2 m + 1) x (2 m + 1) sub vinduet over hvilke underpiksel deformasjon beregnes ved å anta homogen belastning i sub vinduet.
- Bruker en start glatthet faktor på 2. Glatthet faktor er mengden utjevning brukes feltet forskyvning på sporet steder før databehandling stammer.
- Bruker en start maxMove faktor på 10. maxMove faktor er maksimalt antall piksler som en node kan fra sin bane i forhold til sin nabo ' s bane. Dette bidrar til å unngå dårlig sporing deformasjon.
- Bruker en start smoothGrid faktor 15. Den smoothGrid faktoren er størrelsen på rutenettet (litt grovere enn mesh merkede noder) som brukes for utglatting.
- Velg et støttelinjepunkt som har betydelig kontrast rundt og unngå områder med antirefleks eller uskarphet. Sjekk dette punktet ved å klikke " sjekk guide " og kontroller korrelasjon toppen er sterk (minst to ganger amplituden) sammenlignet med sine naboer. Klikk " godta " og " utføre sporing " når fornøyd. Dette kan være en lengre beregningsorientert prosess der differensial forskyvning er beregnet for den timelige bildesekvens.
- Etter trinn 6.6 har fullført, klikk " Animer ". Når animere er ferdig, klikker du " skrive stammer (innlegget prosessering programvare) ", angi *.exe, og velg deretter writeStrainRR_simple.exe 11. Dette vil beregne påkjenninger. Lukk GUI.
7. Etterbehandling av fortrengning og belastning Data
- å få belastning vs bildenummer kjøre " analyzeFailurePrecursor.m " fra kommandolinjen med et inndataargument trinn størrelse (Velg 20-30). Toppene bety bone skade, og den største toppen vil tilsvare rammen nær globale bein feil.
- Vil opprette filmfiler av påkjenningene, kjører " makeMovies.m " fra vinduet med argumenter (numVars, endstep, flagg).
Merk: Argumentet numVars er definert som 1-3 forskyvninger, 4-6 å være xx, yy og xy belastning komponenter, 7 & 8 er de to viktigste og von Mises belastning og 9 er belastning energi. Argumentet endstop er den siste rammen i filmen.- Angitt flagget valgfrie argumentet 1 å bare lage filmer for angitt for argumentet numVars enhet og 0 å lage filmer modelltre.
8. Fine Tuning og raffinement av resultater
- Hvis DIC sporing ga dårlige resultater som en usammenhengende belastning som faller utenfor kontinuum mekanikk forutsetninger, avgjøre hva som skjer og hvorfor sporing er sviktende. Gjenta punkt 6 særlig vekt justering av sporing parametere. En sekundær alternativ kan være å gå tilbake til endelig element programvare og Opprett en mer ensartet og muligens finere mesh.
- Hvis DIC sporing ga fornuftige resultater, opprette en finere rekke bilder DIC. Bruker de nøkkelbilde referansenumrene fra trinn 4.2 og tilsvarende bildefrekvensen for videoen, identifisere Rammeavstand for tre ulike regimer rundt i brudd test med kravet i tankene at punktene skal flytte mer enn 6 piksler mellom rammer.
Merk: For den første delen av testen når stammene bygge opp langsomt i femur, Rammeavstand være relativt store (for eksempel for 100 mm/s forskyvning ofte, Rammeavstand for denne delen er 3333 μs). For mellomliggende del av testen nærmere til brudd rammen, belastningen øker raskere og mindre Rammeavstand er nødvendig (1667 μs for 100 mm/s forskyvning pris). For den siste delen rett før brudd, Rammeavstand er de minste (16.7 μs på 100 mm/s forskyvning rate). - Valgfritt for dokumentasjon formål: ved hjelp av informasjonen fra trinn 8.2, opprette formaterte data oppføringer i en ASCII-fil med tittelen " steps.txt " som inneholder en rad med data for hver Rammeavstand. Formatet på hver rad blir startdelbildet av at regimet atskilt med antall rammer å hoppe (basert på trinn 8.2) atskilt med kolon deretter det siste bildet av at regimet (dvs. et format av " 1:20:200 " ville be utvinning programvare for å trekke ut ramme 1 rammen 200 i trinn på 20).
- Umiddelbart etter at betegnelse, sette inn en tabulator og angi bilde utvinning antall utvalg (for den " 1:20:200 " eksempel, komplett rad betegnelsen er " 1:20:200 < trykk TAB > 1:11 " uten anførslene). Gjenta for de to andre teste regimer så det blir tre rader med informasjon i den " steps.txt " fil. Denne filen fungerer som en rekord for hvordan bildene var Hentet fra den opprinnelige høyhastighets videoen.
- Kjører mov_Frames.m koden igjen denne gangen angir flere ramme avstand regimer i dialogboksen. Angi ramme og steg størrelser identifisert i trinn 8.2 å avgjøre start, slutt og ramme hoppe parametere enn forventet i verktøyet ' s-dialogboksen. Sørg for å gjøre dette i en ny katalog ellers originalbildene overskrives.
- Gjenta deler 6 og 7, og se gjennom resultatene for forbedring. Hver femur kan kreve forskjellige flere varianter avhengig av brudd hendelsen, speckle mønster og belysning. Når Gjenta trinn 6.5, beholde innstillingene bortsett fra redusere maxMove til 6 (fra 10).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Før speckling prosessen, femur er renset fra overflødig fett og myke vev og den større trochanter er potted i en aluminium cup. Under størkning av polymethylmethacrylate (PMMA), er benet innpakket i en saltvann fuktet klut til å unngå vev tørrhet. Når PMMA er styrket, benet er renset igjen rett før (figur 1). Deretter er bein overflaten sprayet eller børstet med en vannbasert plast hvit farge. Når tørket, er hvite overflaten flekkete med svart farge å ha et Stokastisk mønster av svarte flekker på den hvite bakgrunnen (figur 2). Når bein er plassert i den teste innslag, lys og høyhastighets videokameraer og optimal kontrast i mønsteret og fokus for kameraene sjekkes før testing (Figur 3). DIC metoden krever en høy kontrast prikker mønster og tilstrekkelig belysning. Ellers kan resultatene påvirkes av flere temaer som oversaturation av overflaten, dårlig kontrast og kjedelig bilder (Figur 4). Ukomprimert bilder fra høyhastighets videoer kan pakkes i flere timelige prøvetaking regimer og DIC sporing algoritmen kan styres gjennom grafiske brukergrensesnitt (figur 5). Omrisset av femur prøven brukes til å identifisere områder av interesse for belastning feltet estimering (figur 6A) og etableringen av en endelig element mesh for belastning beregning (figur 6B). Utbruddet av brudd oppdages ved å overvåke graden av belastning avvik under testing, med topper som representerer bone skade og tidsramme for brudd (figur 6C). Til slutt, 2D belastning felt er lagt tilbake på utestet bein bildet for forbedret visualisering (figur 6D).
Figur 1 : Bein forberedelse før maling bein. (A) rengjøring bein fra fett og fuktighet etter blir tint; (B) potting større trochanter; (C) rengjøring før prosessen Klikk her for å se en større versjon av dette tallet.
Figur 2 : Maleprosessen. (A) DIC området og nødvendige verktøy; (B) sprøyting bein med hvit grunning; (C) børsting hvit farge på bein overflaten; (D) prikker svarte flekker på hvit bein overflaten; (E) siste flekkete overflaten av benet klar for testing Klikk her for å se en større versjon av dette tallet.
Figur 3 : Belysning og kamerainnstillinger. (A) sette opp lamper og skjold; (B) sette opp høyhastighets videokameraer; (C) en bein prøve lastet til prøvingen apparat med lys og kamera klar for sjekk og test; (D) ser bildene for funksjonen av kameraer; (E) undersøker området av interesse i femur nakken for fokus soner, dybdeskarpheten, mangel uklarhet, og kvaliteten på bilder for DIC Klikk her for å se en større versjon av dette tallet.
Figur 4 : Bein DIC advarsler. (A) oversaturation på hodet regionen; (B) blanding og flyt av svart og hvitt når hvite overflaten ikke er tørr; (C) dårlig kontrast, lokale oversaturation, dårlig klarheten til bildet Klikk her for å se en større versjon av dette tallet.
Figur 5 : Tilpasset skripting dialoger som ble brukt i DIC behandling. (A) mov_frames.m, (B) rrImageTrackGui.m, (C) generert 2D mesh Klikk her for å se en større versjon av dette tallet.
Figur 6 : Eksempel på middels DIC resultater. (A) spline trukket til å markere region av interesse, (B) generert mesh over bein bilde, (C) belastning avvik som en funksjon av høyhastighets videobilde, (D) beregnet belastning kontur tomten forbundet med 2 test bilder før beinbrudd Klikk her for å se en større versjon av dette tallet.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Vi innført en protokoll for å forberede konsekvent femur prøver Høykontrast imaging under brudd testing som ble så brukt til å beregne hele feltet belastning distribusjoner med DIC. Denne protokollen sikrer riktig kontrast tekstur av svart sporing flekker mot en heldekkende hvit bakgrunn på bein overflaten. Etter denne protokollen replikert vi er estimering av stammer bruker DIC analyse for åttini femora.
DIC er en optisk metode som innebærer å plassere en maske over en rekke bilder tatt av høyhastighets videokameraer og sporing pixel intensitet endringene mellom rammer ved hjelp av et kryss-korrelasjon algoritme. I eksperimentene, vi fant flere hensyn som må tas hensyn til nøyaktighet og robusthet av metoden og disse detaljene vises i detalj presentert protokollen. Først vi syntes sensitivitet og oppløsningen av kameraer er av stor betydning for romlige press målinger av interesse. Andre, en veldig fin tekstur av kontrasterende svarte merker på hvite overflaten bør unngås så de ikke kan være synlig for kameraene. Tredje bør kamera og belysning settes på riktig avstand å sikre optimale blenderåpningen for dybdeskarphet og den kvalitet og kontrast i bildene. Overdreven belysning kan føre til metning i bildene som resulterer i dårlig kontrast. Til slutt, timelige avstanden mellom bilder må angis slik at overflaten flekker ikke flytte mer enn 6 piksler mellom rammer slik at sporing er nøyaktig fanget i kryss-sammenheng.
Som vist i dette arbeidet, har DIC evnen til å gi full feltet tidssekvens press anslag for femur fraktur tester, noe ikke lett oppnådd med belastninger måle eksprementelle teknikker. Selv om belastninger måle målinger har blitt ansatt av en rekke forskere, slike målinger kan bli hindret av utilstrekkelig montering vedheft til overflaten bein, måle condition, og en begrenset romlige fordelingen12,13. Derimot full-feltet belastning data er svært nyttig for validering av QCT/FEA modeller av bein styrke ved å sammenligne belastning felt mellom modell og test, og det har også klinisk anvendelse å korrelere femur fraktur typer med mønster av belastning utvikling på overflaten av femur for høstens fysiologiske laste tilfelle5,9. Mens lampen samsvar kan være et problem når testing veldig stiv femora, omgår DIC problemet ved beregning av cortex stammer direkte fra bein lokale deformasjon dermed eliminere innslag samsvar som feil ved beregning femur stivhet . Resultatene fra disse bilde sammenhenger kan hjelpe i å utvikle bedre QCT/FEA modeller inkludert materiale svikt og beregninger for skader og brudd. Dette kan til slutt hjelpe guide terapi beslutninger spesielt for osteoporotic pasienter.
Metoden har flere ulemper, men. Bein prøveoverflaten må være jevnt belagt med et Stokastisk speckle mønster som har høy kontrast med bakgrunnen. Refleksjoner fra belysning eller store deformasjoner kan noen ganger endre muligheten for algoritmen til å spore mønster nøyaktig fra ramme til ramme (Figur 4). En andre begrensning når enkelt kamera (2D) DIC er ansatt, press beregninger kan påvirkes der bein overflaten flyet avviker fra å være parallell med kameraet bilde sensor fly14. Dette kan skje når femur overflater roterer mot eller under brudd testing. Vi utforsker fremtidige arbeid på dette området å tilføye et andre fotoapparat og utnytte 3D DIC metoder for forbedret nøyaktighet. Inntil nylig slike metoder har vært utilgjengelig i forskning omgivelser men nå blir mer tilgjengelig. En annen begrensning av metoden gjelder for biologisk vev er usikkerhet maling vedheft til femur overflaten. Våre observasjoner, dette var ikke et problem i våre tester, men noen forsinkelse av femur vev og maling vil påvirke resultatene. I tillegg kan noen ikke-benvev igjen under bein forberedelse påvirke cortex press målinger. Endelig er sporing innstillinger og mesh tetthet faktorer som kan påvirke kvaliteten på resultatene fra DIC analyse og må vurderes nøye.
Gjeldende protokollen presenterer en metode for å effektivt og konsekvent forberede femur prøver til digitalt bilde sammenhengen analyse og vurdering av tilsvarende belastning felt fra høyhastighets kamera imaging under brudd testing. Det har blitt demonstrert i vårt laboratorium til konsistens over flere tester tidsrammer og med varierende forskning personell og operatører over en seks års periode. Prosedyren for DIC presenteres her for femur forberedelser og testing kan enkelt utvides til andre bein typer.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har ingen relevante opplysninger.
Acknowledgments
Forfatterne vil gjerne takke materialer og strukturelle Testing kjernen på Mayo Clinic deres teknisk støtte i utfører brudd testing. I tillegg vil vi gjerne takke Ramesh Raghupathy og Ian Gerstel for deres hjelp til å utvikle DIC prosedyrer og spesifikke detaljer om DIC protokollen under sin periode på Mayo Clinic, og Victor Barocas Research Group, University of Minnesota for den underliggende åpen kildekode som utfører kjernen av digital image korrelasjon belastning beregninger11. Denne studien ble økonomisk støttet av Grainger Innovation fondet fra Grainger Foundation.
Materials
| Name | Company | Catalog Number | Comments |
| Krylon plastic primer white | Krylon, Peoria, AZ, USA | N/A | Used as a base coat for a smooth white finish on bone surface |
| Water-based acrylic white and black paint | Plaid Enterprises (Ceramcoat), Norcross, GA, USA | N/A | Paint source for white and black colors |
| Mixing bowl | Not specific (generic) | N/A | Used to mix and prepare paint |
| Foam brush | Linzer Products, Wyandanch, NY, USA | N/A | Used to apply paint on bone surface |
| Toothbrush | Colgate-Palmolive, New York, NY, USA | Firm bristle | Used to apply appropriate size and distribution of speckling pattern |
| Hygenic Orthodontic Resin (PMMA) | Patterson Dental, St Paul, MN, USA | H02252 | Controlled substance and can be purchased with proper approval |
| Kenmore Freezer | Sears Holdings, Hoffman Estates, IL, USA | N/A | Used to maintain a -20oC storage enviroment for bone specimens |
| Physiologic Saline (0.9% Sodium Chloride) | Baxter Healthcare, Deerfield, IL, USA | NDC 0338-0048-04 | Used for keeping specimens hydrated |
| Scalpels and scrapers | Aspen Surgical (Bard-Parker), Caledonia, MI, USA | N/A | Used to remove soft tissue from bone specimens |
| Fume Hood | Hamilton Laboratory Solutions, Manitowoc, WI, USA | 70532 | Used for ventilation when preparing PMMA for potting of specimens |
| Lighting units | ARRI, Munich, Germany | N/A | Needed for illumination of target for image capture |
| High-speed video camera | Photron Inc., San Diego, CA, USA | Photron Fastcam APX-RS | Used to capture the high speed video recordings of the fracture events |
| Photron FASTCAM Imager and Viewer | Photron Inc., San Diego, CA, USA | Ver.3392(x64) | Used to record and view the high speed video recordings |
| Camera lens | Zeiss, Oberkochen, Germany | Zeiss Planar L4/50 ZF Lens | Needed for appropriate image resolution |
| ABAQUS CAE | Dassault Systemès, Waltham, MA, USA | Versions 6.13-4 | Used for defining region of interest and creating finite element mesh |
| MATLAB | Mathworks, Natick, MA, USA | Version 2015b | Used for image processing and DIC analysis |
| TecPlot | TecPlot Inc., Bellevue, WA | Used for post processing of strain fields | |
| Strain Calculator Software | Victor Barocas Research Group, University of Minnesota, Minneapolis, MN, USA | http://license.umn.edu/technologies/20130022_robust-image-correlation-based-strain-calculator-for-tissue-systems | Used to calculate strain field |
| mov_frames.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to downsample uncompressed images from high speed video files |
| convert_imagesize.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to register image pixel coordinates with mesh coordinates |
| rrImageTrackGui.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to perform the image cross-correlation to obtain deformations and run Strain Calculator |
| analyzeFailurePrecursor.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to track the peak strain components temporally |
| makeMovies.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to create portable *.avi movies of the deformation components, strain components, principal strains, von Mises strain, and strain energy |
References
- Peters, W., Ranson, W. Digital imaging techniques in experimental stress analysis. Opt Eng. 21 (3), 213427-213427 (1982).
- Kwon, O., Hanna, R. The Enhanced Digital Image Correlation Technique for Feature Tracking During Drying of Wood. Strain. 46 (6), 566-580 (2010).
- Sutton, M. A., Orteu, J. J., Schreier, H. W. Image Correlation for Shape, Motion and Deformation Measurements. Adv of Opt Methods in Exp Mech. 3, (2009).
- Grassi, L., et al. How accurately can subject-specific finite element models predict strains and strength of human femora? Investigation using full-field measurements. J Biomech. 49 (5), 802-806 (2016).
- Den Buijs, J. O., Dragomir-Daescu, D. Validated finite element models of the proximal femur using two-dimensional projected geometry and bone density. Comput Methods Programs Biomed. 104 (2), 168-174 (2011).
- Keyak, J. H., Rossi, S. A., Jones, K. A., Skinner, H. B. Prediction of femoral fracture load using automated finite element modeling. J Biomech. 31 (2), 125-133 (1998).
- Lotz, J. C., Cheal, E. J., Hayes, W. C. Fracture Prediction for the Proximal Femur Using Finite-Element Models . 1Linear-Analysis. J Biomech Eng-T Asme. 113 (4), 353-360 (1991).
- Cody, D. D., et al. Femoral strength is better predicted by finite element models than QCT and DXA. J Biomech. 32 (10), 1013-1020 (1999).
- Dragomir-Daescu, D., et al. Robust QCT/FEA models of proximal femur stiffness and fracture load during a sideways fall on the hip. Ann Biomed Eng. 39 (2), 742-755 (2011).
- Bettamer, A., Hambli, R., Allaoui, S., Almhdie-Imjabber, A. Using visual image measurements to validate a novel finite element model of crack propagation and fracture patterns of proximal femur. Comput Methods Biomech Biomed Eng Imaging Vis. , 1-12 (2015).
- Raghupathy, R., Barocas, V. Robust Image Correlation Based Strain Calculator for Tissue Systems. , http://license.umn.edu/technologies/20130022_robust-image-correlation-based-strain-calculator-for-tissue-systems (2016).
- Taddei, F., et al. Subject-specific finite element models of long bones: An in vitro evaluation of the overall accuracy. J Biomech. 39 (13), 2457-2467 (2006).
- Grassi, L., et al. Accuracy of finite element predictions in sideways load configurations for the proximal human femur. J Biomech. 45 (2), 394-399 (2012).
- Gerstel, I., Raghupathy, R., Dragomir-Daescu, D. Digital Image Correlation Identifies Quantitative Characteristics in Proximal Femur Fracture Crack. ORS Annual Mtg. , (2012).
