소프트 생체 재료의 높은 변형 속도 기계 응답을 평가하기위한 결합 실험 - 유한 요소 모델링 방법론
2015년 5월 18일
현재의 연구는 생체 재료 소프트 (뇌, 간, 건, 지방 등)의 축 동적 기계적 응답을 얻기 위해 결합 실험 - 유한 요소 시뮬레이션 방법을 규정하고있다. 때문에 표본의 발생 다축 실험 결과는 생체 재료의 유한 요소 해석의 반복 최적화를 통해 시뮬레이션 할 때 단축 진 응력 - 변형 동작으로 렌더링 된 분할 홉 킨슨 압력 바 시험에서 얻은 돌출.
이 절차의 전반적인 목표는 테스트 중인 연성 생체 재료의 단일 축 높은 변형률, 실제 응력 변형률 반응을 얻는 것입니다. 이는 먼저 분할 홉킨슨 압력 막대 또는 SHPB 장치에서 뇌 샘플을 테스트한 다음 실험적 실제 응력 변형 반응으로 재료 모델의 1차원 버전을 보정하여 수행됩니다. 그런 다음 SHPB 설정의 유한 요소 또는 FE 시뮬레이션을 수행하여 샘플의 평균 하중 방향, 응력 및 중심선 응력을 평가합니다.
마지막 단계는 앞서 언급한 결과 간에 양호한 일치를 얻을 때까지 1차원 재료 모델 피팅 및 FE 시뮬레이션 중심선 응력, 3차원 FE 하중 방향, 응력 및 실험적 실제 응력 변형률 응답을 반복적으로 비교하는 것입니다. 궁극적으로, 결합 실험적 유한 요소 방법론은 부드러운 생체 재료에 대한 단축 실제 응력 변형률 반응을 SHPB를 사용하여 얻을 수 있음을 보여주는 데 사용됩니다. 쇼크튜브 테스트와 같은 기존 방법에 비해 이 기술의 주요 장점은 이 기술이 부드러운 생체 재료의 높은 변형률 단축 기계적 반응을 렌더링한다는 것입니다.
이 기술의 의미는 가상 인체 모델링을 통한 외상성 뇌 손상 진단으로 확장됩니다. 현재 방법에서 얻은 데이터는 사람의 머리에 대한 외상으로 인해 발생하는 국소 부상 및 손상을 정확하게 캡처할 수 있기 때문입니다. 우리는 뇌 고 변형률 실험 데이터를 갑상선 및 모델링 결과와 연관시키는 작업을 할 때 이 방법에 대한 아이디어를 처음 가졌으며, 이 절차를 시연하는 것은 수의사 Dr.Jim Cooley, 대학원생, Mr.Soro Patnaik 및 연구원 Mr.Wilburn Wittington이 수의사의 감독하에 뇌와 같은 돼지 장기를 외과적으로 추출하고, 간, 근육, 지방 또는 힘줄.
그런 다음 임시 보관을 위해 인산염 완충 식염수 또는 PBS로 채워진 용기에 넣습니다. PBS 용기를 아이스 쿨러에 보관하고 즉시 테스트 시설로 운반하여 샘플 준비를 하고 Hopkins를 압력 바 또는 SHPB 테스트로 분할합니다. 테스트 시설에 도착하면 PBS 용기에서 돼지 장기를 제거하고 멸균 표면에 놓습니다.
각 테스트 샘플에 대한 기본 섬유 방향과 위치를 식별합니다. 그런 다음 내경이 30mm인 원통형 염료를 사용하여 돼지 기관에서 테스트 샘플을 해부합니다. 다음으로, 골격을 사용하여 돼지 샘플의 SHPB 테스트를 위해 규정된 두께와 종횡비로 샘플을 자릅니다.
두께는 10-15mm이고 종횡비는 33-0.5 포인트입니다. 캘리퍼스를 사용하여 세 개의 다른 위치에서 두께와 직경을 측정합니다. SHPV 테스트를 위해 금속 확장부에 스트라이커 바, 입사 바 및 투과 바를 배치합니다.
막대가 터치로 자유롭게 이동하고 인터페이스가 서로 정렬되어 있는지 확인합니다. 안전을 위해 전송된 바에 스토퍼를 제공하십시오. 스트레인 게이지를 연결하고 입사 및 투과 막대를 신호 증폭기에 부착합니다.
신호 컨디셔닝을 켭니다 ampliifiers와 데이터 수집 모듈 컴퓨터. 그런 다음 고속 데이터 캡처 소프트웨어를 초기화합니다. 신호의 실시간 캡처를 확인하여 신호가 정상 범위 내에 있는지 확인하고 0 아이콘을 클릭하여 노이즈 신호를 무효화합니다.
압력 챔버에 인접한 스트라이커 바를 로드합니다. 질소 탱크의 노즐을 열어 압력 챔버를 원하는 압력으로 구축한 다음 압력 챔버 입구 밸브를 열고 제로 버튼을 눌러 레이저 속도계를 영점화하고 스트라이커 바의 반사경 스트립을 설정하여 스트라이커 바 속도를 읽도록 설정합니다. 레이저 센서 뒤에.
샘플 밀폐 챔버를 투입 및 반사된 바 바의 이동 이동을 방해하지 않도록 배치합니다. 그런 다음 보정을 위해 입사 막대를 전송된 막대와 접촉하도록 놓습니다. Stryker 바의 압력 챔버에 대한 트리거 스위치를 켜서 샘플 없이 테스트를 실행합니다.
보정 후 원통형 샘플을 입사 막대와 투과 막대 사이에 놓고 샘플 밀폐 챔버를 닫습니다. 샘플을 여러 번 로드하고 언로드하는 것을 피하여 샘플에 대해 사전 컨디셔닝이 수행되지 않도록 하고 테스트가 완료된 후 테스트를 수행합니다. 일회용 위생 물티슈를 사용하여 입사 바, 투과 바 및 샘플 밀폐 챔버에서 샘플 파편을 제거합니다.
모든 파편과 물티슈는 생물학적 위험 안전 가방에 넣어 폐기하십시오. 막대와 샘플 감금실을 소독하십시오. 70% 에탄올 세척액과 위생 물티슈를 사용합니다.
막대파에서 Hopkins를 분석하기 위해 MSU 고속 소프트웨어를 엽니다. 설정 창을 검토하고 단축 테스트를 위한 모드 탭에서 인장 압축 옵션을 선택하여 소프트웨어를 시작합니다. 또한 게이지 탭에서 두 개의 게이지를 선택하고 계속을 클릭합니다 메인 창에서 열린 파일 하나 탭을 선택하고 입사 막대의 스트레인 게이지 레코드에서 입사 웨이브 데이터로 이동한 다음 전송된 바 스트레인 게이지 기록을 가져오기 위해 열린 파일 두 탭을 선택합니다.
그런 다음 메인 창에서 매개변수 탭을 선택하고 바 치수, 전압 대 변형률 계수, 스트레인 게이지 위치 및 점탄성 분산 상수를 포함한 테스트 설정의 물리적 매개변수를 입력합니다. 계속을 클릭합니다. 그런 다음 기본 창에서 데이터 선택 탭을 선택하고 커서 막대를 사용하여 데이터 세트를 입사, 반사 및 전송된 파동을 포함하는 데이터의 양으로만 줄입니다.
계속을 클릭합니다. 이 시점에서 메인 창에서 select waves 탭으로 이동하고 커서 막대를 사용하여 입사 파동 그래프, 반사파 및 반사파 그래프, 전송된 파동 및 전송된 파동 그래프에서 입사파를 제한합니다. 그런 다음 계속을 클릭합니다.
그런 다음 기본 창에서 올바른 탭을 선택하여 소프트웨어가 점탄성 분산을 수정할 수 있도록 합니다. 이제 웨이브 그래프의 기본 창에서 shift 탭을 선택합니다. 커서를 사용하여 입사 반사 및 전송된 파동을 동일한 초기 위치로 끕니다.
각각을 개별적으로 선택합니다. 웨이브 선택 탭에서 데이터 그래프의 모든 웨이브를 봅니다. 완료되면 결과 파일에서 계속을 클릭합니다.
하중 배치 위치 및 속도 프로파일을 저장하려면 상용 유한 요소 또는 FE 소프트웨어를 사용하여 Save As(다른 이름으로 저장)를 클릭합니다. SHPB 설정의 FE 모델을 작성합니다. 그런 다음 FE 시뮬레이션을 실행합니다.
실험과 FE 시뮬레이션에서 스트레인 게이지 측정값이 잘 일치하는지 확인합니다. 생체 재료 샘플을 SHPB 설정의 FE 모델에 통합합니다. 내부 상태 변수 재료 모델의 3차원 구현을 생체 재료 샘플에 할당합니다.
내부 상태 가변 재료 모델 매개변수를 조정하여 모델의 실제 응력 변형률 곡선으로 실험의 실제 응력 변형률 곡선을 보정합니다. 그런 다음 SHPB 설정을 위해 FE 모델의 생체 재료 샘플에 내부 상태 변수 재료 상수를 할당합니다. 다음으로, 동일한 변형률에서 SHPB 테스트에 해당하는 Stryker 막대 속도 및 시료 변형률률로 FE 시뮬레이션을 실행합니다.
FE 모델 캘리브레이션의 두 번째 단계에서 FE 시뮬레이션 스트레인 게이지 데이터를 실행합니다. SHPB 실험 후처리 소프트웨어 MSU 고속 소프트웨어. 마지막으로, FE 모델 샘플의 중심선 요소를 따라 하중 방향 응력의 체적 평균을 수행합니다.
결합 방법론의 효율성이 여기에 예시되어 있습니다. 뇌에 대한 SHPV 실험적 응력 변형 반응은 1차원 재료 포인트 시뮬레이터의 응력 상태에 비해 낮은 응력 상태에 있으며, 이는 FE 샘플 중심선 응력 상태 평균과 유사합니다. 이것은 변형의 다축 특성 때문입니다.
여기에 표시된 소프트 BioMAT 전시물은 결합 SHPB 실험 F FE 시뮬레이션 방법론을 통해 얻은 뇌의 대표적인 재료 상수입니다. 가상 유한 요소 해석 스트레인 게이지를 실험용 스트레인 게이지와 비교한 다음 동시에 재료 포인트 시뮬레이터와 FE 중심선 평균을 비교하여 좋은 일치를 달성합니다. 여기서 재료 상수는 두 개 이상이 잘 일치할 때까지 변합니다.
이 그림은 SHPB 실험적 실제 응력 변형률 곡선이 실제로 단축 하중 방향 응력 변형률 거동이 아닌 응력의 첫 번째 불변을 측정한다는 것을 보여줍니다. 따라서 SHPB 실험 결과만 사용하는 것은 일축 거동을 평가하기 위해 FE 유형 모델링과 결합되지 않은 경우 오류가 될 수 있습니다. 이 기술을 숙달하면 제대로 수행하면 12시간 안에 완료할 수 있습니다.
이 절차를 시도하는 동안 실험 e 다축 전략은 테스트 할 때 와이어 재료를 부드럽게합니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
개요
이 연구는 뇌와 간과 같은 연조직 생체재료의 일축 동적 기계적 반응을 결정하기 위한 결합된 실험-유한 요소 시뮬레이션 방법론을 제시합니다. 이 접근법은 분할-호프킨슨 압력 바 시험을 사용하여 다축 실험 결과를 얻고, 이를 유한 요소 분석을 통해 최적화합니다.
주요 연구 구성 요소
과학 분야
- 생체역학
- 재료 과학
- 유한 요소 분석
배경
- 연조직 생체재료는 동적 하중 하에서 복잡한 기계적 거동을 나타냅니다.
- 전통적인 시험 방법은 높은 변형률 반응을 정확하게 포착하지 못할 수 있습니다.
- 유한 요소 시뮬레이션은 재료 거동에 대한 이해를 향상시킬 수 있습니다.
- 분할-호프킨슨 압력 바(SHPB)는 동적 시험을 위한 일반적인 도구입니다.
연구 목적
- 연조직 생체재료의 일축 높은 변형률 실제 응력-변형률 반응을 얻는 것.
- 반복적인 최적화를 통해 재료 모델링의 정확도를 향상시키는 것.
- 결합된 실험 및 시뮬레이션 방법론의 효과를 입증하는 것.
사용된 방법
- 분할-호프킨슨 압력 바(SHPB)를 사용한 뇌 샘플 시험.
- 실험 데이터를 사용한 1차원 재료 모델의 보정.
- 응력 반응을 평가하기 위한 SHPB 설정의 유한 요소 시뮬레이션.
- 최적화를 위한 실험 데이터와 시뮬레이션 결과의 반복적인 비교.
주요 결과
- 이 방법론은 연조직 생체재료의 일축 실제 응력-변형률 반응을 성공적으로 렌더링했습니다.
- 실험 및 시뮬레이션 결과 사이에 좋은 일치가 이루어졌습니다.
- 이 기술은 높은 변형률 반응을 포착하는 데 있어 전통적인 충격 튜브 시험보다 성능이 우수했습니다.
- 생체재료 시험에서 더 넓은 적용 가능성을 입증했습니다.
결론
- 결합된 실험-유한 요소 방법론은 연조직 생체재료에 효과적입니다.
- 이 접근법은 동적 조건에서 재료 거동에 대한 이해를 향상시킵니다.
- 향후 연구는 이 방법론을 다양한 생체재료에 확장할 수 있습니다.
자주 묻는 질문
Executive Industry Relevance
Accurate high strain rate mechanical characterization of soft biomaterials is critical for predictive modeling in trauma research and device safety assessment. This coupled experimental-FE methodology enables de-risking of target validation by providing quantitative, reproducible stress-strain data under physiologically relevant dynamic loading conditions. The approach supports translational biomarker alignment and preclinical model refinement for neurological and musculoskeletal applications.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables mechanistic interrogation of tissue-level response to dynamic forces, supporting target hypothesis testing in neurotrauma and injury pathways.
- Operational Value: Provides standardized, quantitative outputs for comparing biomaterial behavior across disease models or genetic variants.
Screening & Assay Development
- Scientific Value: Generates reproducible, high-fidelity mechanical response curves suitable for assay standardization and cross-laboratory benchmarking.
- Operational Value: Facilitates development of biomechanical readouts for screening compounds or interventions aimed at modulating tissue resilience.
Translational & Preclinical Research
- Scientific Value: Bridges ex vivo testing with in silico human body modeling, enhancing predictive confidence in injury mechanism studies.
- Operational Value: Enables iterative model calibration to improve fidelity of virtual preclinical platforms for trauma and device evaluation.
Pipeline & Workflow Integration
The method integrates into early discovery workflows by providing biomechanical phenotyping data that informs target selection and pathway analysis prior to lead identification.
- Discovery Biology: Supports hypothesis testing related to cellular mechanotransduction and extracellular matrix integrity under dynamic load.
- Screening: Delivers standardized, quantitative stress-strain outputs enabling reliable comparison of biomaterial conditions.
- Analytics: Generates first invariant of stress and centerline stress metrics for quantitative comparison between experimental and simulated conditions.
- Translational Research: Connects experimental biomechanics to finite element human body models for injury prediction and device safety assessment.
- Enterprise Reuse: Establishes a reusable biomechanical characterization platform applicable across multiple soft tissue types and disease areas.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity in tissue response modeling through coupled experimental-simulation validation.
- Operational Value: Ensures reproducibility and standardization of high strain rate testing across laboratories and sample types.
- Strategic Value: Improves go/no-go decisions in trauma-related programs by providing predictive biomechanical data early in discovery.
- Portfolio Impact: Enables risk-adjusted prioritization of targets based on biomechanical de-risking data from physiologically relevant strain rates.
Implementation Considerations
- Expertise in biomechanics, split-Hopkinson pressure bar operation, and finite element modeling.
- Instrumentation including SHPB apparatus, strain gauges, high-speed data acquisition, and FE simulation software.
- Standardization protocols for sample preparation, alignment, and wave signal processing to ensure data consistency.
- Adaptation considerations for varying biomaterial properties (e.g., brain vs. tendon) requiring model recalibration.
- Practical limitations include specimen bulging necessitating invariant-based stress analysis and postmortem tissue viability constraints.
