多体模型

用于预测撞击载荷后人脑变形空间分布的多体模型

随着对脑震荡损伤的长期后果的关注日益增加，人们开始重视开发能够准确预测大脑对冲击负荷的机械响应的工具。虽然有限元模型 (FEM) 可以估计动态负荷下的大脑响应，但这些模型无法快速（几秒内）估计大脑的机械响应。在本研究中，我们开发了一个多体弹簧质量阻尼器模型，该模型可以估计大脑对围绕一个解剖轴或同时在三个正交轴上施加的旋转加速度的区域运动。总的来说，我们估计了 50% 人类大脑内 120 个位置的变形。我们发现多体模型 (MBM) 与计算的有限元响应相关，但不能精确预测（平均相对误差：18.4 6 13.1%）。我们使用机器学习 (ML) 将 MBM 的预测与负载运动学（峰值旋转加速度、峰值旋转速度）相结合，并显著减少 MBM 和 FEM 之间的差异（平均相对误差：9.8 6 7.7 %）。使用独立的运动损伤测试集，我们发现混合 ML 模型也与 FEM 的预测有很好的相关性（平均相对误差：16.4 6 10.2 %）。最后，我们使用这种混合 MBM-ML 方法来预测出现在大脑不同位置的应变，对于复杂的多轴加速度负载，平均相对误差估计范围为 8.6 % 到 25.2 %。总之，这些结果展示出一种快速且相当准确的方法，用于预测大脑对单平面和多平面输入的机械响应，并提供一种新工具来快速评估整个大脑撞击负载的后果。 [DOI: 10.1115/1.4046866]