XiaoMi-AI文件搜索系统
World File Search System变形模式
崩溃的行为评估和基于人工神经网络的马尾启发的三明治管的多目标优化
由于其特定的强度和海洋功能，薄壁结构越来越多地使用自动动机，以减少易受伤害的道路使用者（VRU），运输和航空航天工业的致命和严重伤害[1-5]。先前的分析[2，6，7]，实验[8-10]和计算研究[3,11,12]的结果使恶魔散布在能量吸收和崩溃的结果取决于许多结构和材料参数，包括金属类型，织物/基质类型，制造技术，结构几何，结构性的几何形状，维度和载荷条件[13-15]。由于其出色的机械特性，铝已经被许多作者研究了前几年[16，17]。今天，尽管复合材料和聚合物材料可用于能量吸收应用，但铝仍用于制造能量吸收。基于其延展性特征，轴向载荷下的铝管通过产生琴弦和DIA MOND变形模式通过多种塑性变形机制分散动能[18]。此外，在最近的Deca des中，管道几何形状的影响（即圆形，三角形，正方形和矩形）在薄壁吸收的响应上已得到广泛研究。
利用 ALOS/PALSAR 影像监测滑坡变形
本研究的目的是提出一种以地形学为指导的方法来解释由差分干涉合成孔径雷达 (D-InSAR) 创建的 L 波段 ALOS/PALSAR 干涉图。干涉图用于估计两个快速大型滑坡（法国东南部的 Poche、La Valette）的变形模式。包裹和展开的相位值用于解释不同的运动类型（旋转、平移和复杂滑动）和两个范围的表面位移率。检测到两个滑坡的运动子单元，并确定受扩大或退化影响的区域。InSAR 得出的位移率与地面测量值以及 C 波段和 X 波段卫星 SAR 传感器的位移远程估计值一致。结果证明了 L 波段 ALOS/PALSAR 图像在监测土壤表面状态发生重大变化并被植被覆盖的活跃滑坡方面的潜力。 © 2014 Elsevier BV 保留所有权利。
评估流动分流的脑动脉瘤治疗
摘要背景多个研究和荟萃分析描述了用流动分流（FDS）治疗的大量动脉瘤患者的技术和临床结果。评估方法的变化使研究之间的比较复杂化，阻碍了对设备行为的理解，并在评估FD治疗进一步进步的评估中构成了障碍。方法是神经干预主义者，成像专家和神经放射学家的多学科小组，其目的是建立共识建议，以在FD研究中对图像分析进行标准化。结果提出了标准化方法，用于评估和报告颅内动脉瘤的FD治疗的放射学结果。建议包括临床研究的一般成像考虑以及对纵向变化的评估，例如新内膜衬里和狭窄。它们涵盖了动脉瘤位置，形态，测量值以及动脉瘤遮挡，壁画和颈部覆盖范围的标准。这些报告标准进一步定义了四种特定的辫子变形模式：概要，钓鱼，编织凸起的凸起变形和辫子崩溃，共同称为“ F2B2”。结论在应用广泛应用时，测量和报告结果的标准化将有助于协调临床研究中治疗结果的评估，有助于促进专家之间的结果交流，并帮助使研究和发展专注于FD技术和技术的特定方面。
增材制造薄壁金属晶格的破碎：双尺度应变局部化分析
建筑结构的响应以多尺度运动学为特征，其复杂关系及其对工程荷载响应的影响仍未完全了解，因此需要进一步研究。更确切地说，缺乏能够提供多尺度数据的实验方法仍然是一个关键问题。本文介绍了对定向能量沉积制造的薄壁拉胀金属晶格进行的压溃试验的实验和数值分析。这项工作重点关注发生在 (a) 晶胞微观尺度和 (b) 对应于均质连续体的宏观尺度上的两尺度应变局部化。感兴趣的结构被定义为 2D 拉胀线框的挤压，并允许应用专门用于识别两个考虑尺度上的运动学的改进的数字图像相关方案。具体而言，通过跟踪晶格交叉的变形来研究微观运动学，而从虚拟晶胞角的运动推导出宏观应变。结果表明，晶格的整体弹塑性响应完全由特定位置的塑性铰链形成所驱动，从而导致特征变形模式，并最终导致相邻晶胞的集体行为。配套有限元计算与实验结果非常吻合，因此能够评估建模假设、晶胞几何形状、应变率和几何缺陷对建筑材料整体响应的影响。
具有新型TPM的核心的三明治结构的定义，制造和压缩测试
摘要：Triply周期性最小表面（TPMS）构成了一种超材料，从其微观结构拓扑中得出了其独特的特征。它们表现出广泛的参数化可能性，但很难预测它们的行为。本研究的重点是使用一种隐式建模方法，该方法可以有效地产生新型的薄壁超材料，提出了八个基于壳的TPMS拓扑结构和一个随机结构，以及甲状腺作为参考。洞悉提出样品的可打印性和设计参数后，进行了细胞同质性分析，表明每个细胞结构的各向异性水平。对于每个设计的超材料，使用立体光刻（SLA）方法打印了多个样品，使用恒定的0.3相对密度和50 µm分辨率打印。为了理解其行为，进行了三明治样本的压缩测试，并确定了特定的变形模式。此外，该研究还使用开放的细胞数学模型估算了不同相对密度下新型TPMS核心的一般机械行为。统一拓扑的改变，并提出这些修改影响压缩响应的方式。因此，本文表明，隐式建模方法可以轻松生成新型的薄壁TPMS和随机结构，从而识别具有卓越特性的人为设计的结构，即辅助拓扑，例如某些甲状腺。
使用微血管固定平台的新生血管生成形态发生和异质性中周细胞诱导的动力学的时空分析
摘要：由于它们在控制培养条件下对培养条件的卓越控制并与体内模型相比，由于它们在控制培养条件下的卓越控制并实现了实时观察，因此体外微血管模型的最新出现增强了组织工程中血管生成和血管形成的研究。然而，常规的二维（2D）观察和分析无法捕获三维（3D）形态动力学的异质性。为了克服这个问题，在本文中提出了一种新型的形态登记方法，用于通过将工程微血管的共聚焦显微镜与计算机视觉技术相结合，用于血管生成变形动力学的时空定量。使用微血管和周细胞的共培养系统，时空测量结果揭示了：（i）亲本血管和血管生成芽的不同变形模式以及生长/回归分区； （ii）周期定位和覆盖范围的时空变化； （iii）周细胞微使接触接触对局部缺口信号激活的增强作用，基质金属蛋白酶-1（MMP-1）的分布，血管生成动力学的异质性和形态成熟。该试验系统在血管生成过程中提供了共培养细胞的综合作用的特征，并在未来的有关血管形态发生的研究中实现了多模式数据的互动融合。
已发表版本的引文 (APA)：Ahmed, A., UlHaq, MU, Mustansar, Z., Shaukat, A., & Margetts, L. (2021)。肿瘤生长如何影响颅内
大脑是控制和协调的执行器。当颅骨出现病变时，可能会对大脑生理产生退化、变形和不稳定的影响。然而，其主要后果可能因人而异。在这种情况下，肿瘤是一种特殊的病理，它会使脑实质永久变形。从转化角度来看，变形力学和压力，特别是肿瘤所致大脑的颅内脑压 (ICP)，在文献中尚未得到全面解决。这是神经病变预后中一个重要的研究领域。为了解决这个问题，我们旨在在本研究中解决肿瘤脑中的压力之谜，并提出一种相当可行的方法。使用基于图像的有限元建模，我们重建了肿瘤脑并探测由此产生的变形和压力 (ICP)。肿瘤是通过将体素区域均匀扩大 16 和 30 毫米来生长的。总共研究了三个病例，包括肿瘤的现有阶段。还提供了由于脑室区域内流动而产生的脑脊液压力，以使模型在解剖学上逼真。对获得的结果进行比较，明确表明，随着肿瘤区域的面积和尺寸增加，变形模式发生了广泛变化并扩散到整个脑体积，肿瘤附近的集中度更高。其次，我们得出结论，颅骨内的 ICP 压力确实大幅增加；然而，它们仍然低于
高强度的低周期疲劳行为42CRMO4钢在淬火和回火条件下
本研究旨在研究在淬火和回火条件下42CRMO4钢的微结构特征，环状轴向行为和应变反应。42CRMO4钢以杆状形式制备，并进行淬火和回火。进一步进行了微观结构分析，以确保所有方向的晶粒尺寸和分布均匀。此外，还进行了拉伸测试，以确定材料的最终应力和平均屈服强度分别为1113.182 MPa和736.634 MPa。还以0.35％，0.50％，0.65％，0.80％，0.95％和1.10％的应变幅度进行低周期疲劳测试。结果表明，所有指定的应变幅度均表现出循环应激软化。应变控制的疲劳测试进一步表明，合金在前几个周期后经历了循环软化，直到失败。以较高的应变幅度增加了以软化比（SR）为特征的软化程度，稳定在0.58％至1.10％之间。磁滞回路的形状通常是对称的，这归因于滑移变形模式。这种42CRMO4钢易受相对于应变振幅和负载方向的动态应变老化的影响。使用Coffinmanson方程和塑性应变能量密度方程式，在中年确定的应变控制的轴向疲劳特性与良好的生活预测相关。因此，研究观察到，使用SEM的分子分析表明，在单调和循环载荷下，在42CRMO4钢上进行了多个裂纹启动，其特征是同时滑移出现。
由激光粉末床融合制造的NITI梯度晶格结构的压缩机械性能和形状记忆效应
重量轻，出色的冲击力和能量吸收性能的晶格结构的抽象激光添加剂制造（AM）在航空航天，运输和机械设备应用程序领域中引起了极大的关注。在这项研究中，我们使用拓扑优化方法设计了四个梯度晶格结构（GLS），包括单向GL，双向增加GL，双向降低GL和无GLS。所有GLS均通过激光粉末床融合（LPBF）生产。进行了单轴压缩测试和有限元分析，以研究梯度分布特征对变形模式和GLS的能量吸收性能的影响。结果表明，与45°无GLS的剪切裂缝特征相比，单向GL，双向增加GL和双向降低的GLS具有逐层骨折的特征，显示出相当大的提高能量吸收能力。双向增加的GL表现出剪切裂缝和按层裂缝的独特组合，分别具有最佳的能量吸收性能，可分别在0.5菌株时具有235.6 J和9.5 J g-1的特异性能量吸收。结合NITI合金的形状记忆效应，进行了多个压缩加热恢复实验，以验证LPBF所处理的NITI GLS的形状存储器函数。这些发现对GLS的未来设计具有潜在的价值，并通过激光AM实现NITI组件的形状记忆功能。
建模3D心脏收缩和用点云变形网络放松
摘要 - 通常在临床实践中使用的心脏功能的全球单值生物标志物，例如射血分数，提供了对真实3D心脏变形过程的有限见解，因此限制了对健康和病理心脏力学的理解。在这项工作中，我们提出了点云变形网络（PCD-NET），作为一种新型的几何深度学习方法，用于模型3D心脏收缩和心脏周期的极端之间的放松。它在基于点云的深度学习中采用了最新的进步，成为编码器解码器的编码器结构，以实现有效的多尺度特征学习，直接在心脏解剖的多级3D点云表示上。我们在英国生物银行研究的10,000多个案例的大数据集上评估了我们的方法，并在基本图像获取的像素分辨率下方的预测和地面真相解剖结构之间找到平均的倒角差异。此外，我们观察到了预测和地面真理人群之间的类似临床指标，并表明PCD-NET可以成功捕获正常受试者和肌肉拨动梗塞（MI）患者之间的亚群特异性差异。然后，我们证明，在接收器操作特征曲线下，学到的3D变形模式在接收器操作特征曲线下，在Harrell的一致性INDEX进行MI生存分析方面，在接收器操作特征曲线下的面积优于13％和7％。