非均质超弹性识别的虚拟场方法（VFM）的FEniCS实现
摘要：通过识别人体组织中材料性质分布的非均匀性，对不同的临床和医疗应用具有重要意义。这导致了在弹性学中需要解决反问题的要求。虚拟场方法（VFM）是一种相对较新的反问题方法，与基于优化的方法相比具有卓越的计算效率。在本研究中，我们旨在利用VFM方法识别非均匀的超弹性材料性质。我们提出了两种新算法，RE-VFM和NO-VFM。在RE-VFM方法中，将固体划分为不同的区域，确定每个区域的弹性性质。在NO-VFM方法中，通过反问题完全重构弹性性质的分布，而无需划分固体。由于VFM方法需要使用虚拟场，我们提出了一种有效的构造方法，并在FEniCS软件包中实现了该方法。我们在几个示例中验证了提出的方法，包括双层结构、骨板（LC）模型和嵌有球形包含物的立方体模型。数值示例说明了RE-VFM和NO-VFM方法的可行性。值得注意的是，在仅5次迭代中，可以准确恢复出杨氏模量分布的空间变化。所得结果揭示了所提方法在未来临床应用中的潜力，例如评估与青光眼相关的视觉损失风险和检测肿瘤。
作者：Jianwei Deng, Xu Guo, Yue Mei, Stephane Avril (SAINBIOSE-ENSMSE)
论文ID：2211.01626
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2022-11-04