Using inverse finite element analysis to identify spinal tissue behaviour in situ.
Using inverse finite element analysis to identify spinal tissue behaviour in situ.
复制标题
DOI：
10.1016/j.ymeth.2020.02.004
复制
发表时间：
2021-01
期刊：
影响因子：
--
通讯作者：
Mengoni M
中科院分区：
文献类型：
--
作者：
Mengoni M
开发了优化工具和有限元求解器之间的通用接口。表现出一系列目标函数的能力。用于识别脊柱材料参数的详细应用。在GPL许可下共享的示例，请访问https://github.com/mengomarlene/opti4Abq。在肌肉骨骼应用的计算建模中，一个关键方面是确保模型能够捕获固有的群体变异性，而不仅仅是代表“平均”个体。考虑到这一点，开发和校准模型是建模方法可信度的关键。这通常需要校准复杂的模型，以便对一系列样本或患者进行3D实验和测量。大多数有限元（FE）软件的核心工具中没有嵌入这样的功能。本文介绍了一个通用的接口之间的有限元（FE）软件和优化工具，使一组有限元模型的实验数据范围内的校准。它是作为Python工具箱提供的，已经在Windows平台上进行了充分的测试和验证。该工具箱在三个案例研究中进行了测试，涉及脊柱组织的体外测试。
Versatile interface between optimisation tools and Finite Element solver developed. Capacity demonstrated for a range of objective functions. Applications detailed for the identification of material parameters in the spine. Toolbox shared under GPL license at https://github.com/mengomarlene/opti4Abq. In computational modelling of musculoskeletal applications, one of the critical aspects is ensuring that a model can capture intrinsic population variability and not only representative of a “mean” individual. Developing and calibrating models with this aspect in mind is key for the credibility of a modelling methodology. This often requires calibration of complex models with respect to 3D experiments and measurements on a range of specimens or patients. Most Finite Element (FE) software’s do not have such a capacity embedded in their core tools. This paper presents a versatile interface between Finite Element (FE) software and optimisation tools, enabling calibration of a group of FE models on a range of experimental data. It is provided as a Python toolbox which has been fully tested and verified on Windows platforms. The toolbox is tested in three case studies involving in vitro testing of spinal tissues.
登录
查看更多内容
影响因子：
4.1
作者：
Murphy, J. G.
通讯作者：
Murphy, J. G.
DOI：
10.1115/1.4005694
发表时间：
2012-01-01
影响因子：
1.7
作者：
Maas, Steve A.;Ellis, Benjamin J.;Weiss, Jeffrey A.
通讯作者：
Weiss, Jeffrey A.
影响因子：
3.9
作者：
Morrison, Tina M.;Pathmanathan, Pras;Margerrison, Edward
通讯作者：
Margerrison, Edward
DOI：
10.3791/54872
发表时间：
2016-12-13
期刊：
Journal of visualized experiments : JoVE
影响因子：
--
作者：
Griffin M;Premakumar Y;Seifalian A;Butler PE;Szarko M
通讯作者：
Szarko M
影响因子：
3.5
作者：
Mengoni M;Kayode O;Sikora SNF;Zapata-Cornelio FY;Gregory DE;Wilcox RK
通讯作者：
Wilcox RK