Resumen

El objetivo de este estudio es la utilización de imágenes de TC médicas humanas para evaluar cuantitativamente dos tipos de algoritmos de materiales "basados en errores", es decir, los algoritmos isotrópicos y ortotrópicos, para la remodelación ósea. Las simulaciones de remodelación ósea se implementaron mediante una combinación del método de elementos finitos (FE) y los algoritmos de materiales, en los que las propiedades del material óseo y los ejes de los elementos se determinan tanto por las amplitudes de carga como por los ciclos diarios con diferente factor de peso. Los resultados de la simulación mostraron que ambos algoritmos produjeron una distribución realista de la cantidad de hueso, cuando se comparó con el estándar de los datos de la TC. Además, las relaciones L-T simuladas (la relación entre el módulo de longitud y el módulo transversal) por el algoritmo ortotrópico se acercaban a los resultados comunicados. Este estudio sugiere un papel para el algoritmo "impulsado por el error" en la predicción del material óseo en un entorno mecánico anormal y es prometedor para optimizar el diseño de implantes, así como para desarrollar contramedidas contra la pérdida de hueso debido a la ingravidez. Además, los métodos cuantificados utilizados en este estudio pueden mejorar el modelo de remodelación ósea mediante la optimización de los parámetros del modelo para reducir la discrepancia entre la simulación y los datos reales.

• Materias:Ingeniería biomédica Biomecánica Robots Antropometría
• Subjects:Biomedical engineering Biomechanics Robot Anthropometry
• Palabras claves:algoritmo de material, algoritmo ortotrópico, diferentes factores de peso, imagen de TAC médica, propiedad de material óseo, TAC médica humana, relación de longitud, estudio, entorno mecánico anormal, predicción de material óseo
• Keywords:material algorithm, orthotropic algorithm, different weight factors, medical ct image, bone material property, human medical ct, ratio of longitude, study, abnormal mechanical environment, bone material prediction