耶鲁陆路团队Small Methods：通过物理信息神经网络识别生物组织的异质微观力学特性

文章预览

生物组织的异质微观力学特性在医学到工程的多个领域都 有着深远的意义。然而，由于局部应力场难以估算，导致使用传统工程技术识别柔软材料的全场异质弹性属性充满挑战。   近期， 用数据驱动模型分析全场动力响应得到了很多关注，比如用实验和模拟数据来了解位移和形变的情况   。不过，一个更为困难的问题，即对全场弹性材料的属性推断的研究还很稀缺，特别是那些大变形、超弹性软 组织 。因此，这篇文章采用物理信息机器学习的方法来识别大变形的非线性超弹性 生物组织 的弹性图，此研究具有重要的科学研究意义和医学应用价值。文中报告了 物理信息神经网络在计算如 人脑、三尖瓣和乳腺癌微观组织等复杂结构的软 组织 异质弹性图的 预测准确率和计算效率。 耶鲁 陆路 团队联合费城儿童医院团队引入了一种物理信息机器学习 ………………………………