Unsupervised full-field Bayesian inference of orthotropic hyperelasticity from a single biaxial test: a myocardial case study
Rogier P. Krijnen, Akshay Joshi, Siddhant Kumar, Mathias Peirlinck
在传统的同质化组织测试中完全捕捉这种行为需要激发多种变形模式,即联合三轴剪切测试和双轴拉伸测试。 本质上,这种多模态实验协议需要多个组织样本和广泛的样本操作。 内在样本间变异和操纵诱导的组织损伤可能对反向识别的组织行为产生不利影响。 在这项工作中,我们的目标是通过将注意力集中在参数估计问题中使用异质变形型材来克服这一差距。 更具体地说,我们调整了EUCLID,一种用于自动发现构图模型的无监督方法,旨在使用贝叶斯推理方法和三维连续体元素对高度非线性正畸构成模型进行参数识别。 我们展示了它的强度,以定量推断,不同的噪音水平,从一个单一的异质双轴拉伸测试中合成心肌组织板的材料模型参数。 这种方法显示了与地面真相模拟的良好一致性,并具有相应的可信度间隔。 我们的工作强调了从单个双轴拉伸测试中表征高度非线性和正畸材料模型的潜力,并具有不确定性量化。
Fully capturing this behavior in traditional homogenized tissue testing requires the excitation of multiple deformation modes, i.e. combined triaxial shear tests and biaxial stretch tests. Inherently, such multimodal experimental protocols necessitate multiple tissue samples and extensive sample manipulations. Intrinsic inter-sample variability and manipulation-induced tissue damage might have an adverse effect on the inversely identified tissue behavior. In this work, we aim to overcome this ga...