Mapeando la variabilidad compleja en modelos virtuales intrincados
Johann Guilleminot está ayudando a obtener una visión más precisa y detallada del cerebro para los investigadores que trabajan con estimulación magnética transcraneal. Crédito: Universidad de Duke
Cualquiera que haya visto alguna vez una imagen de un cerebro sabe que no es un simple óvalo liso; es más como una maraña de gusanos gordos. Pero cuando los investigadores buscan predecir y comprender su comportamiento físico y eléctrico, tienen que describir campos en esa forma complicada y, a menudo, usan modelos geométricos simplificados, como una forma elipsoidal, para ese propósito. No es que nunca antes hayan visto un cerebro, es que los giros, vueltas y valles de la superficie de un cerebro complican sustancialmente el modelado de parámetros en él.
Para las simulaciones que involucran geometrías cerebrales, los errores pueden generarse mediante un proceso llamado segmentación, que básicamente asigna píxeles a una materia en particular, como el líquido cefalorraquídeo y la materia gris o blanca. Para los píxeles ubicados en la interfaz física entre estas regiones, la decisión de asignar una etiqueta particular puede generar errores por pequeños contrastes, y estas incertidumbres pueden propagarse en análisis posteriores.
Johann Guilleminot, profesor asistente de ingeniería civil y ambiental ingeniería en la Universidad de Duke, ha desarrollado una técnica para superar estos obstáculos. Y lo está utilizando para ayudar a los investigadores a modelar una amplia gama de objetos, como tensiones dentro de las arterias de un individuo, los efectos de la estimulación magnética transcraneal en un cerebro y las fuerzas que actúan dentro de los dispositivos ortopédicos impresos en 3D implantados quirúrgicamente.
«En la mayoría de los trabajos relacionados con la cuantificación de la incertidumbre, los cerebros suelen aproximarse mediante elipsoides y las arterias a menudo se aproximan mediante cilindros huecos, porque la geometría y los sistemas de coordenadas son más fáciles de manejar en términos de modelado estocástico», dijo Guilleminot. «Pero tan pronto como tratas de dar cuenta de los objetos específicos del paciente del mundo real, las técnicas habituales comienzan a fallar. Estamos brindando a las personas que necesitan modelar estas formas complejas y sus propiedades y comportamientos complejos la capacidad de hacerlo de manera eficiente». sobre la marcha.»
El método de Guilleminot consta de dos partes. El primero genera un modelo virtual complejo de casi cualquier forma deseada y técnicamente opera de la misma manera de objeto a objeto. El segundo toma un conjunto de características específicas de la aplicación, las propiedades en funcionamiento dentro de un implante de pierna de titanio o la rigidez del tejido específico del paciente dentro de una arteria, y las mapea en el modelo 3D.
El resultado no es solo un complejo, modelo virtual realista del objeto en cuestión, sino también una gama de comportamientos que podría exhibir. Al incorporar la variabilidad en los cálculos, los modelos permiten vislumbrar un espectro de respuestas que un objeto podría tener ante ciertas cargas, tensiones y deformaciones, lo que permite una mejor clasificación, diseño y pronóstico.
«Si ejecuta el mismo experimento en 10 implantes de titanio reales, todos procesados en condiciones aparentemente similares, no siempre obtendrá los mismos resultados», dijo Guilleminot. «Obtiene variabilidad, hasta un 20 %, y a veces es una gran diferencia porque puede afectar la durabilidad y el rendimiento de un implante durante los primeros años».
Guilleminot está ayudando a obtener una información más precisa y detallada vista del cerebro para los investigadores que trabajan con estimulación magnética transcraneal (TMS), que aplica campos electromagnéticos desde el exterior de la cabeza para inducir la actividad neuronal. En esta imagen, el azul representa la perturbación geométrica hacia el interior, mientras que el rojo representa la perturbación geométrica hacia el exterior. Al crear estas perturbaciones virtuales en modelos cerebrales y resolverlas, Guilleminot puede aproximar y dar cuenta de los errores creados durante las resonancias magnéticas.
Crédito: Universidad de Duke
Los implantes quirúrgicos ortopédicos a menudo se usan para ayudar a sanar y fortalecer huesos rotos. Los ingenieros están desarrollando formas más complejas que ayudan a que el hueso crezca en el implante y hacen que la unión sea más fuerte, pero la geometría avanzada hace que sea más difícil modelar las tensiones y tensiones en el dispositivo. En esta imagen, los reflejos rojo y azul muestran las fluctuaciones espaciales creadas al tener en cuenta las características geométricas y el proceso de fabricación. Esto no solo ayuda en los aspectos mecánicos y clínicos, sino que también proporciona un circuito de retroalimentación sobre el procesamiento de materiales.
Crédito: Universidad de Duke
Esta imagen muestra el campo promedio de tensiones de Von Mises, una cantidad que generalmente se usa para evaluar fallas. de una estructura dentro de una arteria humana específica. El campo resulta de un acoplamiento entre la geometría, el modelo material y la forma en que se prescriben las fluctuaciones estadísticas en la pared arterial. La investigación eventualmente podría respaldar simulaciones específicas de pacientes para ayudar a los médicos a desarrollar técnicas no invasivas para el diagnóstico temprano e identificar posibles dificultades antes de realizar procedimientos médicos.
Explorar más
Contabilización de la variabilidad en modelos vasculares Proporcionado por la Universidad de Duke Cita: Mapeo de variabilidad compleja en modelos virtuales intrincados (8 de diciembre de 2021) consultado el 29 de agosto de 2022 en https:// medicalxpress.com/news/2021-12-complex-variability-intricate-virtual.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.