仿真软件Abaqus是如何改变生物医学研究的

40 多年来，仿真软件一直是产品设计和工程的主要产品。它仍然是一个实用且强大的工具，允许工程师在不同的应力和应变下尽早对设计进行数字测试。这一切都与效率有关：快速找到潜在的设计问题，以防止下游出现代价高昂或危险的问题，并在此过程中节省时间和金钱。

 

如果研究人员和医疗保健专业人员可以利用工业模拟工具在组织水平上分析患者数据会怎样？使用工程师数十年来验证和优化机动车辆和飞机设计的相同有限元分析 (FEA) 工具，可以将类似水平的安全性、可靠性和效率构建到医疗诊断、设备设计和干预中。

 

扩展生物模型来研究脑外伤

近年来，关于创伤性脑损伤（尤其与运动和交通事故相关）的研究数量有所增加。斯坦福大学的研究人员希望建立一个更准确的基于人工智能的模型，以了解大脑变形如何转化为可能导致持久脑损伤的压力和应变。该模型需要解决大脑的异质性和超软材料构成的问题，这使得物理测试和建模极具挑战性。从历史上看，研究人员依靠各种模型来研究脑损伤，其中一些模型已有近一个世纪的历史。这些模型通常仅适用于特定类型的压力或大脑区域。

 

“我们希望研究人员能够在最少的用户干预下从实验数据到材料建模再到 FEA 模拟，”斯坦福大学前博士后、现代尔夫特理工大学教授 Mathias Peirlinck 解释道，该教授专门研究软组织生物力学、计算心脏生物物理学和机器学习。

 

图 1：用于自动发现各向同性、完全不可压缩、超弹性材料行为的本构人工神经网络。

 

斯坦福大学的研究人员开发了本构人工神经网络 (CANN)，它通过物理和机器学习的集成来利用人工智能来实现自动模型发现。CANN 方法由前斯坦福大学博士后、现任亚琛工业大学教授 Kevin Linka 开发，可自动从 4,000 多个模型中进行选择过程。虽然这种选择以前是基于用户体验和个人偏好，但网络可以自主选择最佳模型、参数和实验来表征软物质系统。

 

图 2：经典本构材料模型形成了无数本构模型的特殊情况（以灰色显示的停用项），这些模型可以使用完整的本构人工神经网络自主发现。

 

“我们挑战传统观念，首先选择一个本构模型，然后将其参数拟合到实验数据，”斯坦福大学机器学习和生命系统专业机械工程教授 Ellen Kuhl 解释道。“我们没有使用经典的现成神经网络，而是通过一组功能构建块对我们自己的网络进行逆向工程，这些构建块在设计上是广泛接受的模型的概括。”

 

机器学习是人工智能的一个子集，专注于构建可以从数据中学习并根据数据做出决策的系统，使计算机能够随着时间的推移提高其在特定任务上的性能，而无需针对该任务进行显式编程。

从历史上看，在斯坦福大学参加材料课程的学生通常面临着陡峭的学习曲线，因为有数十种不同的模型可供选择。CANN 方法通过人工智能检查数据并决定哪个模型最能反映临床或实验数据，从而将用户选择排除在外。“现在，学生们将能够相当快地了解材料科学家在过去五十年里所做的一切，”库尔兴奋地说。

 

人工神经网络是强大的计算模型，可以模仿人脑处理信息的方式，使机器能够根据数据进行学习并做出决策。

 

开源 CANN 系统全面运行后，斯坦福大学团队希望将发现的大脑模型引入 FEA 软件中。导入后，用户可以在 3D 数字环境中模拟无数的压力和应变场景，以进一步扩大对大脑进行为的理解并以虚拟方式进行更多研究。

 

作为 SIMULIA Abaqus 软件的长期用户，Kuhl和 Peirlinck联系了达索系统讨论可能的合作。库尔已经与该公司建立了牢固的关系，因为她是“活心项目”的创始成员。达索系统是否愿意开发一种自动化方式将 CANN 选择的模型导入 Abaqus FEA 软件中？Kuhl 和 Peirlinck 的愿望很快就实现了，并于 2023 年初向 SIMULIA 团队进行了演示。

 

连接到高级仿真

达索系统结构技术总监 Juan Hurtado 参与了 Abaqus FEA 软件中非线性力学和材料建模功能的开发二十多年，出席了此次演讲。“在初次会议几周后，我基本上有了一个关于如何将其与 Abaqus 集成的愿景，并且我提供了通用子程序的初始原型，”他指出。Kuhl 和 Peirlinck 对与达索系统的合作印象深刻且充满热情，并正在进一步发展 Hurtado 的想法。

 

Hurtado 一开始就指出了要面临的无数挑战：CANN 非常适合非常简单的用例，在这种情况下，变形类型是均匀的，但对于非均匀变形呢？如何从选定的模型转向实际的 3D 模拟？如果您正在处理脑组织，您如何模拟受到撞击的大脑？如何模拟完整的心脏模型或动脉？如果您刚刚从 CANN 中发现的模型不能直接在有限元软件的材料库中找到怎么办？

 

“我认为 Abaqus 非常适合集成斯坦福大学发现的模型，因为它具有相当开放且高度可定制的材料建模界面，”Hurtado 解释道。此外，Abaqus 已经可以描述特别适合建模软生物组织的各向异性超弹性材料，这是一种建模极具挑战性的材料类型。

 

各向异性超弹性描述了可以发生大变形并具有方向相关特性的材料。应力-应变关系是非线性的，并且根据所施加的力的方向而变化。

 

Hurtado 和他的开发团队通过开发“通用材料子程序”将斯坦福大学的 CANN 解决方案集成到 Abaqus 中，该子程序现在取代了数十个单独的子程序。从测试数据到本构模型再到有限元分析的整个过程都经过简化，非专家也可以将其用于材料研究。“当然，存在一定的局限性，但与此同时，我们正在讨论材料建模的全新范式，”Hurtado 指出。

 

单一材料子程序定义了特定材料在各种条件下的行为。它将应变转化为应力，并计算材料如何响应不同的载荷、变形或温度，从而能够在现实场景中进行准确的预测。

 

当通用材料子例程导入本构模型并将其转换为 Abaqus 可以理解的模型时，用户可以充分利用 Abaqus 中的其他 FEA 功能（例如来自医学图像、接触、载荷或特定边界条件的个性化几何形状）来分析不仅是大脑，还有心脏、动脉和其他身体组织。事实上，现在任何人都可以分析整个器官系统，同时利用用于对工业产品进行 FEA 研究的相同 Abaqus 功能。

 

图 3：头顶、对角线和正面撞击对人脑的压力分布。

 

“本构人工神经网络的一个优点是它的构建是为了生成遵守物理定律的模型。但最强大的部分是，它可以生成目前不存在的材料模型，但现在已包含在 Abaqus 材料库中，”Hurtado 解释道。“当与通用材料子程序结合使用时，我们可以验证简单变形模式的响应是否正确，然后将其用于更大的大脑三维模型。”

 

从头脑到心灵

斯坦福大学与 SIMULIA 的 Abaqus 产品集成的大脑研究技术现在由 Peirlinck 领导的团队应用于心血管组织。“在我的工程研究和博士学位期间、在斯坦福大学的博士后期间以及现在在代尔夫特理工大学我自己的研究小组中，我与 Abaqus 进行了很多合作，”他解释道。

 

根据佩林克的说法，最合乎逻辑的举动是将这项工作扩展到心脏，从材料的角度来看，心脏甚至比大脑更复杂。Peirlinck 认为，计算心脏模型已经到了可以通过改进诊断、治疗计划和医疗设备设计来真正有益于患者和医生的医疗保健的地步。Peirlinck 说：“在心血管组织上使用这些方法，然后立即将其转化为生物医学模拟，这是一个令人兴奋的机会。” 与大脑一样，开发心脏模型或人体器官数字双胞胎的第一步是选择最能描述组织的材料模型。这些数据因患者、年轻者和老年人、健康者和患病者的不同而不同。

 

图 4：新发现的构成材料模型预测的人类主动脉弓的舒张期和收缩期应力和拉伸。

 

在与 Abaqus 团队合作之前，如果材料库中不存在发现的模型，Peirlinck 必须编写自己的代码。在与 Hurtado 和 Abaqus 开发团队合作后，Universal Material Subroutine 保证了 CANN 发现的每个模型都可以无缝地实现到 Abaqus 中。

 

“Abaqus 在引入最新的本构模型方面始终做得很好。然而，现在我们不受材料库的限制，因为您基本上可以使用您发现的任何新模型，然后自动将其集成到您的 FEA 管道中，”Peirlinck 兴奋地说。“我认为这将使有限元分析的使用更加民主化，让像我们的医疗合作者这样经验不足的人能够使用。”

 

本构模型描述了材料中应力和应变之间的关系，这对于理解和预测材料在不同载荷条件下的行为至关重要，即材料如何响应施加的力（应力）而变形（应变）。

 

通过利用这种新方法，用户可以对他们能想到的任何东西进行建模，甚至是泡沫、水凝胶或任何其他类型的软物质。“我们体内有很多组织。有肝脏，有软骨，有肌腱，有肌肉。所有这些都有自己特定的行为，”Peirlinck 解释道。“作为工程师，我们需要做的关键事情是获得一个准确的模型来预测和概括我们尚未见过的事物。我们现在可以在有限元分析中虚拟测试所有这些材料、组织和物质。” Peirlinck 期待这些创新如何让研究人员对生物组织有更清晰的了解，从而帮助改善人类医疗保健。

 

发现医疗保健更美好的未来

通过与达索系统的合作，斯坦福大学已经取得了多个成功案例，包括：

l发现了一种新的大脑模型，比以前的任何模型都能更好地描述人类灰质和白质组织。

l一群完全没有接受过 Abaqus 培训的学生发现了有史以来第一个人造肉材料模型。

l超过 50,000 个可发现的材料模型自动转换为 Abaqus 输入文件，形成与新的通用材料子例程的接口，该子例程将取代数十个单独的材料子例程并包含数千个新模型。

 

“我们一直在与临床医生讨论我们的工作，因为我们不断将我们的模型转化为临床情况，”佩尔林克说。“我们正在与世界各地的创新者合作构建个性化模型。例如，在未来，我们可以设想建立一个基于物理的定量心脏模型，该模型可以实时计算治疗瓣膜泄漏的最佳设备。更多数据有助于做出更好的临床决策，这将转化为更好的患者治疗结果。”

 

Peirlinck 强调，我们的目标不是接管临床医生的角色，而是提供额外的数据来帮助临床医生获得更多见解，从而做出更明智的决策。“至少在过去十年里，我们一直在构建和改进这些模型，试图越来越接近生物学和生物物理现实。现在，通过自动化模型发现，更多的人可以参与这项研究和开发。这就是为什么这种自动化很重要。”Peirlinck 补充道。

 

Kuhl 总结道：“二十多年来，Abaqus 一直在工业界和学术界推动材料建模的前沿发展。我们非常高兴能与 Juan Hurtado 和他的团队合作，将其与机器学习相结合，并将材料建模提升到一个全新的水平。”