آمار
| تعداد نشریات | 4 |
| تعداد شماره‌ها | 75 |
| تعداد مقالات | 991 |
| تعداد مشاهده مقاله | 889,988 |
| تعداد دریافت فایل اصل مقاله | 685,921 |
بهینه‌سازی ضرایب مدل ساختاری هایپرالاستیک بافت نرم با استفاده از الگوریتم رقابت استعماری و داده‌های تجربی | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| مقالات آماده انتشار، پذیرفته شده ، انتشار آنلاین از تاریخ 18 آبان 1395 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2016.723 | ||
| نویسندگان | ||
علی امارلو1؛ میلاد کشاورز1؛ افسانه مجری  2
| ||
| 1دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده مهندسی مکانیک | ||
| 2خواجه نصیر*مهندسی مکانیک | ||
| چکیده | ||
| در این مطالعه، هدف شناسایی مدل ساختاری بافت نرم می‌باشد. به این منظور از یک دستگاه رباتیک مجهز به حس‌گر لامسه‌ای برای اعمال نیرو به بافت نرم استفاده شده است. بافت سینه‌ی فرد توسط دستگاه مورد معاینه قرار گرفته است و خروجی تنش و کرنش در طی دو مرحله‌ی بارگذاری و باربرداری استخراج شده است. مجموعه‌ی داده‌های دقیق تجربی برای تولید مدل ساختاری از رفتار هایپرالاستیک بافت مورد استفاده قرار می‌گیرد. هشت مدل ساختاری هایپرالاستیک برای تطبیق با داده‌های تجربی تنش-کرنش بافت نرم معرفی گردیده است. به منظور محاسبه‌ی بهینه‌ی پارامترهای مدل‌ها و همچنین انتخاب مدل بهینه، یک تابع هدف تعریف شده است که اختلاف میان داده‌های تجربی و مدل-سازی می‌باشد. برای کمینه کردن مقدار تابع هدف از یک الگوریتم بهینه‌سازی قدرتمند به نام الگوریتم رقابت استعماری استفاده شده است. مدل ساختاری بدست آمده یک مدل قابل اعتماد و دارای کمترین تفاوت نسبت به رفتار طبیعی بافت است. نوآوری پژوهش حاضر در بدست آوردن یک مدل ریاضی واقعی دارای دقت بالا از بافت نرم با استفاده از داده‌های تجربی می‌باشد. از این مدل می‌توان برای پیش‌بینی رفتار مکانیکی بافت تحت معاینه‌ی پزشک و طراحی شبیه‌ساز جراحی بافت سینه برای کمک و آموزش به جراحان استفاده نمود. از دیگر برتری‌های مهم مدل تولید شده این است که با دسته‌بندی پارامترهای بدست آمده از نمونه‌های بیمار و سالم، می‌توان محدوده‌ای مخصوص به پارامترهای بافت سالم و همچنین بافت بیمار بدست آورد. این امر کمک مؤثری در راستای تشخیص بیماری بدون استفاده از تکنیک‌های تصویربرداری و یا نمونه‌برداری از بافت است. | ||
| کلیدواژه ها | ||
| بافت نرم؛ بهینه‌سازی؛ الگوریتم رقابت استعماری؛ مدل ساختاری هایپرالاستیک؛ حس لامسه‌ی مصنوعی | ||
| عنوان مقاله [English] | ||
| Optimization of Hyperelastic Constitutive Model Coefficients for Soft Tissue by Imperialistic Competitive Algorithm Based on Experimental Data | ||
| نویسندگان [English] | ||
| Ali Amarloo, Milad Keshavarz | ||
| چکیده [English] | ||
| The main target of this study is identification of the constitutive model of a soft tissue. For such a purpose a robotic tactile device (Robo-Tac-BMI) was used for breast tissue examinations and stress versus strain was collected for every test point during loading and unloading processes. Utilizing accurate experimental dataset for mechanical modeling of the tissue in conjunction with an optimization algorithm provides a reliable constitutive model of tissue’s mechanical behavior. Eight major hyperelastic models were adapted to the stress-strain data to find the most compatible constitutive equation applicable to the soft tissue mechanical behavior. For this purpose, a new optimization algorithm called Imperialist Competitive Algorithm (ICA) which is based on social and political strategy was used. The novelty of the present study is producing a realistic mathematical model with high accuracy of the soft tissue based on experimental data. The achieved hyperelastic model can be used for prediction of mechanical behavior of the breast tissue in surgery simulation for assistance and educational purposes. Other application of this model is clustering of healthy and cancerous tissue which facilitates the surgeon’s task in the diagnosis procedure. This application also makes the diagnosis procedure almost independent of using imaging techniques or performing biopsies. This model is useful in distinguishing cases where the soft tissue has altered from normal situation like tumors and cancer attacks. | ||
| کلیدواژه ها [English] | ||
| Soft tissue, Optimization, Imperialistic Competition Algorithm, Hyperelastic Constitutive Model, Artificial Tactile Sensing | ||
|
آمار تعداد مشاهده مقاله: 416 |
||
