Nondestructive Assessment of Growing Rat Tibial Mechanical Properties Under Three-Point Bending: A Microcomputed Tomography Based Finite Element Study
Notice bibliographique
Résumé
Microcomputed tomography (micro-CT) based finite element models (FEM) are efficient tools to assess bone mechanical properties. Although they have been developed for different animal models, there is still a lack of data for growing rat long bone models. This study aimed at developing and calibrating voxel-based FEMs using micro-CT scans and experimental data. Twenty-four tibiae were extracted from rats aged 28, 56, and 84 days old (d.o.) (n = 8/group), and their stiffness values were evaluated using three-point bending tests. Prior to testing, tibiae were scanned, reconstructed, and converted into FEM composed of heterogeneous bone properties based on pixel grayscales. Three element material laws (one per group) were calibrated using back-calculation process based on experimental bending data. Two additional specimens per group were used for model verification. The calibrated rigidity-density (E-ρ) relationships were different for each group: E28 = 10,320·ρash3.45; E56 = 43,620·ρash4.41; E84 = 20,090·ρash2.0. Obtained correlations between experimental and FEM stiffness values were 0.43, 0.10, and 0.66 with root-mean-square error (RMSE) of 14.4%, 17.4%, and 15.2% for 28, 56, and 84 d.o. groups, respectively. Prediction errors were less than 13.5% for 28 and 84 d.o. groups but reached 57.1% for the 56 d.o. group. Relationships between bone physical and mechanical properties were found to change during the growth, similarly to bending stiffness values, which increased with bone development. The reduced correlation observed for the 56 d.o. group may be related to the pubescent transition at that age group. These FE models will be useful for investigation of bone behavior in growing rats.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».