Phenomenological Muscle Constitutive Model With Actin–Titin Binding for Simulating Active Stretching
Notice bibliographique
Résumé
The force produced by a muscle depends on its contractile history, yet human movement simulations typically employ muscle models that define the force-length relationship from measurements of fiber force during isometric contractions. In these muscle models, the total force-length curve can have a negative slope at fiber lengths greater than the fiber length at which peak isometric force is produced. This region of negative stiffness can cause numerical instability in simulations. Experiments have found that the steady-state force in a muscle fiber following active stretching is greater than the force produced during a purely isometric contraction. This behavior is called residual force enhancement. We present a constitutive model that exhibits force enhancement, implemented as a hyperelastic material in the febio finite element software. There is no consensus on the mechanisms responsible for force enhancement; we adopt the assumption that the passive fiber force depends on the sarcomere length at the instant that the muscle is activated above a threshold. We demonstrate the numerical stability of our model using an eigenvalue analysis and by simulating a muscle whose fibers are of different lengths. We then use a three-dimensional muscle geometry to verify the effect of force enhancement on the development of stress and the distribution of fiber lengths. Our proposed muscle material model is one of the few models available that exhibits force enhancement and is suitable for simulations of active lengthening. We provide our implementation in febio so that others can reproduce and extend our results.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».