Load Transfer along Continuous Collagen Fibers Reduces the Importance of Wall Thickness Variations.
Notice bibliographique
Résumé
The mechanical response of biological soft tissues is influenced by wall heterogeneity, including spatial variations in wall thickness. Traditional models for homogeneous soft tissues under uniaxial loading predict higher stretch and stress in thinner regions. In fact, large gradients in stretch and stress are predicted to be induced by spatial variations in wall thickness. In prior studies, the role of collagen fibers in regions of thickness transition has been largely neglected or only considered in terms of their effect on anisotropy. Here, we explore the role of collagen fibers as primary load-bearing components across regions of varying wall thickness, using a three-dimensional representative volume element (RVE) model incorporating explicit collagen fiber architecture and a gradual thickness gradient. We examined two distinct collagen fiber configurations across the thickness transition: one featuring abrupt fiber termination and another with fiber continuity. Finite element analysis (FEA) under uniaxial tension revealed that load transfer by continuous fibers across the specimen markedly reduced the importance of the change in wall thickness, with stretch differentials dropping from ~20% (fiber-termination network) to 0.68% (continuous fibers) and stress differentials dropping from ~65% (fiber-termination network) to 2.3% (continuous fibers). Fiber tortuosity delayed the point at which mechanical response was governed by fiber structure. These findings demonstrate the critical role of fiber continuity in reducing stretch and stress gradients across regions of varying wall thickness and clarify the importance of accurately representing fiber architecture when modeling soft tissues with heterogeneous wall thickness.
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 ».