Mechanical characterization of arterial wall: should cruciform or square sample be used in biaxial testing?
Notice bibliographique
Résumé
Background: The elastic behavior of arteries is nonlinear when subjected to large deformations. In order to measure their anisotropic behavior, planar biaxial tests are often used. Typically, hooks are attached along the borders of a square sample of arterial tissue. Cruciform samples clamped with grips can also be used. The current debate on the effect of different biaxial test boundary conditions revolves around the uniformity of the stress distribution in the center of the specimen. Uniaxial tests are also commonly used due to simplicity of data analysis, but their capability to fully describe the in vivo behavior of a tissue remains to be proven. In this study, we demonstrate the use of inverse modeling to fit the material properties by taking into account the non-uniform stress distribution, and discuss the differences between the three types of tests. Methods: Square and cruciform samples were dissected from pig aortas and tested equi-biaxially. Rectangular samples were used in uniaxial testing, as well. On the square samples, forces where applied on each side with hooks, and strains where measured in the center using optical tracking of ink dots. On the cruciform and rectangular samples, displacements were applied on grip clamps and forces were measured on the clamps. Each type of experiment was simulated with the finite element method. Mooney-Rivlin and Ogden constitutive models were adjusted with an optimization algorithm so that the simulation predictions fitted the experimental results. Results: Higher stretch ratios (> 1.5) were reached in the cruciform and rectangular samples than in the square samples before failure. Therefore, the nonlinear behavior of the tissue at large deformations was better captured by the cruciform biaxial test and the uniaxial test, than by the square biaxial test. Uniaxial and biaxial behaviors were more consistent when predicted by the Mooney-Rivlin than by the Ogden model. Conclusion: Advantages of cruciform samples over square samples include: 1) higher deformation range; 2) simpler data acquisiton and 3) easier attachment of sample. However, the nonuniform stress distribution in cruciform samples requires the use of inverse modeling adjustment of constitutive model parameters.
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 ».