論文の概要: Unsupervised full-field Bayesian inference of orthotropic hyperelasticity from a single biaxial test: a myocardial case study

• arxiv url: http://arxiv.org/abs/2510.09498v1
• Date: Fri, 10 Oct 2025 15:59:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:49.329848
• Title: Unsupervised full-field Bayesian inference of orthotropic hyperelasticity from a single biaxial test: a myocardial case study
• Title（参考訳）: 単軸試験による全野ベイズ解析によるオルソトロピックな超弾性の予測 : 心筋症例による検討
• Authors: Rogier P. Krijnen, Akshay Joshi, Siddhant Kumar, Mathias Peirlinck,
• Abstract要約: 内在的なサンプル間の変動と操作によって引き起こされる組織損傷は、逆同定された組織の挙動に悪影響を及ぼす可能性がある。 パラメータ推定問題における異種変形プロファイルの利用に着目した。 本研究は, 単軸ストレッチ試験による高非線形, オルソトロピック材料モデルのキャラクタリゼーションの可能性を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fully capturing this behavior in traditional homogenized tissue testing requires the excitation of multiple deformation modes, i.e. combined triaxial shear tests and biaxial stretch tests. Inherently, such multimodal experimental protocols necessitate multiple tissue samples and extensive sample manipulations. Intrinsic inter-sample variability and manipulation-induced tissue damage might have an adverse effect on the inversely identified tissue behavior. In this work, we aim to overcome this gap by focusing our attention to the use of heterogeneous deformation profiles in a parameter estimation problem. More specifically, we adapt EUCLID, an unsupervised method for the automated discovery of constitutive models, towards the purpose of parameter identification for highly nonlinear, orthotropic constitutive models using a Bayesian inference approach and three-dimensional continuum elements. We showcase its strength to quantitatively infer, with varying noise levels, the material model parameters of synthetic myocardial tissue slabs from a single heterogeneous biaxial stretch test. This method shows good agreement with the ground-truth simulations and with corresponding credibility intervals. Our work highlights the potential for characterizing highly nonlinear and orthotropic material models from a single biaxial stretch test with uncertainty quantification.
• Abstract（参考訳）: 従来の均質組織試験において、この挙動を完全に捉えるには、複数の変形モード、すなわち3軸せん断試験と2軸ストレッチ試験の励起が必要である。 このようなマルチモーダルな実験プロトコルは、複数の組織サンプルと広範囲なサンプル操作を必要とする。 内在的なサンプル間の変動と操作によって引き起こされる組織損傷は、逆同定された組織の挙動に悪影響を及ぼす可能性がある。 本研究では,パラメータ推定問題における異種変形プロファイルの利用に着目し,このギャップを克服することを目的としている。 より具体的には、構成モデルの自動発見のための教師なし手法であるEUCLIDを、ベイズ推定手法と3次元連続要素を用いた高非線形なオルソトロピック構成モデルに対するパラメータ同定に適応させる。 合成心筋組織スラブの材料モデルパラメーターを異種二軸ストレッチ試験で測定し,その強度を定量的に推定する。 本手法は, 地中信頼区間, 地中信頼区間, 地中信頼区間とよく一致している。 我々の研究は、不確実な定量化を伴う単軸ストレッチ試験から、高非線形およびオルソトロピック材料モデルの特徴付けの可能性を強調した。

関連論文リスト

• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Simultaneous inference for generalized linear models with unmeasured confounders [0.0]
  本稿では,構造を利用して線形射影を3つの重要な段階に統合する,統一的な統計的推定と推測の枠組みを提案する。 サンプルおよび応答サイズとして$z$-testsの効果的なType-Iエラー制御が無限大に近づくことを示す。
  論文  参考訳（メタデータ） (2023-09-13T18:53:11Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian Nonparametrics [85.31247588089686]
  変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。 ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
  論文  参考訳（メタデータ） (2021-07-08T03:40:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。