将复杂的可变性映射到复杂的虚拟模型

任何看过大脑图片的人都知道它不是一个简单的光滑椭圆形;它更像是一团乱麻。但是，当研究人员试图预测和理解它的物理和电学行为时，他们必须描述复杂形状上的场，并且通常为此目的使用简化的几何模型，例如椭圆形。这并不是说他们以前从未见过大脑，而是大脑表面的曲折、拐弯和凹陷使参数的建模变得非常复杂。

对于涉及大脑几何结构的模拟，称为分割的过程可能会产生错误，该过程实质上是将像素分配给特定物质，例如脑脊液和灰质或白质。对于位于这些区域之间物理界面的像素，分配特定标签的决定可能会因小对比度而产生错误，并且这些不确定性会在后续分析中传播。

杜克大学土木与环境工程助理教授 Johann Guilleminot 开发了一种技术来克服这些障碍。他正在使用它来帮助研究人员对范围广泛的对象进行建模，例如个体动脉内的压力、经颅磁刺激对大脑的影响，以及手术植入的 3D 打印骨科设备中的作用力。

“在大多数与不确定性量化相关的工作中，大脑通常用椭圆体近似，而动脉通常用空心圆柱体近似，因为几何和坐标系在随机建模方面更容易处理，”Guilleminot 说。“但是，一旦你试图解释现实世界中特定于患者的对象，通常的技术就会开始失败。我们正在为需要对这些复杂形状及其复杂属性和行为进行建模的人提供有效执行此操作的能力在飞行中。”

Guilleminot 的方法有两个部分。第一个生成几乎任何所需形状的复杂虚拟模型，并且在技术上以相同的方式从对象到对象进行操作。第二个采用一组特定于应用程序的特性——钛腿植入物内的工作特性或动脉内患者特定的组织刚度——并将它们映射到 3D 模型上。

结果不仅是所讨论对象的复杂、逼真的虚拟模型，而且是它可能表现出的一系列行为。通过将可变性纳入计算，这些模型提供了一个对象可能对某些负载、压力和应变的响应范围的一瞥，从而实现更好的分类、设计和预测。