All issues

В данной статье представлены разработка и верификация алгоритма конечных элементов для моделирования нелинейной деформации в позвоночно-двигательном сегменте (ПДС) поясничного отдела позвоночника человека. Исследование мотивировано растущей распространенностью заболеваний опорно-двигательного аппарата и необходимостью улучшения методов прогнозирования поведения сегментов позвоночника при различных условиях нагрузки и патологиях.

Современные подходы к моделированию часто используют упрощенную геометрию и линейные законы деформации (закон Гука) для всех элементов позвоночника, включая межпозвоночный диск. Однако эти модели неадекватно представляют анатомию человека и физические свойства межпозвоночного диска, который состоит из фиброзного кольца и пульпозного ядра, демонстрирующих выраженные нелинейные и вязкоупругие характеристики.

Для решения этих проблем авторы предлагают математическую модель, в которой позвонки рассматриваются как линейно упругие, неоднородные тела, а межпозвоночный диск моделируется в соответствии с теорией нелинейной деформации. Анатомически точная 3D-реконструкция поясничного отдела позвоночника была создана на основе изображений компьютерной томографии (КТ). Для дискретизации использовались объемные тетраэдрические конечные элементы. Поведение межпозвоночного диска описывается с помощью теории изгиба тонких пластин, основанной на предположениях Кирхгофа – Лава.

Ключевой особенностью алгоритма является двухэтапная процедура решения: сначала получается линейно-упругое решение, а затем вычисляются дополнительные узловые силы для элементов диска, что позволяет проводить эффективный нелинейный анализ без модификации матрицы жесткости.

Проверка модели проводилась с использованием двух геометрических представлений поясничного отдела позвоночника: упрощенной версии, включающей параллелепипеды и цилиндры, и персонализированной модели, полученной из КТ изображений конкретного пациента. Результаты численного моделирования показывают, что учет нелинейных свойств межпозвоночного диска существенно изменяет как характер, так и величину деформаций по сравнению с чисто упругими моделями, создавая нелинейные сегменты на кривых «напряжение – деформация». Расхождение между результатами, полученными с помощью предложенного алгоритма, и результатами, полученными с помощью программного обеспечения Comsol, не превышало 10%, что подтверждает достоверность модели. Данный алгоритм демонстрирует перспективность для исследования биомеханики поясничного отдела позвоночника в нормальных условиях, при дегенеративных изменениях и послеоперационном периоде.

This paper presents the development and verification of a finite element algorithm for modeling nonlinear deformation in the functional spinal unit (FSU) of the human lumbar spine. The study is motivated by the increasing prevalence of musculoskeletal disorders and the need for improved predictive methods for spinal motion segment behavior under various loading conditions and pathologies.

Current modeling approaches often employ simplified geometry and linear deformation laws (Hooke’s law) for all spinal elements, including the intervertebral disc. However, these models inadequately represent human anatomy and the physical properties of the intervertebral disc, which comprises the annulus fibrosus and nucleus pulposus exhibiting pronounced nonlinear and viscoelastic characteristics.

To address these limitations, the authors propose a mathematical model wherein vertebrae are treated as linearly elastic, heterogeneous bodies, while the intervertebral disc is modeled according to nonlinear deformation theory. An anatomically accurate 3D reconstruction of the lumbar spine was generated from computed tomography (CT) images. Volumetric tetrahedral finite elements were employed for discretization. The intervertebral disc behavior is described using thin plate bending theory based on Kirchhoff-Love assumptions.

The algorithm’s key feature is a two-step solution procedure: an initial linear elastic solution is obtained, followed by the calculation of additional nodal forces for disc elements, enabling efficient nonlinear analysis without stiffness matrix modification.

Model verification was performed using two geometric representations of the lumbar spine: a simplified version comprising parallelepipeds and cylinders, and a patient-specific realistic model derived from CT data. Numerical simulation results demonstrate that incorporating nonlinear properties of the intervertebral disc substantially alters both deformation patterns and magnitudes compared to purely elastic models, producing nonlinear segments on stress-strain curves. The discrepancy between results obtained with the proposed algorithm and those from Comsol software did not exceed 10%, confirming the model’s validity. This algorithm shows promise for investigating lumbar spine biomechanics under normal conditions, degenerative changes, and post-surgical states.

Большинство биомеханических задач, представляющих интерес для клиницистов, могут быть решены только с помощью персонализированных математических моделей. Такие модели позволяют формализовать и взаимоувязать ключевые патофизиологические процессы, на основе клинически доступных данных оценить неизмеряемые параметры, важные для диагностики заболеваний, спрогнозировать результат терапевтического или хирургического вмешательства. Использование моделей в клинической практике накладывает дополнительные ограничения: практикующие врачи требуют валидации модели на клинических случаях, быстроту и автоматизированность всей расчетной технологической цепочки от обработки входных данных до получения результата. Ограничения на время расчета, определяемые временем принятия врачебного решения (порядка нескольких минут), приводят к необходимости использования методов редукции, корректно описывающих исследуемые процессы в рамках численных моделей пониженной размерности или в рамках методов машинного обучения.

Персонализация моделей требует пациентоориентированной оценки параметров модели и создания персонализированной геометрии расчетной области и построения расчетной сетки. Параметры модели оцениваются прямыми измерениями, либо методами решения обратных задач, либо методами машинного обучения. Требование персонализации моделей накладывает серьезные ограничения на количество настраиваемых параметров модели, которые могут быть измерены в стандартных клинических условиях. Помимо параметров, модели включают краевые условия, которые также должны учитывать особенности пациента. Методы задания персонализированных краевых условий существенно зависят от решаемой клинической задачи, зоны ее интереса и доступных клинических данных. Построение персонализированной области посредством сегментации медицинских изображений и построение расчетной сетки, как правило, занимают значительную долю времени при разработке персонализированной вычислительной модели, так как часто выполняются в ручном или полуавтоматическом режиме. Разработка автоматизированных методов постановки персонализированных краевых условий и сегментации медицинских изображений с последующим построением расчетной сетки является залогом широкого использования математического моделирования в клинической практике.

Цель настоящей работы — обзор и анализ наших решений по персонализации математических моделей в рамках трех задач клинической кардиологии: виртуальной оценки гемодинамической значимости стенозов коронарных артерий, оценки изменений системного кровотока после гемодинамической коррекции сложных пороков сердца, расчета характеристик коаптации реконструированного аортального клапана.

Most biomechanical tasks of interest to clinicians can be solved only using personalized mathematical models. Such models allow to formalize and relate key pathophysiological processes, basing on clinically available data evaluate non-measurable parameters that are important for the diagnosis of diseases, predict the result of a therapeutic or surgical intervention. The use of models in clinical practice imposes additional restrictions: clinicians require model validation on clinical cases, the speed and automation of the entire calculated technological chain, from processing input data to obtaining a result. Limitations on the simulation time, determined by the time of making a medical decision (of the order of several minutes), imply the use of reduction methods that correctly describe the processes under study within the framework of reduced models or machine learning tools.

Personalization of models requires patient-oriented parameters, personalized geometry of a computational domain and generation of a computational mesh. Model parameters are estimated by direct measurements, or methods of solving inverse problems, or methods of machine learning. The requirement of personalization imposes severe restrictions on the number of fitted parameters that can be measured under standard clinical conditions. In addition to parameters, the model operates with boundary conditions that must take into account the patient’s characteristics. Methods for setting personalized boundary conditions significantly depend on the clinical setting of the problem and clinical data. Building a personalized computational domain through segmentation of medical images and generation of the computational grid, as a rule, takes a lot of time and effort due to manual or semi-automatic operations. Development of automated methods for setting personalized boundary conditions and segmentation of medical images with the subsequent construction of a computational grid is the key to the widespread use of mathematical modeling in clinical practice.

The aim of this work is to review our solutions for personalization of mathematical models within the framework of three tasks of clinical cardiology: virtual assessment of hemodynamic significance of coronary artery stenosis, calculation of global blood flow after hemodynamic correction of complex heart defects, calculating characteristics of coaptation of reconstructed aortic valve.