【儀表網 研發(fā)快訊】近日，北京大學第三醫(yī)院心血管內科祖凌云教授、北京大學工學部先進制造與機器人系劉珂研究員和北京大學工學部力學與工程科學系朱馳研究員研究團隊，在國際知名期刊《先進科學》(Advanced Science)在線發(fā)表題為《通過觀測大形變揭示軟物質的隱藏物理信息》(“Uncover Hidden Physical Information of Soft Matter by Observing Large Deformation”)的研究成果。
 

　　該研究旨在通過物質表面大形變推測該物質的內部物理信息，為心臟瓣膜鈣化的物理信息提供了一種無創(chuàng)測量工具。
 

　　如何通過表面觀察“看見”軟物質內部的異常一直是難以攻克的挑戰(zhàn)。雖然X光、超聲等傳統(tǒng)的檢測方法廣泛應用于醫(yī)學領域，可以無創(chuàng)獲得組織的結構或功能信息，但是無法進一步獲得硬度等物理信息，存在分辨率不足、成本高、操作復雜以及應用受限等問題。特別是當組織內部的異常難以直接可視化時，這一問題變得更加突出，如心臟瓣膜、腫瘤或其他組織的病變，往往無法通過常規(guī)影像手段得到精確的物理特征描述。如何實現非侵入式、高效且精準的內部異常檢測是軟物質領域亟待解決的難題。
 

　　算法在醫(yī)療、機器人等多個領域都有重要應用，例如通過心臟瓣膜的運動形變，獲得瓣膜組織的鈣化特征信息
 

　　北京大學第三醫(yī)院與北京大學工學部研究團隊提出基于表面大形變反推軟物質內部物理異常的方法，有效突破了傳統(tǒng)檢測手段的局限。該方法通過觀測軟物體表面在外力作用下的大形變，結合先進的數學模型和算法，反向推導內部的材料屬性、異常位置和形狀。具體流程如下：
 

　　1、大形變觀測：通過常規(guī)的成像技術(如超聲、CT掃描等)獲取軟物體表面的大形變數據。
 

　　2、虛擬孿生模型：使用有限元分析技術構建物體的虛擬模型，以模擬其在不同物理條件下的變形過程，實現物理現象的高度還原。
 

　　3、并行貝葉斯優(yōu)化算法：通過貝葉斯優(yōu)化方法，在虛擬孿生模型中迭代調整物理參數，使模擬結果最大程度貼近真實觀測數據，從而實現對物體內部物理屬性的精準反演。
 

　　這種創(chuàng)新方法不僅能夠精準識別物體內部的物理性質(如剛度分布、異常形狀和異常位置)，還能夠有效減少傳統(tǒng)優(yōu)化算法對實驗數據的高需求，使得優(yōu)化過程更加高效。
 

　　為了驗證方法的有效性，研究團隊進行了多個場景下的實驗測試：
 

　　1、梁彎曲實驗：研究團隊首先構建了仿真梁模型和真實的PDMS梁模型，通過測試梁的彎曲形變，成功識別出材料內部的剛性夾層和異常區(qū)域。實驗結果表明，仿真模型實驗誤差低于0.2%，而真實模型實驗誤差低于6%，顯示了該方法在材料檢測中的高精度。
 

　　2、氣球膨脹仿真實驗：通過模擬氣球的膨脹過程，研究團隊成功地從形變數據中恢復出氣球內的異常區(qū)域，估算誤差不超過2.6%。這一實驗驗證了該方法在三維變形場景中的強大能力。
 

　　3、主動脈瓣鈣化仿真實驗：針對鈣化病變的心臟瓣膜，該方法成功從變形軌跡中反推出鈣化區(qū)域的形狀、位置以及剛度等物理信息參數。這一結果為醫(yī)學領域提供了新的非侵入式定量診斷工具，尤其適用于疾病的早期診斷和監(jiān)測。
 

　　這些實驗展示了該方法在軟體機器人、材料科學等不同領域的廣泛應用潛力。例如在醫(yī)學診斷中，尤其是在心臟瓣膜等軟組織病變的診斷中，該方法可為醫(yī)生提供更精確的檢測結果，有效彌補傳統(tǒng)影像學方法的不足。同時，在新興的軟體機器人領域，該方法可為軟體機器人的自我感知和故障檢測提供更加可靠的數據支持，推動軟體機器人走向應用場景。
 

　　北京大學第三醫(yī)院和北京大學聯合培養(yǎng)的碩士研究生楊煥煜為該論文的第一作者，祖凌云、劉珂、朱馳為共同通訊作者。本研究得到國家重點研發(fā)計劃項目、國家自然科學基金、北京大學第三醫(yī)院創(chuàng)新轉化基金的支持。