Un enfoque de aprendizaje profundo para estimar la distribución de estrés: un sustituto rápido y preciso del análisis de elementos finitos

El análisis estructural de elementos finitos (AEF) se ha utilizado ampliamente para estudiar la biomecánica de los tejidos y órganos humanos, así como las interacciones entre tejidos y dispositivos médicos, y las estrategias de tratamiento. Sin embargo, los modelos de AEF específicos para cada paciente suelen requerir procedimientos complejos para su configuración y largos tiempos de cálculo para obtener los resultados finales de la simulación, lo que impide la retroalimentación pronta a los clínicos en aplicaciones clínicas sensibles al tiempo. En este estudio, utilizando técnicas de aprendizaje automático, desarrollamos un modelo de aprendizaje profundo (AP) para estimar directamente las distribuciones de estrés de la aorta. El modelo de AP fue diseñado y entrenado para tomar como entrada el AEF y producir directamente las distribuciones de estrés de la pared aórtica, eludiendo el proceso de cálculo del AEF. El modelo de AP entrenado es capaz de predecir las distribuciones de estrés con errores promedio de 0.492% y 0.891% en la distribución de estrés de Von Mises y el estrés pico de Von Mises, respectivamente. Este estudio marca, hasta donde sabemos, el primer estudio que demuestra la viabilidad y el gran potencial de usar la técnica de AP como un sustituto rápido y preciso del AEF para el análisis de estrés.