We consider a one-dimensional morphoelastic model describing post-burn scar contraction. This model describes the displacement of the dermal layer of the skin and the development of the effective Eulerian strain in the tissue. Besides these components, the model also contains components that play a major role in skin repair after trauma. These components are signaling molecules, fibroblasts, myofibroblasts, and collagen. We perform a sensitivity analysis for many parameters of the model and use the results for a feasibility study. In this study, we test whether the model is suitable for predicting the extent of contraction in different age groups. To this end, we conduct an extensive literature review to find parameter values. From the sensitivity analysis, we conclude that the most sensitive parameters are the equilibrium collagen concentration in the dermal layer, the apoptosis rate of fibroblasts and myofibroblasts, and the secretion rate of signaling molecules. Further, although we can use the model to simulate distinct contraction densities in different age groups, our results differ from what is seen in the clinic.


翻译:我们考虑一个描述烧伤后伤疤缩缩的单维摩光弹性模型。 这个模型描述了皮肤皮肤层的迁移以及组织中有效的Eulerian菌株的发育。 除了这些组成部分外,模型还包含在创伤后皮肤修复中起重要作用的成分。 这些成分是分子、纤维碎裂、薄膜、薄膜和钴。 我们对模型的许多参数进行敏感性分析,并使用结果进行可行性研究。在这个研究中,我们测试模型是否适合预测不同年龄组的收缩程度。我们为此进行广泛的文献审查,以找到参数值。我们从敏感度分析中得出结论,最敏感的参数是皮肤层的平衡凝固度、纤维碎裂和薄膜的聚变率以及信号分子的分解率。此外,尽管我们可以使用模型模拟不同年龄组的明显收缩密度,但我们的结果不同于诊所所看到的。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
专知会员服务
159+阅读 · 2020年1月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
已删除
将门创投
5+阅读 · 2018年11月15日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年7月19日
Arxiv
0+阅读 · 2021年7月15日
VIP会员
相关VIP内容
专知会员服务
159+阅读 · 2020年1月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
相关资讯
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
已删除
将门创投
5+阅读 · 2018年11月15日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员