A finite rotation, small strain 2D elastic head model, with applications in mild traumatic brain injury
Auteurs : Yang Wan, Wenqiang Fang, Rika Wright Carlsen, Haneesh Kesari
Résumé : Rotational head motions have been shown to play a key role in traumatic brain injury. There is great interest in developing methods to rapidly predict brain tissue strains and strain rates resulting from rotational head motions to estimate brain injury risk and to guide the design of protective equipment. Idealized continuum mechanics based head models provide an attractive approach for rapidly estimating brain strains and strain rates. These models are capable of capturing the wave dynamics and transient response of the brain while being significantly easier and faster to apply compared to more sophisticated and detailed finite element head models. In this work, we present a new idealized continuum mechanics based head model that accounts for the head's finite rotation, which is an improvement upon prior models that have been based on a small rotation assumption. Despite the simplicity of the model, we show that the proposed 2D elastic finite rotation head model predicts comparable strains to a more detailed finite element head model, demonstrating the potential usefulness of the model in rapidly estimating brain injury risk. This newly proposed model can serve as a basis for introducing finite rotations into more sophisticated head models in the future.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.