Анализ конечного элемента механического ответа человеческого языка во время речи

Каждое произнесенное слово возникает из каскада точно синхронизированных мышечных сокращений, формирующих самый универсальный орган в человеческом теле: язык. Его способность принимать сложные формы и двигаться с исключительными скоростями имеет основополагающее значение для производства речи. Анализ конечных элементов (FEA) обеспечивает вычислительную основу для расчленения этого механического поведения, выходя за рамки наблюдения для количественной оценки внутренних напряжений, деформаций и деформаций, которые определяют артикуляцию. В этой статье исследуется применение FEA при анализе механической реакции языка во время речи, связывая физиологию мышц с акустическим выходом.

Анализ конечных элементов позволяет исследователям строить подробные, предметно-специфические модели языка из данных медицинской визуализации. Эти модели затем подвергаются симуляции мышечных сил, чтобы предсказать, как язык деформируется в реальном времени. Полученные данные предлагают идеи, которые трудно, если не невозможно, получить с помощью прямого измерения, информируя клинические вмешательства для речевых расстройств, хирургического планирования и развития передовых речевых технологий.

Биомеханическая архитектура человеческого языка

Язык представляет собой мышечный гидростат, то есть он полностью состоит из мышечной ткани и не имеет костного скелета. Эта структура позволяет ему изменять форму при сохранении постоянного объема. Его механическая функция регулируется сложным взаимодействием внутренних и внешних мышц.

Внутренняя мышечная система

Внутренние мышцы возникают и вставляются в тело языка. К ним относятся высшие продольные, нижние продольные, поперечные и вертикальные мышцы. Эти волокна изменяют форму языка, контролируя его длину, ширину, кривизну и жесткость, не вытесняя его общего положения в полости рта. Для речи эти мелкозернистые регулировки имеют решающее значение для точной фонетической артикуляции.

Внешняя мышечная система

Четыре спаренные внешние мышцы прикрепляют язык к окружающим костным структурам и перемещают язык в целом в полость рта:

Координированная активация этих групп мышц генерирует силы, необходимые для речи.Механический выход зависит не только от величины активации мышц, но и от материальных свойств самой ткани.

Материальные свойства лингвальной ткани

Ткань языка нелинейна, анизотропна, вязкоупругая и почти несжимаема. Эти свойства существенно влияют на то, как язык реагирует на приложенные нагрузки. Связь стресс-деформация не линейна; ткань жестко сжимается при растяжении. Вязкоупругость вносит зависящий от времени ответ, то есть язык ведет себя по-разному при быстрых баллистических движениях, типичных для речи по сравнению с устойчивыми позами. Модели FEA должны фиксировать эти конститутивные поведения для создания реалистичных симуляций.

Анализ конечных элементов для механики мягких тканей

FEA решает дифференциальные уравнения, управляющие механикой континуума для структуры, разделенной на конечное число дискретных элементов.Для мягких биологических тканей этот процесс должен учитывать большие деформации и сложные законы материала.

Нелинейная механика и большие деформации

Речь предполагает большие деформации и смещения, обесценивающие малодеформационные предположения. Требуются решатели FEA, предназначенные для нелинейной механики. Эти решатели обычно используют обновленную лагранжевую формулировку для отслеживания изменяющейся геометрии и правильного применения нагрузок по пути деформации.

Гиперупругие и вязкоупругие конститутивные модели

Гиперупругие модели определяют энергетический потенциал деформации для описания эластичного ответа ткани. Общие модели для ткани языка включают:

Вязкоупругость встроена с помощью расширений серии Prony или теории квазилинейной вязкоупругости (QLV). Эти модели позволяют симуляции фиксировать расслабление и ползучесть напряжения, которые наблюдаются в тканях языка при длительных речевых звуках. Выбор модели материала напрямую влияет на точность прогнозируемых полей смещения и распределения напряжений.

Конструирование конечной модели языка

Создание высококачественной модели языка FEA является многоступенчатым процессом, который требует тщательного внимания к анатомической точности, качеству сетки и граничным условиям.

Медицинская визуализация и сегментация

Процесс начинается с магнитно-резонансной томографии (МРТ) субъекта с высоким разрешением. Т1-взвешенные или Т2-взвешенные сканы обычно используются для очерчивания границ языка. Диффузия Тензорная визуализация (ДТИ) может отображать направления волокон внутренних и внешних мышц, предоставляя критические данные для определения свойств анизотропного материала и направлений активации мышц. Сегментация включает маркировку каждого вокселя на изображении как принадлежащего к определенной анатомической структуре (например, гениоглобус, гиоглобсус, палатоглобсус или окружающие мягкие ткани).

Поколение Mesh

Сегментированный объем преобразуется в вычислительную сетку. Качество сетки напрямую влияет на точность решения и конвергенцию.

Присвоение граничных условий

Границы определяют, как язык взаимодействует с окружающей средой.

Создание надежной модели FEA требует итеративной доработки и проверки экспериментальных данных.

Моделирование механической реакции во время речи

После того, как модель построена и проверена, она может использоваться для моделирования конкретных речевых задач. Моделирование показывает внутреннее механическое состояние языка, включая концентрации напряжений, основные направления деформации и трехмерные поля смещения.

Пример: производство вуал

Продуцирование гласного /i/ (как в «см.») требует, чтобы тело языка двигалось вперед и вверх, в то время как спинное тело поднимается к жесткому небу. Моделирование FEA /i/ обычно показывает высокую активацию гениоглобсса (задние волокна) и стилоглосса. Полученное поле смещения показывает четкое движение вверх и вперед, с сжимающими напряжениями на верхней поверхности и растягивающими напряжениями вдоль нижнего края. Напротив, гласный /ɑ/ (как в «отце») включает нисходящее и обратное смещение тела языка, приводимое в движение в первую очередь гиоглоссом и продольными мышцами. Сравнение карт напряжения для /i/ и /ɑ/ подчеркивает, как различные паттерны активации мышц загружают разные области ткани.

Тема: «Консонантное производство»

Согласующие предъявляют более локализованные и часто более высокие механические требования. Альвеолярная остановка/т/ требует кончика языка для установления твердого контакта с альвеолярным гребнем. Модели FEA /т/ показывают концентрацию напряжения на кончике языка и вдоль средней линии. Поперечные и вертикальные внутренние мышцы закрепляют лезвие языка для передачи силы от гениоглобсса к точке контакта. Велярная остановка/к/ предполагает контакт между дорсусом языка и мягким небом. Моделирование /к/ выявляет значительную деформацию в заднем теле языка и передачу напряжения через палатоглобсус и стилоглоссус. Анализ этих локализованных моделей напряжения помогает объяснить механическую основу для речевых звуковых ошибок при таких патологиях, как апраксия или дисартрия.

Интерпретация распределения стресса и напряжения

FEA обеспечивает количественный выход, такой как стресс фон Мизеса (скалярная мера общего состояния стресса) и максимальный основной штамм (указывающий направление и величину наибольшего растяжения ткани). Высокие значения стресса фон Мизеса идентифицируют области языка, которые находятся под наибольшей механической нагрузкой во время заданного звука. В типичной речи эти напряженные области коррелируют с высокой активацией мышц. В патологических условиях аномальные распределения стресса могут указывать на компенсаторные стратегии или механическую неэффективность. Карты напряжения особенно полезны для понимания того, как язык изменяет форму. Область сдвига с высоким напряжением может указывать на скольжение интерфейса между соседними группами мышц, такими как между гениоглобссом и гиоглобссом во время сложного согласных кластеров.

Модель валидации против экспериментальных данных

Прогнозы от модели FEA полезны только в том случае, если они соответствуют действительности.Валидация — критический шаг, который предполагает сравнение результатов моделирования с независимыми экспериментальными измерениями.

Эффективные исследования валидации показывают, что FEA может надежно предсказать механическую реакцию языка, повышая уверенность в его использовании в клинических применениях.

Клинические и технологические применения

Способность к вычислительному прогнозированию механики языка открыла новые возможности как в медицине, так и в технике.

Хирургическое планирование и прогноз результатов

Для пациентов, перенесших частичную глоссэктомию (хирургическое удаление части языка при таких состояниях, как рак полости рта), ФЭА может помочь предсказать послеоперационную речевую функцию. Путем практическиго удаления опухоли из модели и моделирования хирургического закрытия хирурги могут оценить результирующие изменения смещения языка и палатального контакта. Это позволяет оптимизировать хирургический план для сохранения максимально возможного функционального сочленения. ФЭА также может имитировать механический эффект реконструктивных закрылков, помогая выбрать лучшую ткань для восстановления объемной и подвижной.

Обструктивное апноэ сна (OSA)

ОСА характеризуется коллапсом верхних дыхательных путей во время сна. Язык играет центральную роль в этом коллапсе. ФЭА-модели языка могут имитировать влияние гравитации, мышечной релаксации и отрицательного внутрилюминального давления на проходимость дыхательных путей. Изменяя уровни активации мышц и геометрию модели, исследователи могут определить, какие мышцы наиболее важны для поддержания открытия дыхательных путей и как анатомические изменения предрасполагают людей к коллапсу. Это информирует о разработке более эффективных пероральных приборов и хирургических вмешательств для ОСА.

Улучшение речевой терапии

FEA обеспечивает визуальный и количественный механизм обратной связи для понимания нарушений артикуляции. Для людей с расщелиной неба или нервно-мышечными состояниями FEA может помочь объяснить, почему определенные звуки трудно производить. Сравнивая стресс и модели смещения пациента с типичными динамиками, терапевты могут нацеливаться на конкретные группы мышц или модели движения в своей терапии. Биообратная связь, обусловленная биомеханическими моделями в реальном времени, является новой областью исследований.

Вождение био-вдохновленной робототехники и синтез речи

Язык является модельным приводом для мягкой робототехники. Исследования FEA деформации языка обеспечивают принципы проектирования для построения гибких гидростатических приводов, которые могут производить сложные, речевые движения. В синтезе речи артикуляторные модели на основе FEA производят более естественную речь, чем чисто акустические синтезаторы, потому что они лучше захватывают физические ограничения и динамику голосового тракта. Эти физически информированные синтезаторы могут создавать более реалистичные эффекты прозодии и коартикуляции.

Современная речевая терапия и технологии все больше полагаются на инженерное понимание артикуляторов.

Текущие ограничения и будущие направления

Несмотря на свою силу, FEA языка сталкивается с несколькими проблемами, которые ограничивают его широкое клиническое применение.

Измерение свойств материалов in vivo

Материальные свойства, приписываемые тканям языка, часто получают из экспериментов ex vivo или моделей на животных. Поведение живой ткани человека при активном сокращении может значительно отличаться. Разрабатываются неинвазивные методы измерения жесткости и вязкоупругости in vivo, такие как магнитно-резонансная эластография (МРЭ), но пока не являются стандартной практикой для построения моделей FEA, специфичных для субъекта.

Реалистичные модели активации мышц

Модели FEA требуют ввода уровней активации мышц с течением времени. Эти паттерны активации трудно измерить напрямую. Поверхностная электромиография (ЭМГ) обеспечивает косвенную меру, но ограничивается поверхностными мышцами и загрязнена перекрестными разговорами. Хорошо проводная ЭМГ является инвазивной. Большинство моделей FEA полагаются на оцененные или оптимизированные паттерны активации, которые могут не идеально представлять истинный нейронный привод.

Расчетные затраты

Высокоточные динамические модели языка FEA являются вычислительно дорогостоящими. Одно моделирование высказывания длиной предложения может занять дни для работы на современной рабочей станции. Это ограничивает использование FEA в чувствительных ко времени клинических контекстах или для биологической обратной связи в реальном времени. Достижения в вычислениях GPU, уменьшении порядка моделей и суррогатных моделях машинного обучения изучаются для резкого сокращения времени моделирования.

Интеграция с нейронным контролем

Нынешнее поколение моделей FEA рассматривает активацию мышц как входную. Следующий шаг — связать биомеханическую модель с нейронным контроллером, имитирующим процессы моторного планирования и исполнения мозга. Такая нейромеханическая модель позволила бы исследователям изучить, как нейронные команды транслируются в артикуляционное движение, обеспечивая комплексную платформу для изучения речевого моторного контроля и его распад при неврологических расстройствах.

Продолжающиеся исследования в области вычислительной биомеханики неуклонно преодолевают эти барьеры.

Заключение

Анализ конечных элементов обеспечивает строгое и подробное окно в механическое поведение человеческого языка во время речи. Интегрируя анатомическую визуализацию, нелинейную механику и мышечную физиологию, FEA позволяет исследователям количественно оценить внутренние поля стресса и напряжения, которые управляют артикляцией. Это понимание имеет прямые последствия для хирургического планирования, управления такими расстройствами, как ОСА, разработки передовых методов речевой терапии и создания более реалистичной синтетической речи. В то время как проблемы остаются в измерении материальных свойств, вычислительной эффективности и нейронной интеграции, траектория поля указывает на все более точные и клинически доступные модели, которые углубят наше понимание этой уникальной человеческой способности.