Publication

Evaluation and visualization of stress and strain on soft biological tissues in contact

Daniel Thalmann, Ronan Boulic
2004
Conference Papers

Résumé

This paper addresses evaluation and visualization of stress and strain on soft biological tissues in contact given three-dimensional models of reconstructed organs from magnetic resonance images (MRI), we use an anatomy-based kinematical model combined with a soft tissues model to represent their shape and behavior. Then, we compute resulting distribution of stress and strain on deforming surface when motion is simulated. The computed stress and strain are then effectively visualized using an interactive animation framework. Experimental results are illustrated in the case of the hip joint cartilage.

Source officielle

https://infoscience.epfl.ch/entities/publication/d8392275-6fe2-4c4c-b0f0-cc0191db9a92

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Daniel Thalmann, Ronan Boulic
2004
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/d8392275-6fe2-4c4c-b0f0-cc0191db9a92

À propos de ce résultat

Concepts associés (32)

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Loi normale multidimensionnelle

En théorie des probabilités, on appelle loi normale multidimensionnelle, ou normale multivariée ou loi multinormale ou loi de Gauss à plusieurs variables, la loi de probabilité qui est la généralisation multidimensionnelle de la loi normale. gauche|vignette|Différentes densités de lois normales en un dimension. gauche|vignette|Densité d'une loi gaussienne en 2D. Une loi normale classique est une loi dite « en cloche » en une dimension.

Loi normale généralisée

En théorie des probabilités et en statistique, la loi normale généralisée ou loi gaussienne généralisée désigne deux familles de lois de probabilité à densité dont les supports sont l'ensemble des réels. Cette loi rajoute un paramètre de forme à la loi normale. Pour les différencier, les deux familles seront appelées « version 1 » et « version 2 », ce ne sont cependant pas des appellations standards. La densité de probabilité des lois de cette famille est donnée par la formule : où est la fonction gamma, est un paramètre de position, est un paramètre d'échelle et est un paramètre de forme.

Afficher plus

Publications associées (19)

Afficher plus

Evaluation and visualization of stress and strain on soft biological tissues in contact

Chattez avec Graph Search

DEM Implementation for Elliptical and Soft Particles Civil 481 -Semester Project Report

Agree to disagree: Diversity through disagreement for better transferability

Theorizing the Emotional Quality of Teaching and Learning Relationships in STEM Faculty Development