用于角膜材料表征的吹气测试降阶模型

本文分析了吹气测试的流固耦合（Fluid-Structure Interaction, FSI）模型。使用 Abaqus，将吹气测试应用于具有不同生物力学参数（如材料属性、角膜厚度和半径）的眼睛。我们获取了吹气测试（一种湍流冲击射流）的降阶模型，将仿真时间从 FSI 模型的 48 小时缩短至仅有限元分析（Finite Element Analysis, FEA）模型的约 12 分钟。为了进一步加速仿真并提高模型精度，物理信息神经网络（Physics-Informed Neural Networks, PINNs）将与降阶模型相集成。这种混合方法将有助于将模型扩展到更大的数据集，通过逆向 FEA 增强眼压估计精度和角膜材料属性算法。此外，提出了一种嵌入高斯调制波形的神经网络框架，以将角膜表面上的压力和变形分布建模为空间和时间参数的函数。通过学习角膜生物力学输入（如角膜中央厚度、眼压和基线属性）与压力和变形的控制系数之间的关系，该网络准确地重建了与高保真 CFD 数据高度吻合的结果。这种方法可以快速捕获压力和变形的分布，还能提供对压力和变形独特时空动态的洞察，从而更全面地理解吹气测试中的流固耦合现象。