2025年4月7日，北京大學(xué)第三醫(yī)院心血管內(nèi)科祖凌云教授、北京大學(xué)工學(xué)部先進(jìn)制造與機(jī)器人系劉珂研究員和北京大學(xué)工學(xué)部力學(xué)與工程科學(xué)系朱馳研究員研究團(tuán)隊(duì)，在國際知名期刊《先進(jìn)科學(xué)》（Advanced Science）在線發(fā)表題為《通過觀測大形變揭示軟物質(zhì)的隱藏物理信息》（“Uncover Hidden Physical Information of Soft Matter by Observing Large Deformation”）的研究成果。

原文截圖

該研究旨在通過物質(zhì)表面大形變推測該物質(zhì)的內(nèi)部物理信息，為心臟瓣膜鈣化的物理信息提供了一種無創(chuàng)測量工具。

如何通過表面觀察“看見”軟物質(zhì)內(nèi)部的異常一直是難以攻克的挑戰(zhàn)。雖然X光、超聲等傳統(tǒng)的檢測方法廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域，可以無創(chuàng)獲得組織的結(jié)構(gòu)或功能信息，但是無法進(jìn)一步獲得硬度等物理信息，存在分辨率不足、成本高、操作復(fù)雜以及應(yīng)用受限等問題。特別是當(dāng)組織內(nèi)部的異常難以直接可視化時(shí)，這一問題變得更加突出，如心臟瓣膜、腫瘤或其他組織的病變，往往無法通過常規(guī)影像手段得到精確的物理特征描述。如何實(shí)現(xiàn)非侵入式、高效且精準(zhǔn)的內(nèi)部異常檢測是軟物質(zhì)領(lǐng)域亟待解決的難題。

算法在醫(yī)療、機(jī)器人等多個(gè)領(lǐng)域都有重要應(yīng)用，例如通過心臟瓣膜的運(yùn)動形變，獲得瓣膜組織的鈣化特征信息

北京大學(xué)第三醫(yī)院與北京大學(xué)工學(xué)部研究團(tuán)隊(duì)提出基于表面大形變反推軟物質(zhì)內(nèi)部物理異常的方法，有效突破了傳統(tǒng)檢測手段的局限。該方法通過觀測軟物體表面在外力作用下的大形變，結(jié)合先進(jìn)的數(shù)學(xué)模型和算法，反向推導(dǎo)內(nèi)部的材料屬性、異常位置和形狀。具體流程如下：

1、大形變觀測：通過常規(guī)的成像技術(shù)（如超聲、CT掃描等）獲取軟物體表面的大形變數(shù)據(jù)。

2、虛擬孿生模型：使用有限元分析技術(shù)構(gòu)建物體的虛擬模型，以模擬其在不同物理?xiàng)l件下的變形過程，實(shí)現(xiàn)物理現(xiàn)象的高度還原。

3、并行貝葉斯優(yōu)化算法：通過貝葉斯優(yōu)化方法，在虛擬孿生模型中迭代調(diào)整物理參數(shù)，使模擬結(jié)果最大程度貼近真實(shí)觀測數(shù)據(jù)，從而實(shí)現(xiàn)對物體內(nèi)部物理屬性的精準(zhǔn)反演。

這種創(chuàng)新方法不僅能夠精準(zhǔn)識別物體內(nèi)部的物理性質(zhì)（如剛度分布、異常形狀和異常位置），還能夠有效減少傳統(tǒng)優(yōu)化算法對實(shí)驗(yàn)數(shù)據(jù)的高需求，使得優(yōu)化過程更加高效。

為了驗(yàn)證方法的有效性，研究團(tuán)隊(duì)進(jìn)行了多個(gè)場景下的實(shí)驗(yàn)測試：

1、梁彎曲實(shí)驗(yàn)：研究團(tuán)隊(duì)首先構(gòu)建了仿真梁模型和真實(shí)的PDMS梁模型，通過測試梁的彎曲形變，成功識別出材料內(nèi)部的剛性夾層和異常區(qū)域。實(shí)驗(yàn)結(jié)果表明，仿真模型實(shí)驗(yàn)誤差低于0.2%，而真實(shí)模型實(shí)驗(yàn)誤差低于6%，顯示了該方法在材料檢測中的高精度。

2、氣球膨脹仿真實(shí)驗(yàn)：通過模擬氣球的膨脹過程，研究團(tuán)隊(duì)成功地從形變數(shù)據(jù)中恢復(fù)出氣球內(nèi)的異常區(qū)域，估算誤差不超過2.6%。這一實(shí)驗(yàn)驗(yàn)證了該方法在三維變形場景中的強(qiáng)大能力。

3、主動脈瓣鈣化仿真實(shí)驗(yàn)：針對鈣化病變的心臟瓣膜，該方法成功從變形軌跡中反推出鈣化區(qū)域的形狀、位置以及剛度等物理信息參數(shù)。這一結(jié)果為醫(yī)學(xué)領(lǐng)域提供了新的非侵入式定量診斷工具，尤其適用于疾病的早期診斷和監(jiān)測。

這些實(shí)驗(yàn)展示了該方法在醫(yī)學(xué)影像學(xué)、軟體機(jī)器人、材料科學(xué)等不同領(lǐng)域的廣泛應(yīng)用潛力。例如在醫(yī)學(xué)診斷中，尤其是在心臟瓣膜等軟組織病變的診斷中，該方法可為醫(yī)生提供更精確的檢測結(jié)果，有效彌補(bǔ)傳統(tǒng)影像學(xué)方法的不足。同時(shí)，在新興的軟體機(jī)器人領(lǐng)域，該方法可為軟體機(jī)器人的自我感知和故障檢測提供更加可靠的數(shù)據(jù)支持，推動軟體機(jī)器人走向應(yīng)用場景。

北京大學(xué)第三醫(yī)院和北京大學(xué)聯(lián)合培養(yǎng)的碩士研究生楊煥煜為該論文的第一作者，祖凌云、劉珂、朱馳為共同通訊作者。本研究得到國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國家自然科學(xué)基金、北京大學(xué)第三醫(yī)院創(chuàng)新轉(zhuǎn)化基金的支持。

來源：北京大學(xué)