Mesure des vibrations sur un cerveau biofidèle à l'aide d'un nanogénérateur ferroélectret

Rapports scientifiques volume 13, Numéro d'article : 8975 (2023) Citer cet article

233 accès

2 Altmétrique

Détails des métriques

Nos connaissances sur les lésions cérébrales traumatiques se sont rapidement développées avec l'émergence de nouveaux marqueurs indiquant divers changements neurologiques que subit le cerveau lors d'un impact ou de toute autre forme d'événement commotionnel. Dans ce travail, nous étudions la modalité des déformations sur un système cérébral biofidèle lorsqu'il est soumis à des impacts contondants, soulignant l'importance du comportement dépendant du temps des ondes résultantes se propageant à travers le cerveau. Cette étude est réalisée à l'aide de deux approches différentes impliquant optique (Particle Image Velocimetry) et mécanique (capteurs flexibles) dans le cerveau biofidèle. Les résultats montrent que le système a une fréquence mécanique naturelle de \(\sim \) 25 oscillations par seconde, ce qui a été confirmé par les deux méthodes, montrant une corrélation positive entre elles. La cohérence de ces résultats avec la pathologie cérébrale rapportée précédemment valide l'utilisation de l'une ou l'autre technique et établit un nouveau mécanisme plus simple pour étudier les vibrations cérébrales en utilisant des patchs piézoélectriques flexibles. La nature visco-élastique du cerveau biofidèle est validée en observant la relation entre les deux méthodes à deux intervalles de temps différents, en utilisant les informations de la souche et du stress à l'intérieur du cerveau de la vélocimétrie par image de particules et du capteur flexible, respectivement. Une relation contrainte-déformation non linéaire a été observée et justifiée pour soutenir la même chose.

Le traumatisme crânien (TCC) est l'une des principales causes de décès ou d'invalidité dans le monde1. L'incidence des traumatismes crâniens chez les joueurs de football du secondaire peut être deux fois plus élevée en raison d'une sous-déclaration due à un manque de sensibilisation ou au désir de continuer à jouer2. Même une forme plus bénigne de TBI (également connue sous le nom de commotion cérébrale) a été reconnue comme un grave problème de santé en raison de ses effets à long terme3 et de son lien avec l'encéphalopathie traumatique chronique (CTE), la maladie d'Alzheimer et la maladie de Parkinson4. Cela a créé un besoin pressant de mieux comprendre et prévenir ce type de blessures. Le Center of Diseases Control and Prevention (CDC)5 définit une commotion cérébrale comme un type de lésion cérébrale traumatique (ou TBI) causée par une bosse, un coup ou une secousse à la tête ou par un coup au corps qui fait que la tête et le cerveau se déplacent rapidement d'avant en arrière. Même des impacts de faible ampleur pourraient causer de graves lésions cérébrales, si l'onde se propageant dans le cerveau a des composantes de fréquence comprises entre 20 et 40 Hz6. Ainsi, il est important de comprendre les implications de l'ampleur de l'impact, ainsi que son comportement dépendant du temps, c'est-à-dire les composantes de fréquence des ondes de pression générées par l'impact. Le cerveau peut être considéré comme un milieu viscoélastique avec une géométrie complexe et complexe. Un impact sur le crâne crée des ondes progressives qui se propagent à différentes fréquences et différentes vitesses car la composition n'est pas homogène. Cela peut créer des concentrations de contraintes localisées et dépendantes du temps dans certaines régions du cerveau. Ainsi, la compréhension de la dynamique temporelle du cerveau lors de l'impact est essentielle pour déterminer la gravité d'une collision et ses conséquences à long terme. À cette fin, la modélisation du cerveau fait l'objet de recherches depuis les années 1940, lorsque Holbourn a proposé que le cerveau puisse être modélisé comme un système mécanique avec une entrée sous la forme d'un mouvement de la tête et un déplacement du cerveau comme sortie7. Il déclare également qu'en connaissant les propriétés physiques du cerveau, le comportement après un coup peut être étudié en utilisant les lois du mouvement de Newton. Depuis, les lésions cérébrales sont caractérisées par les signatures cinématiques de la tête, comme les travaux d'Ommaya et Gennarelli qui indiquent que les lésions cérébrales sont proportionnelles à l'accélération du pic et à la durée du pic8. Cela a conduit au développement de paramètres tels que Wayne State Tolerance Curve (WSTC)9, Gadd Severity Index (GSI)10 et Head Injury Criteria (HIC)11. Les progrès récents des techniques d'imagerie telles que l'imagerie du tenseur de diffusion (DTI) ont montré qu'il y a des changements dans la substance blanche dans le cerveau même dans le cas d'impacts répétitifs plus petits (c'est-à-dire non commotionnels)12. Ces changements se révèlent être le résultat d'un étirement excessif des axones qui, à leur tour, les endommage13. Il existe également des preuves suggérant que la tension dans les régions cérébrales profondes avec une densité élevée de fibres axonales est fortement corrélée avec une déficience cognitive ou une commotion cérébrale14. Des études ont montré que les déformations cérébrales (déformation) dépendent fortement de la fréquence de la charge d'entrée15, les ondes de cisaillement pénétrant plus profondément dans le cerveau à des fréquences plus basses. Récemment, Laksari et al. ont publié une expérience d'impact basée sur un cadavre qui identifie le pic de mouvement relatif du cerveau à environ 20 Hz6 et a également dérivé les caractéristiques spatio-temporelles du cerveau lors d'impacts à la tête à l'aide de techniques de décomposition de mode16. Cela impliquait l'utilisation de la décomposition en mode dynamique sur les déplacements nodaux du cerveau, où il a été constaté que les amplitudes de déplacement modal et les contraintes maximales dans le cerveau ont des fréquences comprises entre 20 et 40 Hz. Cette gamme relativement large est due à la non-homogénéité du cerveau, puisque différentes parties du cerveau ont des propriétés physiques différentes. Ce travail utilise également l'analyse modale pour comprendre la différence majeure entre les cas d'impact à la tête qui entraînent une perte de conscience et ceux qui n'en entraînent pas. L'intérêt premier de ce travail est de comprendre la fréquence des vibrations émises dans le cerveau humain lors d'un impact brutal. Pour étudier la fréquence des vibrations déclenchées dans le cerveau lors d'un impact brutal, nous utilisons un substitut cérébral développé par une équipe de chercheurs de la Michigan State University17. Ce modèle de système cérébral biofidèle, également appelé fantôme, a été utilisé dans de multiples expériences pour étudier les mécanismes de blessure possibles d'un TBI. Le fantôme a été conceptualisé pour la première fois par Miller et al. où ils ont effectué des simulations informatiques sur le modèle afin d'étudier les corrélations de surpression de souffle avec le TBI. Leur représentation tridimensionnelle consiste en un modèle simpliste et idéalisé d'un cerveau humain, comme le montrent les figures 1b et c. Ce modèle démontre les caractéristiques de taille globale du cerveau humain avec les interactions des sulci et des gyri (plis et rainures). Ce fantôme a été examiné et vérifié par un neurologue certifié qui a confirmé la similitude phénoménologique avec un vrai cerveau18. Le modèle informatique a pu montrer des contraintes plus élevées dans les interfaces et les plis cérébraux, soutenant l'hypothèse selon laquelle le TBI blastique cause plus de dommages dans les sulci et les gyri18. Pour construire un fantôme cérébral adapté aux expériences, Wermer et al. ont étudié différents matériaux pour déterminer le meilleur représentant biofidèle de la matière cérébrale. Leur étude comprenait du polyacrylamide (PAA), de la peau/os bovin et de la gélatine balistique sur lesquels ils ont effectué des tests mécaniques de tension, de compression et de cisaillement. Ces propriétés mécaniques ont été comparées aux valeurs de la littérature pour les tissus cérébraux humains et porcins. Le PAA s'est avéré préférable pour simuler le tissu cérébral en raison de ses multiples propriétés matérielles et de sa facilité de fabrication19. En utilisant cette gélatine et la géométrie susmentionnée, Kerwin et al. ont réalisé une étude expérimentale où le substitut de tête a été placé dans une plaque flexible et soumis à un impact contondant et une cavitation présumée (création et effondrement de bulles de vapeur dans le liquide) a été observée entre les sillons du cerveau. Il s'agissait de la première observation de cavitation dans une expérience en dehors des modèles informatiques en raison d'un traumatisme crânien. Cette observation a été possible grâce à la géométrie giratoire de ce fantôme, ce que d'autres modèles expérimentaux n'ont pas pu reproduire17. Bien que le fantôme cérébral utilisé dans ce travail ne simule pas complètement un vrai cerveau avec des cavités ventriculaires, des différences de lobes et d'autres facteurs anatomiques, sa géométrie actuelle a rendu possible des expériences de visualisation de la mécanique cérébrale qui contribuent à la connaissance des mécanismes TBI.

(a) Tour de chute avec le placement de l'arrangement du fantôme et du cou. (b) IRM d'un homme en bonne santé de 35 ans et (c) section extrudée pour la conception par ordinateur. Adapté de18. (d) Moule utilisé pour créer le fantôme cérébral. (e) Fantôme cérébral avec des particules de sable finies intégrées.

L'objectif de ce travail est d'étudier deux méthodes différentes pour obtenir la fréquence des vibrations lors d'un impact sur le cerveau. L'un d'eux utilise un nano-générateur de ferroélectret flexible (FENG) comme capteur invasif - qui fournit un signal électrique en réponse à la pression (ou au stress) appliqué - et l'autre utilise le suivi d'images de particules pour obtenir une contrainte. Le FENG a été validé dans le passé comme microphone par Li et al.20 et Dsouza et al.21 et dans les applications de détection de pression par Cao et al.22, ces cas d'utilisation sont similaires à celui appliqué dans ce travail. Pour valider à la fois le PIV et le FENG, le capteur flexible est placé dans une région du cerveau similaire à celle où les images de particules sont suivies. Les résultats des deux approches sont normalisés et comparés dans le domaine fréquentiel à l'aide d'une transformée de Fourier rapide (FFT) pour mettre en évidence les fréquences de vibration. Ces informations fourniront des informations dépendantes du temps sur une onde traversant le cerveau et joueront un rôle clé dans l'identification de la gravité d'un impact donné, aidant ainsi à l'évaluation et au diagnostic.

La configuration comprend trois composants principaux : (1) un objet de test biofidèle (ci-après dénommé le « fantôme »), qui représente le cerveau humain ; (2) un dispositif FENG, qui sert de capteur de vibration invasif ; et (3) une configuration d'acquisition de données utilisée pour surveiller la sortie du signal électrique du dispositif FENG lors de l'impact, ainsi que pour capturer des images de particules intégrées dans le fantôme. Des expériences ont été réalisées dans une tour de largage construite sur mesure, comme illustré à la Fig. 1a. Le système est destiné à impacter le fantôme avec une charge en chute libre (2,5 kg libérés à 0,5 m du sujet), produisant un impact d'accélération linéaire qui permet plus de contrôle sur la cinématique souhaitée. Une charge en chute libre entraîne un impact significatif qui permet toujours de multiples tests sans endommager l'intégrité structurelle du fantôme. Puisque la position initiale de la masse était au repos, des calculs de conservation d'énergie ont été effectués pour convertir cette énergie potentielle en énergie cinétique lors de l'impact. Les valeurs théoriques sont présentées dans le tableau 1, où les pertes par frottement et traînée sont négligées.

Le sujet utilisé dans cette étude consiste en le modèle d'un cerveau humain illustré aux figures 1b et c, tel qu'introduit dans la section précédente. La vue en coupe dans le plan axial du cerveau est extrudée pour simuler le volume total du cerveau, créant une conception assistée par ordinateur qui a été utilisée pour créer un moule, comme illustré à la Fig. 1d. Pour simuler le tissu cérébral, l'hydrogel PAA a été utilisé à une concentration pondérale de 10 %, ce qui représente la substance blanche du cerveau. Le sujet a été créé à partir de 60 g d'acrylamide (pureté \(\ge \) 98 %, chromatographie en phase gazeuse, Sigma-Aldrich, USA) dissous dans 600 ml d'eau déminéralisée (DI). Puis 2 g de N,N'-méthylènebis (MBA, pureté 99%, Sigma-Aldrich, USA) ont été ajoutés et on a laissé homogénéiser en agitant de temps en temps. Une fois dissous, 0,52 g de persulfate d'ammonium (APS, pureté \(\ge \) 98%, Sigma-Aldrich, USA) ont été mélangés. Le temps de polymérisation a été accéléré en ajoutant 0,6 ml de N,N,N',N'-tétraméthyléthylènediamine (TEMED, ReagentPlus, 99%, Sigma-Aldrich, USA). Cette solution a ensuite été versée dans le moule remplissant environ la moitié de la largeur d'extrusion et laissée se solidifier. Une fois durcie, une couche de particules de sable de la taille d'un micron est dispersée de manière aléatoire à des fins de visualisation. Enfin, une autre solution de 600 ml a été préparée et ajoutée pour obtenir le modèle de tissu cérébral illustré à la Fig. 1e.

Enfin, le modèle de cerveau PAA est placé à l'intérieur d'un crâne en poly(acide lactique) (PLA) imprimé en 3D avec un remplissage rectiligne à 50 % qui représente la composition osseuse du crâne d'un os spongieux (diploë) entre deux couches d'os compact. Les côtés de ce crâne en PLA sont scellés avec des fenêtres en acrylique pour permettre l'imagerie, et le modèle PAA est libre de se déplacer à l'intérieur du crâne rempli d'eau DI pour simuler le liquide céphalo-rachidien (CSF)23. Le modèle de tête a été finalisé en attachant le crâne en PLA à un col Hybrid-III avec un coin personnalisé, comme illustré à la Fig. 1a. En raison du processus de fabrication, ce fantôme ne tient pas compte des lobes individuels et des contraintes qui pourraient se produire entre eux. De plus, la physiologie ventriculaire n'est pas prise en compte, un concept qui est envisagé pour les futures conceptions de fantômes. Le crâne imprimé en 3D à 50 % de remplissage présente des caractéristiques physiologiques similaires à celles d'un crâne humain en ayant un centre poreux entouré de coques solides extérieures. Cependant, une seule géométrie de taille et de volume a été utilisée, représentant le 50e centile pour un humain mâle biologique.

Le dispositif se compose de FENG, qui est formé d'un film piézoélectret flexible et fin en polypropylène (PP) avec des "quasi-dipôles" à l'échelle micrométrique sur toute son épaisseur et des électrodes sur les deux surfaces, comme illustré à la Fig. 2a. Des détails sur la fabrication et le fonctionnement de ces dispositifs FENG peuvent être trouvés ailleurs24. En bref, l'application d'une contrainte mécanique remodèle les dipôles internes de taille macro, générant une accumulation de charge dans les électrodes, entraînant ainsi une sortie électrique sous la forme d'une différence de potentiel électrique entre les électrodes, ou le flux de charge à travers une charge connectée entre ces électrodes (c'est-à-dire tension ou courant)25. Ce phénomène est communément appelé "quasi-piézoélectricité", et ces dispositifs se sont avérés utiles dans une grande variété d'applications telles que les haut-parleurs, les microphones20,26, la surveillance de la santé structurelle27 et la récupération d'énergie28. Le FENG a également été utilisé dans le développement d'un patch auto-alimenté flexible pour estimer la cinématique de rotation de la tête et ainsi aider à la prédiction des commotions cérébrales29. La conformité mécanique, la taille globale et la sensibilité plus élevée par rapport à d'autres capteurs flexibles font des dispositifs FENG des candidats appropriés pour mesurer les vibrations à l'intérieur du fantôme.

La surface du FENG utilisé dans ce travail est de 2 cm x 2 cm, avec une épaisseur de \(\sim \) 100 μm. Le FENG et les connexions électriques doivent être isolés afin de le protéger du liquide céphalo-rachidien, qui est représenté par l'eau dans ces expériences. Ceci est réalisé en enduisant le FENG avec du ruban électrique liquide disponible dans le commerce et en utilisant du fil de cuivre émaillé pour assurer des bornes à profil très bas, comme illustré à la Fig. 2b. Le FENG isolé est ensuite soigneusement intégré dans la gélatine PAA, comme illustré à la Fig. 2b, créé avec la procédure expliquée dans la section précédente. Cet emplacement a été choisi sur la base des recherches menées par Okamoto et al.15. Cette étude montre que le déplacement de l'onde AP (Antérieur-Postérieur) était le plus élevé dans cette région comme le montre la figure 2b. Les bornes sont retirées du fantôme tout en s'assurant que le fantôme reste scellé pendant l'impact.

(a) FENG après dépôt d'électrode métallique et coupe transversale montrant les vides et l'électrode d'argent, et (b) après enduit de ruban électrique liquide et placé à l'intérieur du fantôme cérébral. (c) Circuit d'amplification en mode charge auquel la sortie FENG est alimentée.

Deux ensembles de matériel d'acquisition de données ont été utilisés dans cette expérience. Les signaux électriques du FENG ont été enregistrés à l'aide d'un système d'acquisition de données de National Instruments (NI-DAQ 6003) en conjonction avec LabVIEW à 50 000 SPS (échantillons par seconde). La réponse en tension du FENG est d'abord transmise à l'amplificateur en mode charge, comme illustré à la Fig. 2c, et la sortie de cet amplificateur en mode charge est envoyée au NI-DAQ pour l'enregistrement des données. Ce processus isole la réponse de tension du système (gain) des capacités parasites, telles que celles créées par les connexions et les câbles des instruments. Toutes les données mesurées sont dans le domaine temporel, mais une transformée de Fourier rapide est utilisée pour l'analyse de fréquence.

Les images du fantôme biofidèle sont capturées à l'aide d'une caméra ultra-rapide (Phantom V2512 Series) à 25000 images par seconde (fps) avec des paramètres de pleine résolution (1280 \(\times \) 800 pixels). Un réseau composé d'une LED haute intensité (LaVision VI-Strobe LED 120W v2, Göttingen, Allemagne), d'une lentille concave et d'une feuille de diffusion a été utilisé pour fournir un rétroéclairage et capturer les images pendant la durée de l'impact (Fig. 3a). Le cadre de la caméra couvre une zone d'environ 100 mm de large sur 60 mm de haut, qui englobe la majorité du fantôme comme on le voit sur la figure 3b. La résolution de l'image de la caméra était de 0,08 mm/pixel en unités réelles/machine. Le traitement des images à l'aide de la vélocimétrie d'images de particules (PIV) est décrit dans la section suivante "Mise en œuvre de la vélocimétrie d'images de particules".

(a) Vue latérale de la configuration mettant l'accent sur le réseau de LED et la caméra. (b) Exemple d'image capturée par la caméra. Les particules fines sont clairement visibles sur cette image.

PIV est généralement utilisé pour calculer le champ de vitesse dans les écoulements de fluide. À cette fin, PIV utilise un algorithme basé sur la FFT pour calculer la corrélation croisée entre les régions correspondantes d'images consécutives30,31. Cet algorithme est appliqué ici à des images de particules traceurs noyées dans un matériau viscoélastique32. Après normalisation par la taille de grille, ce champ de vitesse est une mesure directe du champ de vitesse de déformation instantanée. La fréquence d'images utilisée pour cette mesure du champ de taux de déformation était de 2500 images par seconde. Cette cadence a été choisie de manière à résoudre fidèlement les paramètres d'intérêt pour une fenêtre d'interrogation donnée. L'analyse PIV a été effectuée dans la même région d'intérêt général (ROI) dans laquelle le FENG a été intégré. Ce retour sur investissement est délimité par la région au carré bleu sur la figure 4 ; et le temps à l'intérieur de la boîte représente le temps écoulé depuis la chute du fantôme cérébral. Tout en dehors du retour sur investissement a été éliminé de la figure avec un masque binaire.

(a) Image du fantôme après l'impact avec un champ vectoriel de déplacement superposé représenté par des flèches vertes. (b) Vitesse apparente moyenne instantanée du fantôme décomposée en composantes u et v. (c) La région d'intérêt (ombrée en bleu) suit le mouvement en vrac.

L'outil a été appliqué sur une fenêtre d'interrogation initiale de 256 \(\times \) 256 pixels, puis décroissante de 50% jusqu'à atteindre une fenêtre de 16 pixels \(\times \) 16 pixels. Bien qu'une fenêtre d'interrogation initiale soit généralement plus petite, la taille choisie a permis le suivi des particules même lorsque la tête de substitution s'est déplacée de manière significative. Les vecteurs parasites dans la région d'intérêt ont été filtrés à l'aide de la validation basée sur l'image qui prend en compte des caractéristiques telles que le contraste dans une région donnée et la validation basée sur la vitesse où les vecteurs de vitesse erronés exceptionnels peuvent être ignorés. Le taux de déformation entre les cadres consécutifs a été extrait de l'application PIVLab et importé dans une base de données pour une analyse informatique (voir la méthode 1 dans le matériel supplémentaire).

Le substitut de tête étant fixé à un cou mécanique flexible, il est libre de sortir de sa position initiale dans le champ de vision de la caméra. Pour résoudre ce problème, un code interne a été utilisé pour suivre les déformations locales d'une région spécifique du cerveau. La région d'intérêt choisie se déplace à chaque image en fonction de la moyenne des composantes de vitesse u et v, et est expliquée plus en détail dans la section "Résultats". Cette information a été utilisée pour calculer le taux de déformation moyen dans cette région d'intérêt.

Afin d'obtenir la souche à l'aide de l'analyse PIV, il est essentiel de suivre le mouvement en vrac du fantôme afin d'obtenir la souche à partir d'une région d'intérêt constante.

Ceci est effectué à l'aide de la "vitesse v" et de la "vitesse u" moyennes obtenues sur toute la zone de calcul, comme indiqué par la région noire sur la figure 4a (la région ombrée en rouge est négligée). Ces vitesses sont représentées sur la figure 4b. La figure 4c montre les images capturées à partir de différentes instances dans le temps avec une région bleue superposée mettant en évidence le suivi du mouvement en vrac à l'aide de vitesses moyennes. Le taux de déformation de cette région d'intérêt est obtenu sur chaque image et est illustré à la Fig. 5a, avec la déformation, qui est calculée à partir du taux de déformation. Cette déformation est ensuite utilisée pour analyser la modalité des déformations. Les intervalles de temps basse fréquence et haute fréquence sont mis en évidence dans le même graphique.

( a ) Souche et taux de déformation dérivés de l'analyse PIV. (b) (en haut) Strain obtenu à partir de PIV et l'intégrale de tension à partir du FENG. (0–6 ms) en bas) FFT de déformation obtenue à partir de PIV et l'intégrale de tension à partir du FENG. (c) (en haut) Réponse de déformation et de tension normalisée du FENG entre 160 et 260 ms après l'impact. bot) FFT de déformation et de tension normalisées.

Afin de valider les résultats du PIV, nous observons les contraintes générées par l'onde de choc qui se propage lors de l'impact. Ceci est illustré à la Fig. 6. La progression de la tension sur le tissu cérébral peut être trouvée dans les vidéos supplémentaires 2 et 3.

Quatre cadres et leur tracé de surface correspondant pour interpréter la progression de l'onde de choc. t = 0 représente le moment de l'impact et progresse dans le sens des aiguilles d'une montre.

La nature visco-élastique du cerveau entraîne une relation non linéaire, dépendante de la fréquence, entre le stress et la déformation33. Le dispositif FENG fournit des signaux de tension en réponse à la contrainte, tandis que l'analyse PIV capture la contrainte. Ainsi, l'étude des résultats de ces deux approches fournira des informations utiles sur la relation stress-déformation non linéaire du cerveau. Un matériau viscoélastique Kelvin-Voigt peut être modélisé électriquement comme une source de courant constant en série avec un circuit résistance-condensateur (RC) parallèle34. Dans cette analogie, la source de courant représente la contrainte appliquée et la tension aux bornes du condensateur représente la contrainte.

Lorsque la contrainte change lentement, c'est-à-dire une entrée de fréquence relativement basse, la déformation suit la contrainte. Ceci est similaire à la façon dont la tension aux bornes d'un condensateur dans un circuit RC est en phase avec l'entrée. Cependant, lorsque la contrainte change à un rythme plus élevé, la contrainte est en retard, ce qui suit à nouveau le comportement d'un circuit RC. Cela peut également être assimilé à un circuit intégrateur, où une entrée d'onde carrée dans le circuit RC produit une sortie d'onde triangulaire. Les composantes à haute fréquence de l'onde progressive se produisent pendant la phase initiale de l'impact, lorsque le cerveau se comporte principalement comme un milieu visqueux. Ceci est étayé par la corrélation positive du domaine temporel et de la FFT de la souche obtenue à partir de PIV et de l'intégration numérique de la réponse de FENG, comme le montre la figure 5b. Les FFT sont corrélées de 0,795 (Pearson's R). De même, le domaine des basses fréquences peut être observé après \(\sim 160ms\) après l'impact lorsque le cerveau commence à osciller autour de sa fréquence naturelle. La tension et la contrainte normalisées après ce laps de temps, ainsi que les FFT correspondantes, sont illustrées à la Fig. 5c. Dans les deux spectres de fréquences, on constate que les fréquences dominantes sont comprises entre 15 Hz et 60 Hz, avec un pic autour de 25 Hz. Il existe d'autres fréquences plus élevées présentes dans la réponse en tension du FENG qui pourraient être générées à partir des oscillations locales du gyri. Néanmoins, les spectres ont une corrélation de 0,82 (Pearson's R). Cela confirme que le cerveau présente un comportement plus élastique.

Cette corrélation positive élevée soutient que le FENG, bien qu'invasif, peut être utilisé pour étudier les fréquences des vibrations cérébrales sous toute forme d'impact contondant. Le FENG implique des circuits de conditionnement de signal mineurs et du matériel d'acquisition de données pour capturer les différentes mesures autour des études d'impact. Le PIV est non invasif, mais la configuration est plus complexe, impliquant plus d'équipements (par exemple, une caméra haute vitesse) et étant plus sensible aux paramètres de test (par exemple, l'éclairage). En outre, il repose sur le fait que le sujet a un déplacement minimal afin qu'il ne sorte pas des limites du cadre ; une situation qui se produit principalement avec des ampleurs d'impact plus importantes.

Le domaine de la compréhension des traumatismes crâniens n'a cessé d'évoluer. Plusieurs hypothèses ont été proposées jusqu'à présent à l'aide d'études basées sur des cadavres, de simulations par éléments finis et de substituts cérébraux biofidèles, chaque expérience conduisant à une amélioration de la définition des marqueurs pour identifier de manière fiable le type et l'étendue des lésions cérébrales. Dans le même ordre d'idées, ce travail présente deux méthodes pour comprendre la modalité des vibrations cérébrales qui se déclenchent dans un fantôme cérébral lorsqu'il est soumis à un impact contondant. Le PIV, étant une configuration non invasive mais plus volumineuse, et le FENG, une configuration invasive mais simple, présentent un grand potentiel pour les études de cette nature. Ces méthodes proposées peuvent être utilisées pour caractériser un ensemble d'impacts contondants à travers des intensités, des emplacements et des angles d'impact variables par rapport à la modalité des déformations qui sont excitées dans le fantôme. Bien que le fantôme actuel ne tienne pas compte de la diversité de la physiologie cérébrale, les futures versions tiendront compte des propriétés individuelles spécifiques aux lobes. Ces résultats, associés aux théories existantes, permettront de mieux comprendre les lésions cérébrales traumatiques.

Les ensembles de données utilisés et/ou analysés au cours de la présente étude sont disponibles dans le fichier Excel inclus dans la section matériel supplémentaire.

Faul, M., Xu, L., Wald, M. et Coronado, V. Lésion cérébrale traumatique aux États-Unis. Atlanta, GA : Centres de contrôle et de prévention des maladies. Natl. Blessure centrale Préc. Contrôle 16(1), 268 (2010).

Google Scholar

McCrea, M., Hammeke, T., Olsen, G., Leo, P. et Guskiewicz, K. Commotion cérébrale non signalée chez les joueurs de football du secondaire : implications pour la prévention. Clin. J. Sport Med. 14(1), 13–17 (2004).

Article PubMed Google Scholar

Lehman, EJ, Hein, MJ, Baron, SL & Gersic, CM Causes de décès neurodégénératives chez les joueurs retraités de la ligue nationale de football. Neurologie 79 (19), 1970–1974. https://doi.org/10.1212/WNL.0b013e31826daf50 (2012).

Article PubMed PubMed Central Google Scholar

Sundman, MH, Hall, EE et Chen, N.-K. Examen de la relation entre les traumatismes crâniens et les maladies neurodégénératives : un examen des techniques d'épidémiologie, de pathologie et de neuroimagerie. J. Alzheimers Dis. Parkinsonisme 4(1), 1–21. https://doi.org/10.4172/2161-0460.1000137 (2014).

Article Google Scholar

Qu'est-ce qu'une commotion cérébrale ? Centres de contrôle et de prévention des maladies (2019)

Laksari, K., Wu, LC, Kurt, M., Kuo, C. & Camarillo, DC Résonance du cerveau humain sous l'accélération de la tête. JR Soc. Interface 12(108), 20150331 (2015).

Article PubMed PubMed Central Google Scholar

Holbourn, A. Mécanique des traumatismes crâniens. Lancet 242 (6267), 438–441 (1943).

Article Google Scholar

Ommaya, AK & Gennarelli, T. Commotion cérébrale et inconscience traumatique : corrélation des observations expérimentales et cliniques sur les traumatismes crâniens contondants. Cerveau 97(4), 633–654 (1974).

Article CAS PubMed Google Scholar

Gurdjian, ES, Lange, WA, Patrick, LM et Thomas, ME : Blessures par impact et protection contre les collisions. LWW (1970)

Gadd, CW Utilisation d'un critère d'impulsion pondérée pour estimer le risque de blessure (rapport technique, document technique SAE, 1966).

Eppinger, R., Kuppa, S., Saul, R. & Sun, E. Supplément : Développement de critères de blessure améliorés pour l'évaluation des systèmes de retenue automobiles avancés : Ii. NHTSA (2000)

Narayana, PA Modifications de la substance blanche chez les patients atteints de lésions cérébrales traumatiques légères : perspective IRM. Commotion 2(2), 35 (2017).

Article Google Scholar

Bazarian, JJ et al. Modifications persistantes et à long terme de la substance blanche cérébrale après des impacts répétitifs sur la tête liés au sport. PLoS ONE 9(4), 94734 (2014).

Annonces d'article Google Scholar

Kleiven, S. Prédicteurs de lésions cérébrales traumatiques évalués par des reconstructions d'accidents. Stapp Car Crash J. 51(1), 81–114 (2007).

Google Scholar PubMed

Okamoto, RJ, Romano, AJ, Johnson, CL & Bayly, PV Aperçu des lésions cérébrales traumatiques par IRM du mouvement cérébral harmonique. J. Exp. Neurosci. 13, 1179069519840444 (2019).

Article PubMed PubMed Central Google Scholar

Laksari, K., Kurt, M., Babaee, H., Kleiven, S. et Camarillo, D. Aperçus mécanistes de la dynamique de l'impact sur le cerveau humain grâce à l'analyse modale. Phys. Rév. Lett. 120(13), 138101 (2018).

Article ADS CAS PubMed Google Scholar

Kerwin, J. et al. Cavitation sulcale dans l'accélération linéaire de la tête : corrélation possible avec l'encéphalopathie traumatique chronique. Devant. Neurol. 13, 56 (2022).

Article Google Scholar

Miller, ST et al. Localisation des modèles cliniques de lésions cérébrales traumatiques par explosion grâce à la modélisation et à la simulation informatiques. Devant. Neurol.https://doi.org/10.3389/fneur.2021.547655 (2021).

Article PubMed PubMed Central Google Scholar

Wermer, A. et al. Caractérisation des matériaux des simulants crâniens pour les lésions cérébrales traumatiques induites par le souffle. Mil. Méd. 185(Supplément1), 205–213 (2020).

Article PubMed Google Scholar

Li, W. et al. Haut-parleur ou microphone à patch mince à double fonction et auto-alimenté basé sur un nanogénérateur pour l'électronique flexible. Nat. Commun. 8, 15310 (2017).

Article ADS CAS PubMed PubMed Central Google Scholar

Dsouza, H., Wheeler, J. & Sepulveda, N. : Nanogénérateurs ferro-électrets comme microphones flexibles. En 2019 CAPTEURS IEEE 1–4 (IEEE, 2019).

Cao, Y., Shi, H., Tan, X. & Sepúlveda, N. Activation de la détection de pression négative via un dispositif ferroélectret. IEEE Sens. Lett. 6(8), 1–4 (2022).

Article CAS Google Scholar

Kenner, VH & Goldsmith, W. Impact sur un modèle physique simple de la tête. J. Biomech. 6(1), 1–11. https://doi.org/10.1016/0021-9290(73)90032-8 (1973).

Article CAS PubMed Google Scholar

Li, W., Torres, D., Wang, T., Wang, C. et Sepúlveda, N. Nanogénérateur de ferroélectret en polypropylène flexible et biocompatible (FENG) : sur la voie des dispositifs portables alimentés par le mouvement humain. Nano Energy 30, 649–657 (2016).

Article CAS Google Scholar

Pastrana, J. et al. Effets d'électrode sur des dispositifs de ferroélectret en polypropylène flexibles et robustes pour des récupérateurs d'énergie entièrement intégrés. ACS Appl. Mater. Interfaces 12(20), 22815–22824 (2020).

Article CAS PubMed Google Scholar

Dsouza, H. et al. Nanogénérateurs de ferroélectret pour les applications de haut-parleur : une étude approfondie. J. Sound Vib. 468, 115091 (2020).

Article Google Scholar

Cao, Y. & Sepúlveda, N. Conception d'un gyroscope piézoélectrique flexible pour la surveillance de la santé structurelle. Appl. Phys. Lett. 115(24), 241901 (2019).

Annonces d'article Google Scholar

Cao, Y. et al. Polymère ferroélectret flexible pour dispositifs auto-alimentés et systèmes de stockage d'énergie. ACS Appl. Mater. Interfaces 11(19), 17400–17409 (2019).

Article CAS PubMed Google Scholar

Dsouza, H. et al. Capteurs flexibles et auto-alimentés pour estimer la cinématique de la tête humaine relative aux commotions cérébrales. Sci. Rep. 12(1), 1–8 (2022).

Article Google Scholar

Grant, I. Vélocimétrie par image de particules : Une revue. Proc. Inst. Méca. Ing. C J. Mech. Ing. Sci. 211(1), 55–76. https://doi.org/10.1243/0954406971521665 (1997).

Article Google Scholar

Willert, G. Vélocimétrie numérique par image de particules. Exp. Fluides 10(4), 181–193. https://doi.org/10.1007/BF00190388 (1991).

Article Google Scholar

Budday, S., Sommer, G., Holzapfel, GA, Steinmann, P. & Kuhl, E. Identification des paramètres viscoélastiques du tissu cérébral humain. J. Mech. Comportement Biomédical. Mater. 74, 463–476. https://doi.org/10.1016/j.jmbbm.2017.07.014 (2017).

Article CAS PubMed Google Scholar

Budday, S., Sommer, G., Holzapfel, G., Steinmann, P. & Kuhl, E. Identification des paramètres viscoélastiques du tissu cérébral humain. J. Mech. Comportement Biomédical. Mater. 74, 463–476 (2017).

Article CAS PubMed Google Scholar

Greene, PR & Medved, V. Analogues électriques pour les matériaux viscoélastiques Kelvin & Maxwell : applications à la cornée et à la sclérotique

Télécharger les références

Génie électrique et informatique, Michigan State University, 428 S Shaw Lane, East Lansing, MI, 48824, États-Unis

Henry Dsouza, Ian Gonzalez Afanador, Gerardo Morales Torres et Nelson Sepúlveda

Génie mécanique, Michigan State University, East Lansing, MI, 48824, États-Unis

Bianca M. Davila-Montero & Ricardo Mejia-Alvarez

State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou, 310027, Zhejiang, Chine

Yunqi Cao

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

HD a conçu des expériences et analysé les résultats, BD a aidé à la conception des expériences et à la collecte de données, IG a aidé à l'analyse des données, GM a aidé à l'instrumentation pour la collecte de données, YC a aidé à l'interprétation des données et à l'analyse des résultats, RM et NS ont fourni un aperçu général, des idées et aidé à l'analyse des données. Chaque auteur a contribué à la préparation du manuscrit (y compris l'évaluation des données) et a révisé la version finale du manuscrit.

Correspondance à Nelson Sepúlveda.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Informations supplémentaires 1.

Informations supplémentaires 2.

Informations supplémentaires 3.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Dsouza, H., Dávila-Montero, BM, Afanador, IG et al. Mesure des vibrations sur un cerveau biofidèle à l'aide d'un nanogénérateur ferroélectret. Sci Rep 13, 8975 (2023). https://doi.org/10.1038/s41598-023-35782-5

Télécharger la citation

Reçu : 02 décembre 2022

Accepté : 23 mai 2023

Publié: 02 juin 2023

DOI : https://doi.org/10.1038/s41598-023-35782-5

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.