MARC

 008260203s2023        us                              c    eng  d
■001000017365890
■00520260209102849
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798291563762
■035    ▼a(MiAaPQ)AAI32271357
■035    ▼a(MiAaPQ)httphdlhandlenet2142121458
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a610
■1001  ▼aPineda  Guzman,  Roberto  Alonso.
■24510▼aDevelopment  of  Novel  Model  Materials  and  Non-Invasive  Microstructural  Imaging  Techniques  of  Connective  Soft  Tissues
■260    ▼a[Sl]▼bUniversity  of  Illinois  at  Urbana-Champaign▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a112  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Kersh,  Mariana  E.
■5021  ▼aThesis  (Ph.D.)--University  of  Illinois  at  Urbana-Champaign,  2023.
■520    ▼aOver  one  third  of  all  musculoskeletal  injuries  in  the  United  States  involve  connective  tissue  deterioration,  resulting  in  an  annual  incidence  of  more  than  10  million  injuries.  Despite  this  high  prevalence,  clinicians  have  limited  tools  to  diagnose  and  prevent  these  injuries.  With  the  help  of  tissue  biomechanics  and  biomedical  imaging,  novel  tools  can  be  developed  to  improve  the  clinical  care  of  patients  most  susceptible  to  joint  injuries.  Physical  joint  models  can  be  used  to  simulate  injury  diagnosis  tests  for  ligaments  and  tendons.  However,  materials  capable  of  replicating  tissue  mechanics  and  available  to  be  implemented  in  joint  models  are  lacking.  Diffusion  Tensor  Imaging  (DTI),  a  Magnetic  Resonance  Imaging  technique,  can  provide  non-invasive  assessments  of  brain  and  skeletal  muscle  but  requires  microstructural  validation  in  tendons  and  ligaments.  Therefore,  the  aim  of  this  thesis  was  to  (1)  develop  tissue-mimicking  model  materials  for  ligament  and  tendon,  (2)  assess  the  ability  of  DTI  to  detect  mechanically-induced  changes  in  tissue-mimicking  fiber  structures,  and  (3)  non-invasively  assess  fatigue-induced  damage  in  tendons  using  DTI.In  Aim  1,  a  material  construct  that  is  both  adaptable  to  a  physical  knee  model  and  capable  of  replicating  the  non-linear  mechanical  behavior  of  knee  ligaments  was  developed  with  the  use  of  helically  architected  acrylic  yarn.  The  microstructure  of  different  types  of  acrylic  yarn  were  measured  and  then  tested  under  uniaxial  tension.  While  the  fiber  twist  angle  was  similar  amongst  the  four  yarn  types  (range  =  17.9  -  18.8o),  one  yarn  was  distinct  with  a  low  ply  twist  angle  (15.2  짹  1.6  degrees)  and  high  packing  fraction  (過  =  0.32  짹  0.08).  Looped-yarn  constructs  were  made  to  modulate  the  sample's  toe  length  and  stiffness.  The  load-displacement  curve  of  the  construct  can  be  tuned  by  changing  the  loop  length  and  number  of  loops,  matching  the  load-displacement  curve  of  specific  knee  ligaments.  This  aim  shows  how  spun  yarn  can  be  used  to  replicate  the  mechanical  behavior  of  knee  ligaments,  creating  synthetic  ligament  constructs  that  could  enable  the  construction  of  biomechanically  realistic  joints.  These  yarn  constructs  also  have  the  potential  to  be  used  as  microstructural  imaging  phantoms  for  tendons  and  ligaments.Using  the  tissue-mimicking  material  developed  in  Aim  1,  the  ability  of  DTI  to  detect  microstructural  changes  caused  by  mechanical  loading  in  tissue-mimicking  helical  fiber  constructs  was  assessed  in  Aim  2.  Static  and  fatigue  loading  resulted  in  decreased  sample  diameter  and  a  re-alignment  of  the  macro-scale  fiber  twist  angle  similar  with  the  direction  of  loading.  However,  the  DTI  measurements  suggest  microstructural  differences  in  the  effect  of  static  versus  fatigue  loading  that  were  not  apparent  at  the  bulk  level.  Specifically,  static  load  resulted  in  an  increase  in  diffusion  anisotropy  and  a  decrease  in  radial  diffusivity  suggesting  radially-uniform  fiber  compaction,  while  fatigue  loads  resulted  in  increased  diffusivity  in  all  directions  and  a  change  in  the  alignment  of  the  principal  diffusion  direction  away  from  the  constructs  main  axis  suggesting  fiber  compaction  and  microstructural  disruptions  in  fiber  architecture.  These  results  provide  quantitative  evidence  of  the  ability  of  DTI  to  detect  mechanically-induced  changes  in  tissue  microstructure  that  is  not  apparent  at  the  bulk  level,  thus  confirming  it's  potential  as  a  non-invasive  measure  of  microstructure  in  helically  architected  collagen-based  tissues  such  as  ligament  and  tendon.To  validate  the  use  of  DTI  as  a  non-invasive  biomarker  of  tendon  and  ligament  health,  assessing  the  ability  of  DTI  to  detect  fatigue-induced  microstructural  damage  is  necessary.  Currently  for  Aim  3,  DTI  was  conducted  on  2  tendon  samples  before  and  after  subjecting  them  to  fatigue  loading,  and  the  changes  in  DTI  metrics  between  the  pre  and  post-fatigue  scans  were  assessed.  Regional  changes  in  the  DTI  metrics  of  the  tendons  were  observed  after  fatigue  loading.  Specifically,  a  decrease  in  diffusion  anisotropy  and  an  increase  in  diffusivity  was  observed  in  the  central  regions  of  the  tendons,  while  a  misalignment  of  the  principal  diffusion  direction  was  observed  in  the  outer  regions  of  one  of  the  tendons.  These  preliminary  results  suggest  that  DTI  metrics  are  capable  of  detecting  fatigue-induced  microstructural  changes  in  tendons.  However,  more  tendons  need  to  be  assessed  and  the  confirmation  of  collagen  fiber  disruptions  in  the  tissue  via  microscopy  are  needed  to  validate  these  preliminary  results.  Once  finished,  this  study  will  provide  a  comprehensive  evaluation  of  the  ability  of  DTI  to  detect  fatigue-induced  disruptions  in  the  collagen  fiber  microstructure  of  tendons.
■590    ▼aSchool  code:  0090.
■650  4▼aBiomedical  engineering
■650  4▼aMechanical  engineering
■650  4▼aMechanics
■653    ▼aSoft  tissues
■653    ▼aFibers
■653    ▼aMicrostructure
■653    ▼aTissue-mimicking
■653    ▼aDiffusion  Tensor  Imaging
■690    ▼a0548
■690    ▼a0541
■690    ▼a0346
■71020▼aUniversity  of  Illinois  at  Urbana-Champaign▼bMechanical  Sci  &  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0090
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17365890▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서