Nella prima parte del lavoro è stata svolta un’analisi computazionale agli elementi finiti volta a ricavare i valori di modulo elastico partendo dalle immagini micro-CT dei campioni. Il software ABAQUS ha consentito di simulare prove di compressione, prendendo in ingresso la mesh cubica del campione generata attraverso un codice sviluppato in ambiente MATLAB. Trattandosi di campioni di osso trabecolare bovino ed equino, i valori di modulo elastico trovati sono risultati in linea con quelli riportati in letteratura38,37: è, quindi, possibile affermare che la simulazione di una prova di compressione su un modello agli elementi finiti di un campione cubico di osso trabecolare costituisca un metodo efficace per caratterizzare meccanicamente l’osso. Tuttavia, potrebbe essere utile approfondire il codice MATLAB utilizzato (sviluppato nell’ambito di un precedente lavoro di tesi)29 affinché si possa rendere arbitraria la scelta del fattore di compressione della mesh: al momento i valori ammessi per k sono 2, 3 o 6 ma potrebbe essere interessante utilizzare gradi di compressione intermedi oppure superiori al 6. La scelta del fattore di compressione determina il numero di elementi della mesh e quindi il costo computazionale della simulazione oltre che il grado di dettaglio della mesh stessa. Inoltre, sarebbe utile poter studiare un dominio non necessariamente cubico ma parallelepipedo.
L’analisi effettuata, invece, con il software ImageJ (Fiji) ha consentito di estrarre i parametri istomorfologici dei campioni a partire dalle loro immagini di micro-CT. I valori di modulo elastico sperimentali e computazionali trovati in precedenza sono stati correlati con tali parametri istomorfologici per studiare il comportamento meccanico dei provini di osso trabecolare in esame. Come osservato, coerentemente con le aspettative, i campioni con un maggiore BV/TV e caratterizzati da un maggior spessore trabecolare presentano una rigidezza maggiore.
La seconda parte del lavoro ha riguardato l’analisi ottica delle deformazioni ottenute attraverso la tecnica di correlazione di immagine 2D-DIC. Il sistema di acquisizione è costituito da una fotocamera collegata ad uno stereomicroscopio Nikon SMZ800 e dal
131 software Nikon NIS-Elements D che permettono in acquisire le immagini del campione in corrispondenza delle rampe di carico. Il software di correlazione di immagini Ncorr 2D- DIC MATLAB permette di trovare le deformazioni subite dal campione analizzando le variazioni nel pattern superficiale realizzato con polvere di toner e balsamo. Confrontando tali deformazioni con quelle ottenute nelle prove di compressione con endcaps nello stesso intervallo in cui erano acquisite le immagini si osserva un andamento simile ma con valori inferiori rispetto a quelli ricavati sperimentalmente.
Occorre, pertanto, sottolineare che il protocollo di prova è applicabile a campioni di tessuto biologico caratterizzati da una bassa viscoelasticità (come l’osso), altrimenti durante l’intervallo di tempo necessario per l’acquisizione dell’immagine, il campione rilasserebbe alterando, quindi, i risultati della prova.
Il principale vantaggio della tecnica 2D-DIC consiste nell’utilizzo di strumenti che non vanno a diretto contatto con il campione, eliminando quindi il rischio di alterare le sue proprietà meccaniche.
L’applicazione del toner sulla superficie del campione riveste un ruolo determinante per l’ottenimento di risultati attendibili in quanto il software non sarebbe in grado di analizzare lo stato di deformazione senza un’elevata brillantezza ed un adeguato contrasto delle immagini. Nel presente lavoro, l’elevata porosità dei campioni non ha consentito di applicare il pattern superficiale in maniera ottimale; di conseguenza, alcuni dei valori restituiti appaiono sovrastimati. È, dunque, una tecnica che può trovare migliore applicazione per campioni di osso corticale, caratterizzati da una superficie più omogenea. Un possibile sviluppo futuro potrebbe essere l’utilizzo di uno stereomicroscopio dotato di una risoluzione più elevata e quindi in grado di detectare in modo più accurato le variazioni nel pattern superficiale. Inoltre, potrebbe essere interessante utilizzare la tecnica 3D-DIC che, sfruttando un sistema di più telecamere, permette di misurare i profili 3D e le deformazioni di superfici planari e curve.
132
Ringraziamenti
Un sentito ringraziamento alla Prof.ssa Federica Boschetti i cui insegnamenti e la cui disponibilità sono stati indispensabili non solo per la realizzazione di questo lavoro ma anche per acquisire un approccio scientifico ed affrontare le difficoltà sempre con la lucidità e la fiducia necessarie.
Un ringraziamento particolare al Prof. Pasquale Vena che, con grande disponibilità, mi ha fornito gli strumenti per la realizzazione della parte computazionale dello studio mantenendo un ruolo di attiva collaborazione per tutta la durata del lavoro.
Ringrazio inoltre l’Ing. Marco Stefanati del LaBS del Politecnico di Milano che mi ha installato ed insegnato ad utilizzare il software per effettuare l’analisi con la tecnica di correlazione d’immagine rimanendo sempre a disposizione anche per la successiva interpretazione dei risultati.
Ringrazio, inoltre, i docenti del corso di studi in Ingegneria Biomedica per gli insegnamenti che mi hanno trasmesso, di cui farò certamente tesoro per la mia futura carriera lavorativa.
Mi sento di ringraziare le amiche “milanesi” Anna, Elettra, Federica, Gaia, Greta, Sara, Sofia e Valentina: avete contribuito ad “alleggerire” le mie giornate di studio e reso il collegio un luogo in cui avevo piacere alla sera ritornare.
Grazie anche alle amiche e compagne di università Gabriella, Giorgia e Simona che mi hanno aiutata in vario modo nel corso di questi anni. Un grazie particolare ad Elisa per la disponibilità dimostrata durante lo svolgimento della parte sperimentale del lavoro.
Ringraziamenti speciali sono rivolti ai miei genitori e ai miei nonni che mi hanno sempre incoraggiata, tenendomi compagnia nei lunghi weekend trascorsi in casa a studiare; un grazie “specialissimo” a Luca per l’affetto che mi ha dimostrato in tutti questi anni rimanendomi sempre vicino, aiutandomi a superare le difficoltà e facendomi sempre trascorrere i migliori momenti di svago.
133
Bibliografia
1. Redaelli A., Montevecchi F. Biomeccanica. Analisi multiscala di tessuti biologici. Pàtron Editore - Bologna; 2007.
2. Martini F.H., Timmons M.J., Tallitsch R.B. Anatomia umana. EdiSES; 2010.
3. Bedini R., Marinozzi F., Pecci R. et al. Analisi microtomografica del tessuto osseo
trabecolare: influenza della soglia di binarizzazione sul calcolo dei parametri istomorfometrici. Rapporti ISTISAN 10/15; 2010.
4. Salmon P.L., Ohlsson C., Shefelbine S.J., Doube M. Structure model index does not
measure rods and plates in trabecular bone. 2015. Front. Endocrinol. 6:162.
doi:10.3389/fendo.2015.00162.
5. Tang C.Y., Tsui C.P., Tang Y.M. et al. Voxel-based approach to generate entire
human metacarpal bone with microscopic architecture for finite element analysis.
2014. 24:1469-1484. doi:10.3233/BME-130951.
6. Rietbergen B., Weinans H., Huiskes R., Odgaardt A. A new method to determine
trabecular bone elastic properties and loading using micromechanical finite- element models. J. Biomechanics, Vol. 28, No. 1. 1995.
7. Jacobs C.R., Davis B.R., Rieger C.J., Francis J.J., Saad M., Fyhrie D.P. The impact
of boundary conditions and mesh size on the accuracy of cancellous bone tissue modulus determination using large-scale "finite-element modeling. J. Biomechanics
32 (1999): 1159-1164.
8. Keaveny T.M., Pinilla T.P., Crawford R.P., Kopperdahl D.L., Lou A. Systematic
and random errors in compression testing of trabecular bone. J. Orthop. Res. 1997;
doi:10.1002/jor.1100150115.
9. Depalle B., Chapurlat R., Walter-Le-Berre H. et al. Finite element dependence of
stress evaluation for human trabecular bone. J. Mechanical Behaviour Biomedical
Materials. 18:200-212. doi:10.1016/j.jmbbm.2012.08.012.
10. Chen G., Schmutz B., Epari D. et al. A new approach for assigning bone material
properties from CT images into finite element models. J. Biomechanics 43 (2010)
1011-1015. doi:10.1016/j.jbiomech.2009.10.040.
134
properties of trabecular bone: a micro computed tomography-based finite element
study. J. Mechanical Behaviour Biomedical Materials. 2015;44:1-9.
doi:10.1016/j.jmbbm.2014.12.018.
12. Rietbergen B., Majumdar S., Pistoia W. et al. Assessment of cancellous bone
mechanical properties from micro-FE models based on micro-CT, pQCT and MR images. Technology and Health Care 6 (1998):413-420.
13. Muller R. et al. Non-invasive bone biopsy: a new method to analyse and display the
three-dimensional structure of trabecular bone. Phys. Med. Biol. 39 (1994): 145-
164.
14. Bevill G., Keaveny T.M. Trabecular bone strength predictions using finite element
analysis of micro-scale images at limited spatial resolution. Bone. 2009;44(4): 579-
584. doi:10.1016/j.bone.2008.11.020.
15. MacNeil J.A., Boyd S.K. Bone strength at the distal radius can be estimated from
high-resolution peripheral quantitative computed tomography and the finite element method. Bone. 2008;42:1203-1213. doi:10.1016/j.bone.2008.01.017.
16. Guillén T., Zhang Q., Tozzi G., Ohrndorf A., Christ H., Tong J. Compressive
behaviour of bovine cancellous bone and bone analogous materials, microCT characterisation and FE analysis. J. Mechanical Behaviour Biomedical Materials.
2011; 4(7):1452-1461. doi:10.1016/j.jmbbm.2011.05.015.
17. Sanyal A., Gupta A., Bayraktar H.H., Kwon R.Y., Keaveny T.M. Shear strength
behavior of human trabecular bone. J. Biomechanics. 2012;45(15):2513-2519.
doi:10.1016/j.jbiomech.2012.07.023.
18. Lievers W.B., Waldman S.D., Pilkey A.K. Minimizing specimen length in elastic
testing of end-constrained cancellous bone. J. Mechanical Behaviour Biomedical
Materials. 2010;3(1):22-30. doi:10.1016/j.jmbbm.2009.02.001.
19. Gustafson H., Siegmund G., Cripton P. Comparison of strain rosettes and digital
image correlation for measuring vertebral body strain. J. Biomechanical
Engineering. 2016. doi:10.1115/1.4032799.
20. Palanca M., Tozzi G., Cristofolini L. The use of digital image correlation in the
biomechanical area: a review. International Biomech. 2016; 5432:1-21.
doi:10.1080/23335432.2015.1117395.
135
in-plane displacement and strain measurement: a review. Measurement Science and
Technology. 2009. doi:10.1088/0957-0233/20/6/062001.
22. Dickinson A.S., Taylor A.C., Ozturk H., Browne M. Experimental validation of a
finite element model of the proximal femur using digital image correlation and a composite bone model. J. Biomechanical Engineering. 2011;133(1):14504.
doi:10.1115/1.4003129.
23. Grassi L., Yavari A.S. et al. Experimental validation of finite element model for
proximal composite femur using optical measurements. J. Mechanical Behaviour
Biomedical Materials. 2013;21:86-94. doi:10.1016/j.jmbbm.2013.02.006.
24. Grassi L., Isaksson H. Extracting accurate strain measurements in bone mechanics:
A critical review of current methods. J. Mechanical Behaviour Biomedical
Materials. 2015;50:43-54. doi:10.1016/j.jmbbm.2015.06.006.
25. Falco L. Sviluppo di un protocollo per la caratterizzazione meccanica di tessuto
osseo trabecolare finalizzata alla validazione di un modello numerico. Università
degli studi di Bologna. 2012.
26. Ulrich D., Laib A. et al. The ability of three-dimensional structural indices to reflect
mechanical aspects of trabecular bone. Bone. 1999;25(1):55-60.
27. Syahrom A., Kadir M. et al. Mechanical and microarchitectural analyses of
cancellous bone through experiment and computer simulation. Med Biol Eng
Comput. 2011:1393-1403. doi:10.1007/s11517-011-0833-0.
28. Tagliabue S., Rossi E., Vena P. et al. Micro-CT based finite element models for
elastic properties of glass–ceramic scaffolds. J. Mechanical Behaviour Biomedical
Materials. 2017;65:248-255. doi:10.1016/j.jmbbm.2016.08.020.
29. Marrone F., Onorati S., Romero Vega G. Realizzazione di mesh voxel-based per
strutture trabecolari a partire da immagini micro-CT e tecniche di riduzione.
Politecnico di Milano. 2016.
30. Andriani G., Bandera G., Crippa C. Realizzazione di mesh voxel-based per strutture
trabecolari a partire da immagini micro-CT. Politecnico di Milano. 2014.
31. Assley S., Chellakkon H.S. A comparative study on medical image segmentation
methods. Applied Medical Informatics. 2014;34(1):11-12.
32. Romagnoni G. Analisi delle proprietà meccaniche a compressione di osso
136 33. Blaber J., Antoniou A. Ncorr - Instruction Manual. 2014.
34. Yaofeng S., Pang J.H.L. Study of optimal subset size in digital image correlation of
speckle pattern images. Optics and Lasers in Engineering. 2007;45:967-974.
doi:10.1016/j.optlaseng.2007.01.012.
35. Dalle Carbonare L., Giannini S. Diagnostica istologica delle malattie metaboliche
dello scheletro: istomorfometria ossea. Reumatismo. 2004;56(1):15-23.
36. Ferrario D. Effect of morphological and clinical parameters on damage
accumulation in porcine trabecular bone. Politecnico di Milano. 2016.
37. Leahy P.D., Smith B.S., Easton K.L. et al. Correlation of mechanical properties
within the equine third metacarpal with trabecular bending and multi-density
micro-computed tomography data. Bone. 2010;46(4):1108-1113.
doi:10.1016/j.bone.2010.01.366.
38. Oftadeh R., Perez-Viloria M., Villa-Camacho J.C., Vaziri A., Nazarian A.
Biomechanics and mechanobiology of trabecular bone: A review. J. Biomechanical