摘要：如何通过表面观察“看见”软物质内部的异常一直是一个难以攻克的挑战。传统的检测方法，如X光、超声等，虽然广泛应用于医学和工业领域，但它们往往存在分辨率不足、成本高、操作复杂以及应用受限等问题。特别是在软物质领域，当材料内部的异常难以直接可视化时，这一问题变得更加

月

如何通过表面观察“看见”软物质内部的异常一直是一个难以攻克的挑战。传统的检测方法，如X光、超声等，虽然广泛应用于医学和工业领域，但它们往往存在分辨率不足、成本高、操作复杂以及应用受限等问题。特别是在软物质领域，当材料内部的异常难以直接可视化时，这一问题变得更加突出。例如，在医学影像学中，心脏瓣膜、肿瘤或其他组织的病变，往往无法通过常规影像手段得到精确的物理特征描述。如何实现非侵入式、高效且精准的内部异常检测是软物质领域亟待解决的难题。

北京大学第三医院与工学部的研究团队近日在国际期刊Advanced Science 发表论文，提出基于表面大形变反推软物质内部物理异常的创新方法，有效突破了传统检测手段的局限。该方法的核心思想是，通过观测软物体表面在外力作用下的大形变，结合先进的数学模型和算法，反向推导内部的材料属性、异常位置和形状。具体流程如下：1、大形变观测：通过常规的成像技术（如超声、CT扫描等）获取软物体表面的大形变数据。2、虚拟孪生模型：使用有限元分析技术构建物体的虚拟模型，以模拟其在不同物理条件下的变形过程，实现物理现象的高度还原。3、并行贝叶斯优化算法：通过贝叶斯优化方法，在虚拟孪生模型中迭代调整物理参数，使模拟结果最大程度贴近真实观测数据，从而实现对物体内部物理属性的精准反演。

这种创新方法不仅能够精准识别物体内部的刚度分布、异常形状和异常位置，还能够有效减少传统优化算法对实验数据的高需求，使得优化过程更加高效。与传统的物理推演和模型拟合相比，这一方法具有更高的精度和计算效率，尤其适用于软物质这类复杂的非线性材料。

为了验证方法的有效性，研究团队进行了多个场景下的实验测试：

l 梁弯曲实验：研究团队首先构建了仿真梁模型和真实的PDMS梁模型，通过测试梁的弯曲形变，成功识别出材料内部的刚性夹层和异常区域。实验结果表明，仿真模型实验误差低于0.2%，而真实模型实验误差低于6%，显示了该方法在材料检测中的高精度。

l 气球膨胀仿真实验：通过模拟气球的膨胀过程，研究团队成功地从形变数据中恢复出气球内的异常区域，估算误差不超过2.6%。这一实验验证了该方法在三维变形场景中的强大能力。

l 主动脉瓣钙化仿真实验：针对钙化病变的心脏瓣膜，该方法成功从变形轨迹中反推出钙化区域的形状、位置以及刚度等物理信息参数。这一结果为医学领域提供了新的非侵入式定量诊断工具，尤其适用于疾病的早期诊断和监测。

这些实验展示了该方法在医学影像学、软体机器人、材料科学等不同领域的广泛应用潜力。例如，在医学诊断中，尤其是在软组织病变的诊断中，该方法可为医生提供更精确的检测结果，有效弥补传统影像学方法的不足。同时，在新兴的软体机器人领域，该方法可为软体机器人的自我感知和故障检测提供更加可靠的数据支持，推动软体机器人走向应用场景。

该研究成果以题为“Uncover Hidden Physical Information of Soft Matter by Observing Large Deformation”的论文发表于国际知名期刊Advances Science上。第一作者为硕士研究生杨焕煜，通讯作者为北京大学第三医院心内科祖凌云教授、北京大学先进制造与机器人系刘珂研究员、以及北京大学力学与工程科学系朱驰研究员。

论文链接：

来源：知社学术圈一点号1