Онлайн-инструмент конечно-элементного анализа посмертного конвективного теплообмена головы

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Одним из наиболее перспективных современных направлений в области термометрической диагностики давности наступления смерти является метод конечно-элементного анализа посмертного теплообмена, позволяющий преодолеть ограничения, присущие феноменологическим уравнениям охлаждения трупа. Однако обеспечивающие данный метод программные пакеты характеризуются высокой стоимостью, а также предполагают наличие у пользователя навыков самостоятельного задания условий решаемых задач. В настоящей статье предложен открытый онлайн-инструмент конечно-элементного анализа посмертного конвективного теплообмена головы человека с простым интерфейсом, предназначенный для определения давности наступления смерти путём краниоэнцефальной термометрии трупа.

Цель работы ― разработка онлайн-инструмента конечно-элементного анализа посмертного конвективного теплообмена головы.

Материалы и методы. Построена масштабируемая конечно-элементная модель головы, аппроксимированная многослойным шаром, состоящая из 1311 узлов и 9277 конечных элементов. Разработан вычислительный алгоритм поиска начального и посмертного температурного поля головы, реализованный на языке программирования Python 3.

Результаты. Разработано онлайн-приложение Simple Finite Element Model of Postmortem Convective Heat Transfer of the Head, учитывающее особенности начального температурного поля, размеры и теплофизические свойства основных анатомических слоёв головы, интенсивность конвективного теплообмена, координаты диагностической точки и изменения внешней температуры в процессе охлаждения трупа. Результатом работы онлайн-приложения являются визуализация кривых охлаждения в диагностической точке и на поверхности головы в первые сутки посмертного периода с генерацией соответствующих числовых значений, а также вывод информации о геометрии и свойствах сетки конечно-элементной модели и распределении температуры вдоль контура интегрирования от центра модели до диагностической точки.

Заключение. Отсутствие у разработанного решателя высоких требований к системным характеристикам компьютера и специальной подготовке пользователя позволяет применять предложенное онлайн-приложение в судебно-медицинской экспертной практике при установлении давности наступления смерти путём краниоэнцефальной термометрии трупа.

Об авторах

Владимир Германович Недугов

Самарский национальный исследовательский университет имени академика С.П. Королева

Email: nedugovvg@gmail.com
ORCID iD: 0009-0007-7542-7235
SPIN-код: 2407-7937
Россия, г. Самара

Герман Владимирович Недугов

Самарский государственный медицинский университет

Автор, ответственный за переписку.
Email: nedugovh@mail.ru
ORCID iD: 0000-0002-7380-3766
SPIN-код: 3828-8091

д-р мед. наук, доцент

Россия, Самара

Список литературы

  1. Mall G., Eisenmenger W. Estimation of time since death by heat-flow Finite-Element model. Part I: Method, model, calibration and validation // Leg Med (Tokyo). 2005. Vol. 7, N 1. P. 1–14. doi: 10.1016/j.legalmed.2004.06.006
  2. Mall G., Eisenmenger W. Estimation of time since death by heat-flow Finite-Element model. Part II: Application to non-standard cooling conditions and preliminary results in practical casework // Leg Med (Tokyo). 2005. Vol. 7, N 2. P. 69–80. doi: 10.1016/j.legalmed.2004.06.007
  3. Smart J.L., Kaliszan M. Use of a finite element model of heat transport in the human eye to predict time of death // J Forensic Sci. 2013. Vol. 58, Suppl. 1. P. S69–S77. doi: 10.1111/1556-4029.12022
  4. Schenkl S., Muggenthaler H., Hubig M., et al. Automatic CT-based finite element model generation for temperature-based death time estimation: Feasibility study and sensitivity analysis // Int J Legal Med. 2017. Vol. 131, N 3. P. 699–712. EDN: UUZEXN doi: 10.1007/s00414-016-1523-0
  5. Weiser M., Erdmann B., Schenkl S., et al. Uncertainty in temperature-based determination of time of death // Heat and Mass Transfer. 2018. Vol. 54, N 9. P. 2815–2826. EDN: ILDZMW doi: 10.1007/s00231-018-2324-4
  6. Ullrich J., Weiser M., Subramaniam S.J., et al. The impact of anatomy variation on temperature based time of death estimation // Int J Legal Med. 2023. Vol. 137, N 5. P. 1615–1627. EDN: KDNXGI doi: 10.1007/s00414-023-03026-w
  7. Subramaniam J.S., Hubig M., Muggenthaler H., et al. Sensitivity of temperature-based time since death estimation on measurement location // Int J Legal Med. 2023. Vol. 137, N 6. P. 1815–1837. EDN: GXPTML doi: 10.1007/s00414-023-03040-y
  8. Недугов Г.В. Оценка давности наступления смерти методом конечно-элементного моделирования посмертного теплообмена головы // Наука и инновации в медицине. 2022. Т. 7, № 3. С. 179–185. EDN: CIMZZD doi: 10.35693/2500-1388-2022-7-3-179-185
  9. Nelson D.A., Nunneley S.A. Brain temperature and limits on transcranial cooling in humans: Quantitative modeling results // Eur J Appl Physiol Occup Physiol. 1998. Vol. 78, N 4. P. 353–359. EDN: AUNLVL doi: 10.1007/s004210050431
  10. Zhu L., Diao C. Theoretical simulation of temperature distribution in the brain during mild hypothermia treatment for brain injury // Med Biol Eng Comput. 2001. Vol. 39, N 6. P. 681–687. EDN: OVPRTJ doi: 10.1007/BF02345442
  11. Duck F.A. Physical properties of tissue: A comprehensive reference book. London: Academic Press, 1990. P. 9–42.
  12. Logg A., Wells G., Mardal K.A. Automated solution of differential equations by the finite element method: The FEniCS book. Berlin: Springer-Verlag, 2012. doi: 10.1007/978-3-642-23099-8
  13. Muggenthaler H., Hubig M., Schenkl S., et al. Calibration and parameter variation using a finite element model for death time estimation: The influence of the substrate // Leg Med (Tokyo). 2017. Vol. 25. P. 23–28. doi: 10.1016/j.legalmed.2016.12.007
  14. Henssge C., Madea B. Estimation of the time since death in the early post-mortem period // Forensic Sci Int. 2004. Vol. 144, N 2-3. P. 167–175. doi: 10.1016/j.forsciint.2004.04.051
  15. Clark R.P., Toy N. Forced convection around the human head // J Physiol. 1975. Vol. 244, N 2. P. 295–302. doi: 10.1113/jphysiol.1975.sp010798
  16. Defraeye T., Blocken B., Koninckx E., et al. Computational fluid dynamics analysis of drag and convective heat transfer of individual body segments for different cyclist positions // J Biomech. 2011. Vol. 44, N 9. P. 1695–1701. doi: 10.1016/j.jbiomech.2011.03.035
  17. Kurazumi Y., Fukagawa K., Sakoi T., et al. Convective heat transfer coefficient relating to evaluation of thermal environment of infant // Heliyon. 2022. Vol. 8, N 12. P. e12076. EDN: SQKCMK doi: 10.1016/j.heliyon.2022.e12076
  18. Jiang S., Zhang M., Wang S., Li J. Numerical investigation of the convective heat transfer coefficient for a sleeping infant in a ventilation room // Indoor Air. 2022. Vol. 32, N 10. P. e13126. EDN: ZBNRHA doi: 10.1111/ina.13126
  19. Вавилов А.Ю. Диагностический «промах» как причина ошибок расчетного определения давности смерти тепловым методом // Проблемы экспертизы в медицине. 2008. Т. 8, № 3-4. С. 8–11. EDN: OKCJBD

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Конечно-элементная модель мозгового отдела головы, заданная в онлайн-приложении.

Скачать (200KB)
Метаданные
3. Рис. 2. Начальное температурное поле диаметрального сечения конечно-элементной модели.

Скачать (229KB)
Метаданные
4. Рис. 3. Графики охлаждения центра и поверхности конечно-элементной модели при синусоидальных изменениях внешней температуры. Условные обозначения: 1 ― температура в точке с нулевой радиальной координатой; 2 ― температура в точках поверхности конечно-элементной модели; 3 ― внешняя температура. ДНС ― давность наступления смерти.

Скачать (109KB)
Метаданные

© Эко-Вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».