A beam--membrane biomechanical vocal fold model incorporating posturing and glottal conformation

本文介绍了一种计算高效的声带梁-膜生物力学模型，该模型结合了肌肉驱动的姿态调节和声门构型，用于预测发声动力学并研究语音障碍，为昂贵的高保真模拟提供了一种实用的替代方案。

要点

想象一下，你的声音就像一种复杂的乐器，但它使用的不是琴弦或簧片，而是喉咙内部两个被称为声带（vocal folds）的肉质褶皱。当你说话时，空气从这些褶皱之间的缝隙中吹过，引起它们的振动并产生声音。

这篇论文介绍了一种全新的、聪明的计算机模型，用于模拟声带是如何运动和振动的。作者们想要解决一个特定的问题：现有的计算机模型要么太简单（像卡通画一样），要么太复杂（像需要耗费数天时间的超级计算机模拟）。他们的目标是构建一个“金发姑娘”模型（意指恰到好处的模型）：既要足够快，能快速运行，又要足够详细，具备科学准确性。

以下是使用简单类比对他们工作的拆解：

1. 问题：“太慢”与“太简单”的困境

把研究声音想象成试图了解汽车发动机的工作原理。

• “太简单”的模型就像是一个玩具小汽车。你可以轻松地推着它走，但它无法告诉你活塞或燃料是如何工作的。
• “太复杂”的模型则像是放在测功机上的全尺寸真实发动机。它们极其精确，但要运行一次模拟，你需要一台庞大的超级计算机，并且可能需要数周时间才能模拟出极短的一瞬之声。这使得测试数百种不同的场景（例如“如果我收紧这个肌肉会怎样？”）变得非常困难。

作者们想要构建的模型就像是一辆高质量的遥控车：它移动得非常逼真，并且能对控制做出反应，但你可以在一个下午的时间里测试它成千上万次。

2. 解决方案：“梁与膜”的三明治结构

为了构建这个模型，作者们将声带视为由两个协同工作的不同部分组成的三明治：

• 梁（骨架）： 他们将较深层的部分（肌肉和韧带）建模为一个刚性的、可弯曲的梁。这就像是一个有弹性的直尺。当你按压直尺的两端时，它会弯曲。这部分模型处理的是“姿态”（posturing）——即肌肉如何拉伸和定位声带。
• 膜（皮肤）： 他们将顶层柔软的层（黏膜）建模为一个薄而有弹性的膜。这就像是气球的皮肤或鼓面。当空气流过它时，这部分会产生起伏和波动。

这两个部分通过“弹簧和阻尼器”（类似于汽车中的减震器）粘合在一起。这使得刚性的梁可以弯曲，同时柔软的皮肤可以起伏，从而创造出一种被称为“黏膜波”的真实波动运动。

3. “肌肉遥控器”

这个模型最酷的特性之一是它如何处理肌肉。在现实世界中，你的大脑指挥喉咙里的微小肌肉收缩，从而改变声带的形状。

• 作者创建了一个**“姿态模型”**，它充当了遥控器的角色。
• 你按下按钮（激活肌肉），模型就会计算“直尺”（梁）如何弯曲和拉伸。
• 这种弯曲会产生特定的形状，比如漏斗状（前窄后宽）或弓形（像微笑一样弯曲）。
• 然后，模型会获取这些形状并运行“声音”模拟。

4. 他们的发现（结果）

作者们运行了他们的模型，以观察它是否能模拟人类真实的语音产生过程。他们将他们的“遥控车”结果与现实世界的实验以及“超级计算机”模型进行了对比。

• 它奏效了： 他们的模型成功重现了复杂的语音行为。例如，当他们“命令”模型激活特定肌肉时，它自然地产生了医生在真实患者身上看到的那些奇特形状（如沙漏型间隙或弓形变型）。
• “下缘领先”现象： 在现实生活中，声带的下边缘在振动期间通常会比上边缘稍微领先一点。以前的简单模型必须通过人工设定来强制实现这一点。而在这个新模型中，由于梁和膜的连接方式，这种现象是自然发生的。这就像真实的旗帜在飘动；你不需要通过程序设定风力让底部先飘动，物理特性自然会让底部先动起来。
• 速度： 最大的胜利在于速度。高保真模型可能需要 1,200 小时（50 天！）才能模拟出极短的一瞬之声，而这个新模型在标准的笔记本电脑上不到一分钟就能完成同样的工作。

5. 为什么这很重要（根据论文所述）

该论文声称，这项工具是理解语音障碍的突破。

• 因为该模型运行速度极快，研究人员现在可以进行成千上万次的“假设”实验。他们可以测试不同的肌肉激活模式如何导致发音效率低下或组织损伤（例如声带撞击得过于剧烈）。
• 它有助于解释某些语音问题是如何发生的。例如，他们展示了如果声带后部保持开放（“后方间隙”），会如何改变声带碰撞的方式，从而可能导致受伤。

总结

简而言之，作者构建了一个快速、智能且具有物理真实感的声带计算机模拟系统。他们将声带视为被起伏皮肤覆盖的弯曲梁，并由虚拟肌肉进行控制。这个模型捕捉到了语音产生的复杂舞蹈，而无需依赖超级计算机，为研究我们的声音如何运作以及为何有时会出现问题提供了一种高效的新方法。

技术摘要

技术摘要：一种结合姿态与声门构型的梁-膜生物力学声带模型

问题陈述
声带（VFs）的姿态由喉部肌肉激活决定，是语音产生动力学的核心决定因素。异常的声带构型通常与发声效率低下和语音障碍有关。虽然临床观察已识别出多种声门闭合模式（例如：后方开口、弓形、沙漏型构型），但控制其动态行为的生物力学机制尚未得到充分理解。现有的高保真有限元模型虽然纳入了内在肌肉效应，但计算成本极高，限制了其在大规模参数化研究中的应用。相反，降阶模型往往依赖于将肌肉激活与机械特性联系起来的启发式规则，或者假设简化的几何形状（如矩形或三角形），无法预测生理真实的声带形状和复杂的闭合模式。因此，需要一种既能保持生物力学可解释性，又能捕捉声门构型对发声动力学影响的计算高效框架。

方法论
作者提出了一种计算成本较低的声带模型，该模型将声带体层与覆盖层分别视为复合梁和耦合膜。该框架集成了两个主要部分：

1. 姿态模型： 基于一个基于降低阶数的肌肉控制框架，该组件将内在喉部肌肉（甲杓肌 [TA]、环甲肌 [CT]、侧环杓肌 [LCA]、杓间肌 [IA] 和后环杓肌 [PCA]）的归一化激活水平映射到发声前构型参数。具体而言，它通过模拟环甲关节和杓状软骨的旋转与平移运动，计算标称声带应变 ($\bar{\varepsilon}$) 和声门半角 ($\theta_g$)。这些参数作为动态模型的输入，引入影响声门构型的内部弯曲力矩。
2. 梁-膜动态模型： 每个声带被建模为一个包含三个解剖层（黏膜、声带韧带和 TA 肌肉）的矩形棱柱。
   • 梁组件使用一维 Euler-Bernoulli 公式表示韧带和 TA 肌肉，能够传递弯曲力矩。
   • 膜组件将黏膜层表示为二维表面。
   • 这些组件通过分布式的弹簧-阻尼元件进行机械耦合，以模拟粘弹性相互作用。
   • 系统受气流载荷（通过带有粘性修正的理想伯努利流进行建模）和碰撞压力（通过基于惩罚的接触公式进行建模）的作用。
   • 控制方程使用 Matlab 中的有限差分法进行求解。模型的输出指标包括声门面积波形、流率、辐射声压以及生物力学指标，如基频 ($f_0$)、声压级 (SPL)、闭合商 (CQ) 和碰撞压力。

主要贡献

• 计算效率： 与高保真流-结构相互作用模型相比，所提出的框架大幅降低了计算成本。典型的 1 秒模拟在标准笔记本电脑上运行时间不足一分钟，而同等规模的高保真模拟可能需要数千个处理器小时。
• 生物力学可解释性： 不同于经常通过人为设定几何约束的集总质量模型，这种基于连续体的模型根据基本的力学原理和组织材料属性推导出刚度和惯性项。它自然地捕捉到了弯曲力矩的传递，而这一机制对于肌肉激活如何改变声带形状至关重要。
• 动态声门构型： 该模型能够直接从肌肉激活模式中还原复杂的、临床观察到的静态和动态声门构型（例如：前后开口、内凸形状、发散/收敛剖面），而无需启发式的几何规则。
• 验证： 该框架通过了高保真计算研究和实验观察的验证，在静态构型和发声测量方面表现出定性一致性。

结果
数值模拟展示了模型的预测能力，涵盖了各种肌肉激活场景：

• 静态构型： 模型还原了已知的临床模式，如 PCA 激活引起的后方声门开口、低 TA 激活引起的向前开口，以及增加 TA 激活引起的内凸（凹形）形状。它还捕捉到了 CT 激活的拉直效应。
• 模态发声： 在持续模态发声案例中，模型产生了周期性的声门开启与闭合，并具有非对称波形。其速度商 (SQ) 为 1.52，闭合商 (CQ) 为 0.49，符合健康的模态发声特征。模拟显示了交替出现的收敛与发散声门形状，以及由流-结构相互作用驱动的从下缘到上缘的接触压力传播。
• 参数化研究（CT 和 TA 激活）： 激活图显示，$f_0$ 主要受 CT 激活（增加 $f_0$）和 TA 激活（降低 $f_0$）的影响，其趋势与高保真模型定性一致。模型捕捉到了声压级 (SPL) 和流率对肌肉激活的非线性依赖关系。
• 后方声门开口（PCA 激活）： 增加 PCA 激活会诱发后方声门间隙。模型表明，这不仅改变了平均声门几何形状，还引入了气流压力和接触压力分布在前后方向上的显著不对称性。在高 PCA 激活水平下，模型预测会出现高阶振动模式和最大碰撞压力的非单调变化，突显了几何形状与碰撞动力学之间的非线性相互作用。

意义与主张
论文声称，所提出的框架为研究发声生物力学提供了一个实用的、计算可行的工具。通过弥合简化降阶模型与高成本高保真模拟之间的差距，它实现了效率与生理真实性之间的平衡。作者指出，该模型通过重现高保理有限元模型和临床研究中报告的定性趋势，证明了其预测能力。

这项工作的意义在于其能够促进针对异常肌肉激活和低效发声功能（如肌肉紧张性发声障碍、发声过度）相关语音障碍机制的大规模参数化研究。该框架允许系统地检查肌肉激活模式、组织特性和声门构型如何影响发声结果，同时保留与组织损伤相关的空间信息。作者指出了一些局限性，例如缺乏与声道之间的双向声学耦合，以及未能观察到某些研究中在低 TA 激活水平下 $f_0$ 初始增加的现象，这为未来的改进提供了方向。然而，他们坚持认为该模型捕捉到了控制发声的核心生物力学机制。