Ultrasound Tracking Reveals Progressive Regional Strain Differences in Human Achilles Tendons During Fatigue Loading
本研究验证了一种用于量化人体跟腱区域应变的自动化超声追踪算法，并揭示了在疲劳加载过程中，最大纵向应变与平均纵向应变在存活腱与断裂腱之间遵循截然不同的渐进轨迹，这表明早期的生物力学差异先于明显的结构性失效发生。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
跟腱是人体内最强韧的缆绳，是一条将小腿肌肉连接到跟骨的厚实组织带，使我们能够奔跑、跳跃并蹬地起步。就像任何处于持续张力下的绳索一样，它会随着时间的推移而磨损。这种被称为“疲劳”的磨损，早在腱体真正断裂之前就已经发生了。多年来，医生一直依赖超声波机器来观察腱体的形状，在疼痛出现后发现撕裂或增厚。然而，看到形状并不等同于测量强度。为了真正理解腱体是如何失效的，科学家需要观察组织在负荷下如何拉伸和变形，追踪纤维在承受重复压力时的微小运动。挑战在于，如何找到一种无需侵入性工具就能准确测量这种拉伸的方法，尤其是在损伤随着数千次循环缓慢积累的过程中。
宾夕法尼亚大学的一个研究小组致力于通过创造一种从内向外观察腱体运动的新方法来解决这一问题。他们采集了来自捐赠者的十根人类跟腱，并将它们放入一台反复拉伸的机器中，以模拟行走或跑步时的压力。目标是观察组织在接近断裂点时内部发生了什么。有些腱体被拉伸直到断裂，而另一些则经历了长时间的拉伸但通过了测试。为了观察内部发生的情况，研究人员使用超声探头，在腱体被拉伸的过程中拍摄了数千张腱体中段的照片。随后，他们将这些图像输入到一个定制的计算机程序中，该程序旨在追踪组织内微小的自然斑点（speckles）的运动，就像通过追踪阳光中的尘埃来观察空气如何流动一样。该程序绘制出了腱体每个微小区域究竟拉伸了多少，从而创建了一张详细的组织应变热图。
第一个重大障碍是证明这种新方法确实有效。研究人员将他们的超声追踪生成的拉伸数值与机器拉伸腱体的已知运动进行了对比。结果非常接近，表明这种计算机视觉方法可以高精度地测量腱体的整体拉伸，几乎完美地匹配了机器自身的测量值。这种验证意味着他们可以信任程序创建的详细地图，从而观察局部层面的情况。
当他们观察腱体在疲劳时表现如何时，最终断裂的腱体与存活下来的腱体之间出现了明显的差异。在发生失效的腱体中，随着循环的持续，任何单一位置的最大拉伸量都在不断升高。整个腱体的平均拉伸量也在稳步上升。相比之下，存续下来的腱体表现出不同的模式：它们的平均拉伸量在负荷持续的过程中实际上略有下降，这表明组织正在进行适应或更有效地重新分配负荷。最具有预示意义的迹象出现在过程早期。在最初的10,000次循环内，存活下来的腱体显示出平均拉伸量的下降，而那些后来发生断裂的腱体则没有这种改善；它们的拉伸量保持平稳或开始悄然上升。这表明，腱体能否在早期阶段进入一种更高效的运动模式，可能是其健康状况的标志，而无法做到这一点则是问题的早期预警。
有趣的是，研究人员发现，拉伸的不均匀性（即腱体不同部分拉伸程度差异的大小）并未在两组之间讲述不同的故事。两组都表现出这种不均匀性随时间减少的相似趋势。这意味着预测失效的关键不在于拉伸有多混乱，而在于拉伸的整体量级以及该量级随时间的变化方式。那些断裂的腱体无法降低其拉伸负荷，导致压力在特定区域积聚，直到组织最终失效。
这项研究证明，仅利用声波和一个智能算法，就可以观察腱体内部的力学机制。通过追踪组织本身的微小运动，研究人员可以看到，走向破裂并非一个突然发生的事件，而是一个逐渐偏离的行为过程。存活下来的腱体学会了更好地分担负荷，而那些断裂的腱体则在压力下持续承受应变。这些发现为观察腱体健康提供了新的视角，表明通过测量腱体在重复运动中的拉伸和适应能力，可以在标准扫描发现撕裂之前揭示损伤。尽管这项工作是在受控实验室环境下的尸体组织上完成的，但该方法为理解腱体如何老化和失效提供了一个强有力的全新视角，有望在组织达到断裂点之前识别出高风险组织。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。