On the issue of studying the structural and mechanical characteristics of bovine cancellous bone

Cover Page

Cite item

Full Text

Abstract

Mechanical experiments with human bones are difficult, so many authors study mechanical parameters of bovine cancellous bone, which is close to human bone in its properties. Studies on estimation of the effective modulus of elasticity of cancellous bone of vertebrae and other bovine bones are known. However, its mechanical properties depending on the direction of loading and structural properties have not been studied yet. The aim of this work was to comprehensively study the mechanical properties of bovine cancellous bone depending on the loading direction, volumetric mineral density and porosity. The objectives of this work were: to develop requirements for the size of samples in uniaxial compression to estimate the effective modulus of elasticity within the framework of the rod theory; to conduct uniaxial mechanical experiments on compression of bone specimens in three directions; to measure the volumetric bone mineral density and porosity; to construct regression relationships linking mechanical and structural properties of cancellous bone. As a result of the study, the dependences linking the effective modulus of elasticity with mineral density, as well as porosity of cancellous bone were revealed. The author's method of determining the porosity of cancellous bone was developed and presented. As a result of the study, the dependences linking the effective modulus of elasticity with mineral density and porosity of cancellous bone were revealed. The author's method of determining the porosity of cancellous bone was developed and presented. The paper also presents the requirements for the relative height (ratio of height to the largest cross-sectional dimension) of cancellous bone specimens. It was revealed that when conducting uniaxial compression experiments and further calculation of the effective modulus of elasticity according to the rod theory, the relative height of the specimens should be at least 5 units.

About the authors

Irina F. Parshina

Saratov State University

ORCID iD: 0000-0003-0735-6934
SPIN-code: 2267-9136
Astrahanskaya str., 83, Saratov, Russia

Dmitry V. Ivanov

Saratov State University

ORCID iD: 0000-0003-1640-6091
SPIN-code: 4459-1094
Astrahanskaya str., 83, Saratov, Russia

Aleksander Viktorovich Dol

Saratov State University

ORCID iD: 0000-0001-5842-1615
SPIN-code: 3881-2302
Astrahanskaya str., 83, Saratov, Russia

Iliya V. Vindokurov

Perm National Research Polytechnic University

ORCID iD: 0000-0002-1885-0404
SPIN-code: 7586-3546
Scopus Author ID: 57927069100
ResearcherId: U-4415-2019
Russia, 614990, Perm, Komsomolskii av., 29

Leonid Valentinovich Bessonov

Saratov State University

ORCID iD: 0000-0002-5636-1644
SPIN-code: 9022-8177
Scopus Author ID: 57204800512
ResearcherId: G-4699-2015
Astrahanskaya str., 83, Saratov, Russia

Mikhail A. Tashkinov

Perm National Research Polytechnic University

ORCID iD: 0000-0003-4660-0020
SPIN-code: 7694-2129
Russia, 614990, Perm, Komsomolskii av., 29

References

  1. Haseltine K. N., Chukir T., Smith P. J., Jacob J. T., Bilezikian J. P., Farooki A. Bone mineral density: Clinical relevance and quantitative assessment // Journal of Nuclear Medicine. 2021. Vol. 62, iss. 4. P. 446–454. https://doi.org/10.2967/jnumed.120.256180
  2. Park C. S., Kang S. R., Kim J. E., Huh K. H., Lee S. S., Heo M. S., Han J. J., Yi W. J. Validation of bone mineral density measurement using quantitative CBCT image based on deep learning // Scientific Reports. 2023. Vol. 13, iss. 1. Art. 11921. https://doi.org/10.1038/s41598-023-38943-8
  3. Toyras J., Nieminen M. T., Kroger H., Jurvelin J. S. Bone mineral density, ultrasound velocity, and broadband attenuation predict mechanical properties of trabecular bone differently // Bone. 2002. Vol. 31, iss. 4. P. 503–507. https://doi.org/10.1016/s8756-3282(02)00843-8
  4. Haba Y., Lindner T., Fritsche A., Schiebenhofer A. K., Souffrant R., Kluess D., Skripitz R., Mittelmeier W., Bader R. Relationship between mechanical properties and bone mineral density of human femoral bone retrieved from patients with osteoarthritis // The Open Orthopaedics Journal. 2012. Vol. 6. P. 458–463. https://10.2174/1874325001206010458
  5. Бессонов Л. В., Кириллова И. В., Фалькович А. С., Иванов Д. В., Доль А. В., Коссович Л. Ю. Методология «Планирование – Моделирование — Прогнозирование» для предоперационного планирования в травматологии-ортопедии // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. 2024. Т. 24, вып. 3. С. 359–380. https://doi.org/10.18500/1816-9791-2024-24-3-359-380, EDN: IQBZWJ
  6. Rho J. Y., Hobatho M. C., Ashman R. B. Relations of mechanical properties to density and CT numbers in human bone // Medical Engineering & Physics. 1995. Vol. 17, iss. 5. P. 47–55. https://doi.org/10.1016/1350-4533(95)97314-f
  7. Ivanov D. V., Kirillova I. V., Kossovich L. Yu., Bessonov L. V., Petraikin A. V., Dol A. V., Ahmad E. S., Morozov S. P., Vladzymyrskyy A. V., Sergunova K. A., Kharlamov A. V. Influence of convolution kernel and beam-hardening effect on the assessment of trabecular bone mineral density using quantitative computed tomography // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. 2020. Т. 20, вып. 2. С. 205–219. https://doi.org/10.18500/1816-9791-2020-20-2-205-219, EDN: BFUICL
  8. Lu Y., Engelke K., Puschel K., Morlock M. M., Huber G. Influence of 3D QCT scan protocol on the QCT-based finite element models of human vertebral cancellous bone // Medical Engineering & Physics. 2014. Vol. 36, iss. 8. P. 1069–1073. https://doi.org/10.1016/j.medengphy.2014.05.001
  9. Giambini H., Dragomir-Daescu D., Nassr A., Yaszemski M. J., Zhao C. Quantitative computed tomography protocols affect material mapping and quantitative computed tomography-based finite-element analysis predicted stiffness // Journal of Biomechanical Engineering. 2016. Vol. 138, iss. 9. Art. 0910031. https://doi.org/10.1115/1.4034172
  10. Zhang A., Zhang S., Bian C. Mechanical properties of bovine cortical bone based on the automated ball indentation technique and graphics processing method // Journal of the Mechanical Behavior of Biomedical Materials. 2018. Vol. 78. P. 321–328. https://doi.org/10.1016/j.jmbbm.2017.11.039
  11. Endo K., Yamada S., Todoh M., Takahata M., Iwasaki N., Tadano S. Structural strength of cancellous specimens from bovine femur under cyclic compression // PeerJ. 2016. Vol. 25, iss. 4. Art. e1562. https://doi.org/10.7717/peerj.1562
  12. Yu B., Zhao G. F., Lim J. I., Lee Y. K. Compressive mechanical properties of bovine cortical bone under varied loading rates // Proceedings of the Institution of Mechanical Engineers, Part H. 2011. Vol. 225, iss. 10. P. 941–947. https://doi.org/10.1177/0954411911415470
  13. Arnold E. L., Clement J., Rogers K. D., Garcia-Castro F., Greenwood C. The use of CT and fractal dimension for fracture prediction in osteoporotic individuals // Journal of the Mechanical Behavior of Biomedical Materials. 2020. Vol. 103. Art. 103585. https://doi.org/10.1016/j.jmbbm.2019.103585
  14. Öhman-Mägi C., Holub O., Wu D., Hall R. M., Persson C. Density and mechanical properties of vertebral trabecular bone-A review // JOR Spine. 2021. Vol. 4, iss. 4. Art. e1176. https://doi.org/10.1002/jsp2.1176
  15. Mosekilde L., Bentzen S. M., Ortoft G., Jørgensen J. The predictive value of quantitative computed tomography for vertebral body compressive strength and ash density // Bone. 1989. Vol. 10, iss. 6. P. 465–470. https://doi.org/10.1016/8756-3282(89)90080-x
  16. Bessonov L. V., Golyadkina A. A., Dmitriev P. O., Dol A. V., Zolotov V. S., Ivanov D. V., Kirillova I. V., Kossovich L. Y., Titova Yu. I., Ulyanov V. Yu., Kharlamov A. V. Constructing the dependence between the Young’s modulus value and the Hounsfield units of spongy tissue of human femoral heads // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. 2021. Т. 21, вып. 2. С. 182–193. https://doi.org/10.18500/1816-9791-2021-21-2-182-193, EDN: SNBJNB
  17. Islam M., Zunair H., Mohammed N. CosSIF: Cosine similarity-based image filtering to overcome low inter-class variation in synthetic medical image datasets // Computers in Biology and Medicine. 2024. Vol. 172. Art. 108317. https://doi.org/10.1016/j.compbiomed.2024.108317
  18. Zhao S., Arnold M., Ma S., Abel R. L., Cobb J. P., Hansen U., Boughton O. Standardizing compression testing for measuring the stiffness of human bone // Bone & Joint Research. 2018. Vol. 7, iss. 8. P. 524–538. https://doi.org/10.1302/2046-3758.78.BJR-2018-0025.R1
  19. Keaveny T. M., Borchers R. E., Gibson L. J., Hayes W. C. Theoretical analysis of the experimental artifact in trabecular bone compressive modulus // Journal of Biomechanics. 1993. Vol. 26, iss. 4–5. P. 599–607. https://doi.org/10.1016/0021-9290(93)90021-6
  20. Currey J. D. The effect of porosity and mineral content on the Young’s modulus of elasticity of compact bone // Journal of Biomechanics. 1988. Vol. 21, iss. 2. P. 131–139. https://doi.org/10.1016/0021-9290(88)90006-1
  21. Nazarian A., von Stechow D., Zurakowski D., Müller R., Snyder B. D. Bone volume fraction explains the variation in strength and stiffness of cancellous bone affected by metastatic cancer and osteoporosis // Calcified Tissue International. 2008. Vol. 83, iss. 6. P. 368–379. https://doi.org/10.1007/s00223-008-9174-x
  22. Hodgskinson R., Currey J. D. The effect of variation in structure on the Young’s modulus of cancellous bone: A comparison of human and non-human material // Proceedings of the Institution of Mechanical Engineers, Part H. 1990. Vol. 204, iss. 2. P. 115–121. https://doi.org/10.1243/PIME_PROC_1990_204_240_02

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 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».