有限元方法在脑震荡领域的热点：脑损伤模型、测试方法与防护装备的改进

doi:10.12307/2024.838

摘要/Abstract

摘要：

文题释义：

脑震荡：是一种由生物力学力量引起的创伤性脑损伤。可能是由头部、面部、颈部或身体其他部位受到直接打击，并将“冲力”传递到头部造成的；典型结果是神经功能的短期损伤迅速发作，并自行消退；可能导致神经病理学改变，但急性临床症状主要反映的是功能紊乱，而不是结构损伤，因此，在标准的结构神经影像学研究中没有发现异常；会导致一系列的临床症状，这些症状可能包括也可能不包括意识丧失。脑震荡临床和认知症状的解决通常遵循一个连续的过程。
有限元分析：利用数学近似的方法对真实物理系统(几何和载荷工况)进行模拟，还利用简单而又相互作用的元素，即单元，就可以用有限数量的未知量去逼近无限未知量的真实系统。

背景：由身体接触性运动或交通事故造成的脑震荡远比人们想象的更为严重与常见，近年来引起了媒体、医学界及体育界的广泛关注与高度重视。

目的：采用文献计量学方法对有限元方法在脑震荡领域的研究热点与趋势进行可视化分析，从而为中国在该领域的研究提供一定的参考。
方法：基于Web of Science核心集数据库进行文献检索，检索主题词策略为(TS=(Concussion)) AND TS=(Finite element)，利用CiteSpace 6.2.R4可视化工具对纳入文献的作者、国家、机构、关键词及被引文献等进行可视化分析。

结果与结论：①共计纳入215篇文献，发文量与被引量总体上呈上升趋势；学科分布涉及生物医学工程、生物物理学、运动科学、临床神经学及神经科学等学科，呈现多学科交叉融合的趋势；发文量最多的作者是来自爱尔兰都柏林大学的Gilchrist M，发文量最多的机构是渥太华大学，发文量最多的国家是美国。②通过关键词分析发现研究的热点聚焦于脑损伤模型的建立用来模拟和预测脑震荡的损伤；脑震荡损伤机制的解析；防护设备和装置的优化设计。③通过文献共被引分析发现脑损伤的预测与评估是该领域的知识基础亦是研究热点。④有限元方法运用在脑震荡领域的研究热点主要围绕头部损伤预测为主题展开，结合探索大脑损伤机制以及防护装备的设计与改进。⑤随着人工智能与材料学的进步，未来有限元方法在脑震荡损伤领域的研究热点将集中于脑损伤模型、测试方法与防护装备的改进。

https://orcid.org/0000-0002-6380-9793(罗卫东)；https://orcid.org/0000-0002-4092-2929(黄达)

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

关键词: 有限元模型, 头部撞击, 运动员, 橄榄球, 文献计量学, 脑震荡, 创伤性脑损伤, 有限元分析, 可视化分析, 有限元建模

Abstract: BACKGROUND: Concussions caused by contact sports or traffic accidents are far more serious and common than people think, and have attracted widespread attention and high attention from the media, medical and sports circles in recent years.
OBJECTIVE: To visualize the hot spots and trends in the field of concussion by using the method of bibliometrics, so as to provide some reference for the research in this field in China.
METHODS: Based on the core collection database of Web of Science, the keyword retrieval strategy was (TS=(Concussion)) AND TS=(Finite element). CiteSpace 6.2.R4 visualization tool was used to visually analyze the author, country, institution, keywords, cited documents, etc.
RESULTS AND CONCLUSION: A total of 215 articles were included, with a general upward trend in the number of publications and citations. The distribution of disciplines involves biomedical engineering, biophysics, sports science, clinical neurology, neuroscience and other disciplines, showing a trend of interdisciplinary integration. The author with the most publications is Gilchrist M from University College Dublin, Ireland, the institution with the most publications is the University of Ottawa, and the country with the most publications is the United States. Key word analysis shows that the focus of research is on the establishment of brain injury models to simulate and predict concussion injuries; analysis of concussion injury mechanism; optimal design of protective equipment and devices. Through literature co-citation analysis, it is found that the prediction and evaluation of brain injury is the knowledge base and research hotspot in this field. The research hotspot of finite element application in the field of concussion injury mainly focuses on the prediction of head injury, combined with the exploration of brain injury mechanism and the design and improvement of protective equipment. With the progress of artificial intelligence and materials science, future research hotspots in the field of concussion injury will focus on the improvement of brain injury models, test methods and protective equipment.

Key words: finite element model, head impact, athlete, football, bibliometrics, concussion, traumatic brain injury, finite element analysis, visual analysis, finite element modeling

中图分类号:

罗卫东, 邹丽华, 黄达. 有限元方法在脑震荡领域的热点：脑损伤模型、测试方法与防护装备的改进[J]. 中国组织工程研究, 2024, 28(34): 5487-5493.

Luo Weidong, Zou Lihua, Huang Da. Visual analysis of hot topics in concussion field by finite element method: Improvements in brain injury models, test methods and protective devices[J]. Chinese Journal of Tissue Engineering Research, 2024, 28(34): 5487-5493.

图/表（结果） 11

2.1 年度发文量与引用次数变化通过Web of Science核心集数据库自带的引文报告功能对有限元在脑震荡领域的发文量和引用次数的年度变化进行分析，见图1。在2010-2023年时间段内，共有215篇论文与有限元法在脑震荡领域的运用相关，被引4 313次，除去自被引为3 268次，年均被引频次为20.0次，H指数为30.5。发文量与年度引用次数都呈上升趋势，发文量在2020年达到最高，为32篇。而年度被引频次在2022年达到顶峰，被引823次。这在一定程度上表明相关学者们将有限元法运用于脑震荡领域的尝试和探索逐渐增多，其研究价值被学术界众多研究者重视。

2.2 学科分布特征人类社会发展遇到的重大科学问题常需要多个学科的共同协作才得以攻破。学科交叉的方向一般是自然科学前沿探索研究的新方向，是自然科学发展新的增长点，易于产生重大突破[7]。脑震荡作为一个较为复杂的头部损伤，涉及众多学科领域的知识整合。有限元法因其高效、精确及便捷等优势广泛应用于工业，医学等方向。根据Web of Science核心集数据系统文献的学科统计分析可知215篇文献共涉及47个学科方向，其中载文量排名前10位的学科分别是生物医学工程、生物物理学、运动科学、临床神经学、神经科学、工程机械、计算机科学跨学科应用、重症监护医学、工程多学科及材料科学。其中117篇来自生物医学工程、35篇来自生物物理学、33篇来自运动科学、30篇来自临床神经学。通过学科交叉研究，为有限元法运用于脑震荡领域的研究提供了新的研究研究思路与视野，以及奠定的基础，见表1。

2.3 主要高产作者、国家、机构分布表2列出了该领域发文量排名前10位的作者、机构、国家。发文量最高的作者是来自渥太华大学的Gilchrist，M博士，发文量为43篇；排名第2位的也是来自渥太华大学的Hoshizaki，TB，发文量也是43篇；排名第3位也是来自渥太华大学Post，A博士，发文量为33篇。根据赖普思定律，核心作者最低发文量N=0.749√Mmax (Mmax为最高产作者发文量)。Mmax为43，计算得出N=5，发文量达到5篇以上即为该领域的核心作者。627位作者中共计有39位作者发文量大于5篇，共计126篇，占发文总量的58.6%。核心作者占总发文量的50%以上则表明该领域的核心作者团队形成，因此在该领域已有核心作者团队形成。发文量最高的机构为来自加拿大的渥太华大学，发文量为48篇；排名第2位的是来自爱尔兰的都柏林大学，发文量为43篇；排名第3位的是来自美国的弗吉尼亚大学，发文量为22篇。发文量最多的国家是美国，发文量为120篇；加拿大排名第2位发文量为64篇；第3位是爱尔兰，发文量为47篇。

2.4 关键词共现、聚类和爆发分析结果关键词是对研究内容的高度提炼，作为文章主题的概括和研究重点的凝练。关键词共现分析是研究一篇文献的核心部分，是识别有限元法在脑震荡领域研究热点的重要方法，其可用来分析研究领域内热点的分布情况，其机制是通过计算关键词在所有收录文献的标题和摘要中重复出现的次数来识别关键词的重要性[6]。关键词聚类的作用是展示相关领域的主要的热点研究方向，通过关键词聚类能够挖掘到有限元法在脑震荡领域的研究热点问题[5]。
在Cite Space 6.2.R4软件功能与参数设置区的Node Type选择Keyword。分析时间为2010-2023年，默认1年为1次切割。阈值选项选择“g-index”，k=25。得到频次排名前20的高频关键词，见下表3。之后在运动图像窗口点击Timeline，形成了节点N=287，E=1 795，Q值=0.379 8 > 0.3，Mean Modularity值=0.731 6的关键词时间线图谱，见图2。共计11个聚类群，见下表4。

自2010年以来文献的高频关键词为concussion(脑震荡)，traumatic brain injury(创伤性脑损伤)，injury(损伤)，professional football(职业橄榄球)，acceleration(加速度)，brain injury(头部损伤)，biomechanics (生物力学)，finite element model(有限元模型)。从中心性来看创伤性脑损伤、职业橄榄球、生物力学、头部损伤、有限元模型、橄榄球、有限元分析等节点发挥着重要枢纽作用。脑震荡是创伤性脑损伤的一个子集，在学术术语上经常交替使用[1]。除去与研究主题直接相关的关键词，综合关键词使用频率与中心性分析，橄榄球、头部损伤、生物力学、有限元模型及有限元建模可以作为关键词共现网络的关键节点。
Mean Silhouette(平均轮廓)值是用来衡量网络同质性的指标，取值范围为(-1-1)越接近1反映网络同质性越高，聚类的主题越明确，聚类分类中文献的相关性越接近。Mean Silhouette值为0.7时聚类结果具有高度性的，在0.5以上，可以认为聚类结果是合理的[3]。通过关键词聚类得到11个聚类群，见表4。11个聚类群的平均轮廓值均大于0.5，因此11个聚类结果是合理的。#0聚类群finite element(有限元)的关键词数量最多为39个，年份为2014年。#1聚类群helmet(头盔)关键词数量为37个，年份为2017年。#2聚类群finite element method(有限元模型)关键词数量为34个，年份为2015年。#3聚类群finite element analysis(有限元分析)关键词数量为33个，年份为2018年。#4聚类群finite element modeling(有限元建模)关键词数量为31个，年份为2014年。#5聚类群convolutional neural network(卷积神经网络)关键词数量为29个，年份为2018年。#6聚类群collegiate football players(大学橄榄球运动员)关键词数量为24个，年份为2014年。#7聚类群neurodegeneration (神经退化)关键词数量为17个，年份为2019年。#8 behavioral assessments(行为评估)关键词数量为14个，年份为2013年。#9聚类群brain injury (头部损伤)关键词数量14个，年份为2015年。#10聚类群personal protection equipment(个人防护装备)关键词数量为8个，年份为2010年。
通过对关键词进行爆发探测，发现16个爆发关键词，如图3。划分为两个阶段：第一阶段(2015-2018年)，该阶段的关键词分别为impact(撞击)、finite element modeling(有限元建模)、kinematics(运动学)、head injury(脑损伤)、acceleration(加速度)、Head impact(头部撞击)、deformation(变形)；第二阶段(2019-2021年)，该阶段的关键词为maximum principal strain(最大主应变)、Diffuse axonal injury(弥散性轴索损伤)、sports(运动)、Professional football(职业橄榄球)、impact(撞击)、concussion(脑震荡)、responses(反应)、model(模型)、exposure(暴露)。

2.5 文献共被引聚类/爆发分析在Cite Space 6.2.R4功能与参数设置区的Node Type选择Reference。分析时间为2010-2023年，默认1年为1次切割。阈值选项选择“Top N per slice”，节点阈值设定为N=25。得到被引频次排名前10的高被引文献[9-18]，见表5。随后在运动图像窗口选择Timeline功能，形成了节点N=252，E=1 017，Q值=0.75 > 0.3，Mean Modularity值=0.883 7的被引文献聚类图谱，见图3。

2.5.1 文献高被引分析通常在某个领域高被引文献被看作是该研究领域的理论基础，共被引是指2篇文献共同出现在第3篇施引文献的参考文献目录中，则2篇文献形成共被引分析[3]。通常在某个领域高被引文献被看作是该研究领域的理论基础，知识基础是一个有利于进一步明晰研究前沿本质的概念。如果把研究前沿定义为一个研究领域的发展状况，那么研究前沿的引文就形成了相应的知识基础[8]。
对共被引排名前10 的文献展开深入分析，表5列出了有限元在脑震荡领域从2010-2023年共被引次数排名前10 的文献[9-18]，这些文献是该领域的核心文献，高被引次数在一定程度上说明了这些研究成果为该领域研究提供了参考，学术影响较大，也在某种程度上反映了此领域的研究的知识基础。
2.5.2 文献共被引聚类分析为清晰地呈现有限元在脑震荡领域研究基础理论知识群，对共被引文献进行聚类分析，结果发现10个有价值的聚类群[9-14，19-39]，见表6，图4。最大的聚类群为#0(藏本模型)，平均年份为2019年；第2大聚类群为#1(预先估计)，平均年份为2012年；第3位大聚类群为#4(撞击生物力学)，平均年份为2011年。

2.5.3 最具影响力文献分析通过文献共被引爆发探测共检测出25篇文献，如图5所示。根据文献爆发时间分为两个阶段：第一阶段2011-2016年，共计10篇参考文献。该阶段内爆发性最高的文献是HASIJA等[40]于2013年发表，被引爆发年份发生在2016-2018年，主要研究脑损伤标准的制定。爆发性排第2位的是HERNANDEZ[10](2015)，爆发年份发生在2016-2020年，主要发现了6DOF标准比仅3DOF平移和仅3DOF旋转标准更能预测损伤。胼胝体的峰值主应变(6DOF FE标准)是最强的预测指标，其次是两个标准分别是旋转测量，峰值旋转加速度大小和头部撞击功率(HIP)。排名第3位的是KIMPARA[13](2012)，爆发年份为2014-2017年，主要研究旋转运动学引起的轻度创伤性脑损伤预测标准。第二阶段为2017-2021年，共计15篇参考文献。爆发性最强的是GABLER[11](2018)，爆发年份为2020-2023年，其发现了一个新的度量标准，通用脑损伤标准，能够更好地预测脑应变反应的度量。排名第2位的是SANCHEZ[12](2019)，爆发年份为2020-2023年，其修正了用于确定脑震荡风险的数据，并指出在许多重建中改变了头部角运动和大脑应变反应。排名第3位的是GABLER[9](2019)，爆发年份为2020-2023年，该研究描述了一种新的脑损伤指标，称为弥漫性轴突多轴综合评估，是最大脑劳损的最佳预测指标。

参考文献

[1] PATRICIOS JS, SCHNEIDER KJ, DVORAK J, et al. Consensus statement on concussion in sport: the 6th international conference on concussion in sport-amsterdam, October 2022. Br J Sports Med. 2023;57(11):695-711.
[2] MILLER LE, URBAN JE, ESPELAND MA, et al. Cumulative strain-based metrics for predicting subconcussive head impact exposure-related imaging changes in a cohort of American youth football players. J Neurosurg Pediatr. 2022;29(4):387-396.
[3] 李杰,陈超美.CiteSpace:科技文本挖掘及可视化[M].北京:首都经济贸易大学出版社,2016.
[4] 刘洋,朱志强,赵晓炜,等.国外肌电图学在肢体动作领域的主题热点与国际前沿分析[J].中国组织工程研究,2022,26(35):5707-5715.
[5] 葛昊,刘贤旺,黄艺伟,等.后交叉韧带重建的国际研究趋势与热点分析[J].中国组织工程研究,2024,28(18):2947-2952.
[6] 陶广义,王琳梓,杨彬,等.人工智能在脊柱畸形领域研究热点的可视化分析[J].中国组织工程究,2024,28(30):4915-4920.
[7] 董樊丽,张兵,聂文洁.高校学科交叉融合创新体系构建研究[J].科学管理研究,2019,37(6):18-23.
[8] 陈悦,陈超美,刘则渊,等.CiteSpace知识图谱的方法论功能[J].科学学研究,2015,33(2):242-253.
[9] GABLER LF, CRANDALL JR, PANZER MB. Development of a second-order system for rapid estimation of maximum brain strain. Ann Biomed Eng. 2019;47(9): 1971-1981.
[10] HERNANDEZ F, WU LC, YIP MC, et al. Six degree-of-freedom measurements of human mild traumatic brain injury. Ann Biomed Eng. 2015;43(8):1918-1934.
[11] GABLER LF, CRANDALL JR, PANZER MB. Development of a metric for predicting brain strain responses using head kinematics. Ann Biomed Eng. 2018;46(7):972-985.
[12] SANCHEZ EJ, GABLER LF, GOOD AB, et al. A reanalysis of football impact reconstructions for head kinematics and finite element modeling. Clin Biomech (Bristol, Avon). 2019;64:82-89.
[13] KIMPARA H, IWAMOTO M. Mild traumatic brain injury predictors based on angular accelerations during impacts. Ann Biomed Eng. 2012;40(1):114-126.
[14] MCALLISTER TW, FORD JC, JI S, et al. Maximum principal strain and strain rate associated with concussion diagnosis correlates with changes in corpus callosum white matter indices. Ann Biomed Eng. 2012;40(1):127-140.
[15] ROWSON S, DUMA SM, BECKWITH JG, et al. Rotational head kinematics in football impacts: an injury risk function for concussion. Ann Biomed Eng. 2012;40(1):1-13.
[16] LIU Y, DOMEL AG, YOUSEFSANI SA, et al. Validation and comparison of instrumented mouthguards for measuring head kinematics and assessing brain deformation in football impacts. Ann Biomed Eng. 2020;48(11):2580-2598.
[17] JI S, GHADYANI H, BOLANDER RP, et al. Parametric comparisons of intracranial mechanical responses from three validated finite element models of the human head. Ann Biomed Eng. 2014;42(1):11-24.
[18] GABLER LF, CRANDALL JR, PANZER MB. Assessment of kinematic brain injury metrics for predicting strain responses in diverse automotive impact conditions. Ann Biomed Eng. 2016;44(12):3705-3718.
[19] POST A, HOSHIZAKI B, GILCHRIST MD. Finite element analysis of the effect of loading curve shape on brain injury predictors. J Biomech. 2012;45(4):679-683.
[20] POST A, OEUR A, HOSHIZAKI B, et al. An examination of American football helmets using brain deformation metrics associated with concussion. Mater Design. 2013;45(1):653-662.
[21] POST A, HOSHIZAKI TB. Mechanisms of brain impact injuries and their prediction: a review. Trauma. 2012;14(4):327-349.
[22] ROWSON S, BECKWITH JG, CHU JJ, et al. A six degree of freedom head acceleration measurement device for use in football. J Appl Biomech. 2011; 27(1):8-14.
[23] KLEIVEN S. Predictors for traumatic brain injuries evaluated through accident reconstructions. Stapp Car Crash J. 2007;51:81-114.
[24] GREENWALD RM, GWIN JT, CHU JJ, et al. Head impact severity measures for evaluating mild traumatic brain injury risk exposure. Neurosurgery. 2008;62(4): 789-798.
[25] GIUDICE JS, PARK G, KONG K, et al. Development of open-source dummy and impactor models for the assessment of american football helmet finite element models. Ann Biomed Eng. 2019;47(2):464-474.
[26] BUSTAMANTE MC, BRUNEAU D, BARKER JB. et al. Component-level finite element model and validation for a modern american football helmet. Dynamic behav Mater. 2019;5(2):117-131.
[27] BAILEY AM, MCMURRY TL, CORMIER JM, et al. Comparison of laboratory and on-field performance of american football helmets. Ann Biomed Eng. 2020;48(11): 2531-2541.
[28] GIORDANO C, KLEIVEN S. Evaluation of axonal strain as a predictor for mild traumatic brain injuries using finite element modeling. Stapp Car Crash J. 2014; 58:29-61.
[29] HOSHIZAKI TB, POST A, KENDALL M, et al. The development of a threshold curve for the understanding of concussion in sport. Trauma. 2017;19(3):196-206.
[30] PATTON DA, MCINTOSH AS, KLEIVEN S. The biomechanical determinants of concussion: finite element simulations to investigate tissue-level predictors of injury during sporting impacts to the unprotected head. J Appl Biomech. 2015; 31(4):264-268.
[31] WEAVER AA, DANELSON KA, STITZEL JD. Modeling brain injury response for rotational velocities of varying directions and magnitudes. Ann Biomed Eng. 2012;40(9):2005-2018.
[32] DONALD RD, HEALY SD, LAWRENCE AB, et al. Emotionality in growing pigs: is the open field a valid test?. Physiol Behav. 2011;104(5):906-913.
[33] HARDY WN, MASON MJ, FOSTER CD, et al. A study of the response of the human cadaver head to impact. Stapp Car Crash J. 2007;51:17-80.
[34] HOOTMAN JM, DICK R, AGEL J. Epidemiology of collegiate injuries for 15 sports: summary and recommendations for injury prevention initiatives. J Athl Train. 2007;42(2):311-319.
[35] WALSH ES, KENDALL M, POST A, et al. Comparative analysis of Hybrid III neckform and an unbiased neckform. Sports Eng. 2018;21(4):479-485.
[36] Karton C, Blaine Hoshizaki T, Gilchrist MD. A novel repetitive head impact exposure measurement tool differentiates player position in National Football League. Sci Rep. 2020;10(1):1200.
[37] MARJOUX D, BAUMGARTNER D, DECK C, et al. Head injury prediction capability of the HIC, HIP, SIMon and ULP criteria. Accid Anal Prev. 2008;40(3):1135-1148.
[38] CUI L, FORERO MA, GILCHRIST MD.Optimisation of energy absorbing liner for equestrian helmets. Part II: Functionally graded foam liner. Mater Design. 2009;30(9):3414-3419.
[39] FERNANDES FA, ALVES DE SOUSA RJ. Motorcycle helmets--a state of the art review. Accid Anal Prev. 2013;56:1-21.
[40] HASIJA V,TAKHOUNTS EG, CRAIG MJ, et al. Development of brain injury criteria (BrIC). Stapp Car Crash J. 2013;57:243-266.
[41] OEUR RA, KARTON C, POST A, et al. A comparison of head dynamic response and brain tissue stress and strain using accident reconstructions for concussion, concussion with persistent postconcussive symptoms, and subdural hematoma. J Neurosurg. 2015;123(2):415-422.
[42] TIERNAN S, MEAGHER A, O’SULLIVAN D, et al. Finite element simulation of head impacts in mixed martial arts. Comput Methods Biomech Biomed Engin. 2021;24(3):278-288.
[43] GABRIELI D, VIGILANTE NF, SCHEINFELD R, et al. A multibody model for predicting spatial distribution of human brain deformation following impact loading. J Biomech Eng. 2020;142(9):091015.
[44] LYU D, ZHOU R, LIN CH, et al. Development and validation of a new anisotropic visco-hyperelastic human head finite element model capable of predicting multiple brain injuries. Front Bioeng Biotechnol. 2022;10:831595.
[45] LAKSARI K, FANTON M, WU LC, et al. Multi-directional dynamic model for traumatic brain injury detection. J Neurotrauma. 2020;37(7):982-993.
[46] ZHAN XH,LIU YZ,RAYMOND SJ et al., Rapid estimation of entire brain strain using deep learning models. IEEE Transactions on Biomedical Engineering, 2021; 68(11):3424-3434.
[47] RAYMOND SJ, CECCHI NJ, ALIZADEH HV, et al. Physics-informed machine learning improves detection of head impacts. Ann Biomed Eng. 2022;50(11):1534-1545.
[48] GHAZI K,WU S,ZHAO W,et al. Instantaneous whole-brain strain estimation in dynamic head impact. J Neurotrauma. 2021;38(8):1023-1035.
[49] TAKAO H, WATANABE D, TANI S, et al. Use of a simulation model to investigate the mechanisms of sports-related head injuries. Neurol Med Chir (Tokyo). 2022; 62(1):13-18.
[50] POST A, KENDALL M, KONCAN D, et al. Characterization of persistent concussive syndrome using injury reconstruction and finite element modelling. J Mech Behav Biomed Mater. 2015;41:325-335.
[51] GHAJARI M, HELLYER PJ, SHARP DJ. Computational modelling of traumatic brain injury predicts the location of chronic traumatic encephalopathy pathology. Brain. 2017;140(2):333-343.
[52] ZIMMERMAN KA, KIM J, KARTON C, et al. Player position in American football influences the magnitude of mechanical strains produced in the location of chronic traumatic encephalopathy pathology: a computational modelling study. J Biomech. 2021;118:110256.
[53] ZIMMERMAN KA, COURNOYER J, LAI H, et al. The biomechanical signature of loss of consciousness: computational modelling of elite athlete head injuries. Brain. 2023;146(7):3063-3078.
[54] LI Y, SINGMAN E, MCCULLEY T, et al. The biomechanics of indirect traumatic optic neuropathy using a computational head model with a biofidelic orbit. Front Neurol. 2020;11:346.
[55] FAHLSTEDT M, HALLDIN P, KLEIVEN S. The protective effect of a helmet in three bicycle accidents--A finite element study. Accid Anal Prev. 2016;91:135-143.
[56] MCINTOSH AS, PATTON DA. Boxing headguard performance in punch machine tests. Br J Sports Med. 2015;49(17):1108-1112.
[57] FAHLSTEDT M, ABAYAZID F, PANZER MB, et al. Ranking and rating bicycle helmet safety performance in oblique impacts using eight different brain injury models. Ann Biomed Eng. 2021;49(3):1097-1109.
[58] CLARK JM, HOSHIZAKI TB, GILCHRIST MD. Protective capacity of an ice hockey goaltender helmet for three events associated with concussion. Comput Methods Biomech Biomed Engin. 2017;20(12):1299-1311.
[59] CAMPOLETTANO ET, GELLNER RA, SPROULE DW. Quantifying youth football helmet performance: assessing linear and rotational head acceleration. Ann Biomed Eng. 2020;48(6):1640-1650.
[60] CLARK JM, TAYLOR K, POST A, et al. Comparison of ice hockey goaltender helmets for concussion type impacts. Ann Biomed Eng. 2018;46(7):986-1000.
[61] PRASARTTHONG N, CARMAI J. Investigation of the effect of child helmet design parameters on head and brain injuries using reduced-order modelling. Applied Sciences. 2022;12(16):8016.
[62] CECCHI NJ, VAHID ALIZADEH H, LIU Y, et al. Finite element evaluation of an American football helmet featuring liquid []shock absorbers for protecting against concussive and subconcussive head impacts. Front Bioeng Biotechnol. 2023;11:1160387.
[63] DECKER WB, BAKER AM, YE X, et al. Development and multi-scale validation of a finite element football helmet model. Ann Biomed Eng. 2020;48(1):258-270.

引言

材料方法

1.1 数据的来源与检索策略为确保文献样本的权威性与可用性，文献的数据均来自美国科学情报所出版Web of Science核心集数据库，该数据库是全球领先的收录及相关学术影响的平台，能够提供最具影响力、最权威的文献。文章提取核心集中Select all。设定为高级检索，检索方式为：(TS=(concussion)) AND TS=(Finite element)，语种为English，文献类型为Article，时间跨度为2010-01-01/2023-12-04，共计得到221条记录。
为保障检索的质量，检索工作由2位独立研究者进行，分别进行首次筛选与二次筛选，筛选中如果结果一致则采用，如果有分歧则再进行商议，直至达成共识。
1.2 文献的纳入与排除
1.2.1 纳入标准符合有限元在脑震荡研究领域应用的文献。
1.2.2 排除标准 ①重复发表的论文；②题录不完整的论文；③撤回的论文；④与主题不相关的论文；⑤社论材料、新闻、信函和会议摘要。
1.3 文献的收集剔除不符合纳入标准的文献后得到215条记录，将Web of Science核心集数据库检索到的文献以“全纪录与引用的参考文献”“纯文本格式”进行导出，命名为download_1-215.txt，并运用Cite Space6R软件进行除重后共计得到215条记录。将所有数据导入EXCEL2019软件中备用。
1.4 软件参数设置通过Web of Science核心集数据库文献池自带的分析功能，对发文量、学科分布、作者、机构、来源国家进行描述性统计，分析其外部特征。运用CiteSpace软件对关键词做共现、时间线分布分析，时间跨度为2010-2023年，时间切片为1年，阈值选项选择“g-index”，k=25，其它设置为默认选项，选择Timeline功能生成关键词时间线分布图。同时对共被引文献做聚类分布分析，时间跨度为2010-2023年，时间切片为1年，Top N=20，其它设置为默认选项，生成被引文献聚类分布图。
1.5 主要观察指标文章主要关注于2010-2023年Web of Science核心集数据库的发文量与被引量变化，学科分布特征，高产作者、机构、国家，高频关键词与关键词时间线分布、高被引文献，被引文献聚类分布，被引爆发文献以及该领域的基础文献。

讨论

文章运用CiteSpace软件有限元应用在脑震荡领域的文献进行可视化分析，从而探寻该领域的研究热点。通过对高频关键词的探寻，以及聚类时间线分布来梳理该领域的研究热点；同时对相关文献进行阅读与评价，经过研究小组与相关专家的探讨对该领域的研究热点进行归纳。
3.1 有限元在脑震荡领域的研究现状从发文量、被引量与学科分布特征分析可以看出有限元在脑震荡领域的研究在近10年来受到了较大的关注。学科分布特征呈交叉融合的趋势，生物医学工程、生物物理学、运动科学和临床神经学等学科的交叉的方向推动着脑震荡前沿的探索，也为人类科学界对大脑损伤的探索指明了方向。从高产作者、机构及国家分析可以发现在该领域已经形成了核心作者团队。以美国为代表的发达国家在该领域的研究占据了主导地位，中国虽在发文量上虽然排名第5位，但来自中国的作者与机构均未出现在排名前10位的榜单中，因此中国应当在该领域加强重视与研究，加强国际交流与合作，紧跟国际趋势与步伐。
3.2 有限元法在脑震荡领域的研究热点分析从关键词的聚类与施引分析结果可知，有限元在脑震荡领域有3大研究热点，包括脑损伤模型的建立用来模拟和预测脑震荡的损伤，解析脑震荡损伤机制，防护设备和装置的优化设计。
文章通过脑建模方式来还原头部撞击，以此来模拟预测脑损伤的标准是有限元在脑震荡领域最大的研究热点。如建立复杂的脑组织几何模型和生物力学模型，模拟脑震荡过程中脑组织的力学响应。早在20世纪70年代各国就开始构建脑损伤研究的有限元模型，当今研究中常见的脑模型有都柏林大学脑外伤模型、伍斯特头部损伤模型、韦恩州立大学脑损伤模型及全球人体模型联盟头部模型等。如基于都柏林大学脑损伤模型比较了脑震荡、持续性脑震荡和硬膜下血肿的头部动态反应和脑组织应力应变[41]。使用全球人体模型联盟头部模型模拟综合格斗运动员脑震荡角加速度最大的撞击，结果发现胼胝体的剪切应力是最佳预测指标[42]。根据实际脑震荡损伤的特点开发能够准确预测大脑对冲击载荷反应的脑损伤模型和调整模型参数和加载条件，以此来准确预测脑损伤是当前的研究重点。如Gabrieli等[43]开发了多体(弹簧-质量-阻尼器)模型能够快速评估整个大脑的冲击载荷结果。Lyu等[44]开发和构建了脑白质组织的新材料模型，用各向异性黏弹性材料模型表示脑白质，模拟脑组织的方向依赖性反应，进一步提高限元全脑人体模型联盟第50百分位成年男性头部模型的生物保真度和损伤预测能力。
在其他提高脑震荡预测和评估方面，如基于3自由度集总参数脑模型的动力学特性，新的脑损伤度量方法-脑角度量，可用于快速近似轻度到中度头部撞击产生的峰值应变，并快速评估脑损伤风险[45]。基于5层深度神经网络和特征工程的深度学习头部模型可以准确地应用于各种运动项目的脑劳损计算，同时可以帮助研究人员比使用有限元模型更有效地估计大量头部撞击造成的脑应变[46]。人工智能可以通过机器学习与卷积神经网络来提高脑损伤预测。基于物理的机器学习撞击检测器比传统的视频分析更能够准确地从测试数据集中检测出真实和虚假的撞击，从而节省脑损伤预测的成本[47]。头部损伤模型是出了名的耗时和资源要求高，这可能阻碍了常规应用。卷积神经网络估计的反应也实现了几乎相同的脑震荡预测性能[48]。作者认为，提高脑损伤预测的准确性是该领域最大热点，随着人工智能、计算机以及材料学的进步与发展，未来将开发出更为精确的脑模型来提高脑损伤的预测能力。
有限元在脑震荡领域研究的第2大热点是脑震荡损伤机制的解析，主要通过模拟脑组织的应力和应变分布，如在橄榄球铲球等动作中通过分析脑冠状面扣带回、胼胝体、脑干、外侧颞叶和内侧颞叶5个点观察冯·米塞斯应力，发现各部位应力均以侧击后最高，其次为斜击，矢状面次之[49]。研究人员还可以通过改变加载条件、模型参数和材料特性等，探究头部撞击对脑组织的损伤机制，Post等[50]利用重建和有限元模型来确定导致住院患者持续脑震荡后症状的脑组织应力和应变。在预测与之相关疾病方面，如慢性创伤性脑病，通过建立高保真三维脑损伤生物力学计算模型来预测慢性创伤性脑病病理位置[51]。Zimmerman等[52]通过计算模型研究发现球员的位置对撞击运动学有显著影响，影响沟内变形的大小，这在空间上与慢性创伤性脑病病理观察到的位置相对应。探寻与脑震荡相关的症状机制方面，如意识丧失，间接外伤性视神经病变。Zimmerman等[53]基于有限元模型发现，运动中的意识丧失与张力障碍是由于头部撞击通过对参与维持意识的关键脑干核的生物力学作用而导致的。Li等[54]开发了一个具有生物神经轨迹的头部模型，通过模拟头部撞击去探寻间接外伤性视神经病变的机制。由于慢性创伤性脑病只能通过死后尸体解剖才能发现，作者认为基于有限元方法在探寻慢性创伤性脑病损伤机制有着先天的优势。
有限元法在脑震荡领域的第3大研究热点为头部防护装备的设计与优化，通过模拟脑震荡时头部与外界碰撞的过程，用于评估不同头部防护装备的效果，从而为防护装备的设计和优化提供技术支持。基于有限元模拟评估发现头盔可以降低脑震荡损伤的风险，如自行车头盔[55]，拳击头盔[56]，冰球头盔[57]，冰球守门员头盔可以控制跌倒和冰球撞击，但不能始终防止肩部碰撞[58]，橄榄球头盔[59]。研究人员可以通过优化设计，改变材料特性和结构参数等，提高防护设备和装置对脑震荡的防护效果。较厚的衬垫和坚硬的外壳材料可以减少跌倒和冰球撞击，以减少头部的运动学和脑组织的反应[60]。应用降阶模型研究儿童头盔设计参数对头部的影响，结果发现泡沫铝的使用增强了线性和旋转加速度的缓解以及质量的减轻，通过降低头盔表面的摩擦，可以降低脑震荡和弥漫性损伤的风险[61]。Cecchi等[62]通过拟人试验头罩和线性冲击器的有限元模型实验发现液体减震器在提高头盔安全性能方面具有良好的能力，并鼓励开发采用该技术的头盔物理原型。通过几何结构开发、材料表征和模型验证3个主要步骤，建立了Schutt Air XP Pro橄榄球头盔的有限元模型，得到了广泛且多尺度的验证[63]。作者认为基于有限元模型来检测头部防护装备是今后研究的一大重点，随着材料学的进步与发展，预防脑震荡的头盔设计将会是该领域研究者关注的热点。
3.3 有限元法在脑震荡领域的文献共被引分析结合高被引排名前10、被引爆发性前25、被引聚类3项指标分析发现#0(藏克模型)和#1(预先估计)是最大的两个聚类群，被引量排名前10位的文献都来自以上两个聚类群。
通过文献的梳理与分析发现#0聚类群的代表文献主要关注于利用最大主应变评估与预测脑损伤。如被引频次最高的文献是Gabler[9](2019)，其被引频次为26，中心性为0.33，爆发性为7.61，爆发年份为2020-2023年。Gabler等[9]发现与现有旋转脑损伤指标相比，基于一个3自由度的运动方程，耦合二阶系统的弥漫性轴突多轴综合评估是最大脑应变的最佳预测指标。被引频次第2位的是Gabler[11](2018)，被引频次为23次，中心性0.06，爆发性8.6，爆发年份为2020-2023年。GABLER等[11]发现基于二阶机械系统响应的脑损伤度量，通用脑损伤标准，通过将通用脑损伤标准与使用两种不同的有限元脑模型预测的1 600次头部撞击的最大主应变和累积应变损伤测量进行比较，证明了通用脑损伤标准的有效性。相对于现有的指标，通用脑损伤标准与有限元脑模型的相关性最高，并且在大多数影响条件下表现更好。被引频次排名第3位的是Sanchez[12](2019)，被引频次为23次，中心性为0.25，爆发性为8.6，爆发年份为2020-2023年，其修正了用于确定脑震荡风险的数据，并指出在许多重建中改变了头部角运动和大脑应变反应。被引频次第4位的是Liu[16](2020)，被引频次为17次，中心性为0.01，爆发性为6.24，爆发年份为2021-2023年，Liu等[16]发现所有测试的护齿器都能准确测量出峰值角加速度、峰值角速度和脑损伤标准值，并且具有足够长的采样时间窗的护齿器适合用于基于卷积神经网络的脑模型来计算脑应变。
#2聚类群的高被引文献也聚焦于脑损伤的预测与评估，基于的指标为线性加速度和旋转加速度。如被引频次最高的文献Hernandez[10](2015)，被引频次为24次，中心性为0.39，爆发性为8.04，爆发年份发生在2016-2020年，该研究发现6度自由标准更能预测损伤。6自由度有限元标准(胼胝体的峰值主应变)是最强的预测指标，其次是旋转测量，峰值旋转加速度大小和头部撞击功率。被引排名第2位的是Kimpara[13] (2012)，被引频次为20次，中心性为0.19，爆发性为8.6，爆发性为7.6，爆发年份为2014-2017年，该研究提出了两种基于角加速度的创伤性脑损伤判据，即旋转损伤判据和强力旋转头部损伤判据，当应变阈值小于15%时，旋转损伤判据与累积应变损伤测量显著相关，可预测轻度创伤性脑损伤；强力旋转头部损伤判据与累积应变损伤测量也有较强的相关性，应变阈值大于或等于20% ，可能预示更严重的创伤性脑损伤。排名第3位的是McAllister[14](2012)，频次为19，中心性为0.29，爆发性为7.2，中心性为7.2，爆发年份为2013-2017年。McAllister等[14]通过诊断脑震荡相关的受试者特异性FE模型预测的高应变区域和弥散张量成像的相关性来评估胼胝体白质完整性的变化。排名第4位的是Rowson[15](2012)，被引频次为18次，中心性为0.13，爆发性为6.81，爆发年份为2013-2017年。Rowson等[15]建立了脑震荡损伤风险曲线，名义损伤值6 383 rad/s2与28.3 rad/s代表50%的脑震荡风险。排名第5位的是Ji[17](2014)，被引频次为17，中心性为0.14，爆发性4.47，爆发年份为2016-2019年。Ji等[17]参数化比较3种有效头部有限元模型的区域脑力学反应，以验证区域脑反应依赖于所采用的特定头部模型和敏感区域的假设。排名第6位的是Gabler[18](2016)，中心性为0.42，爆发性为4.45，爆发年份为2017-2019年。Gabler等[18]发现脑应变与基于角速度的指标之间的相关性最高，而基于线性加速度的指标之间的相关性最低。大脑损伤标准和旋转速度损伤标准是总体相关性最高的运动学指标，旋转头部运动学是脑损伤标准中最重要的参数。作者发现早期的脑损伤预测主要基于线性加速度与旋转加速度，而近年来最大主应变与脑内应力等脑损伤指标引起了相关学者的高度重视。综合关键词聚类与文献共被引分析发现近年来的研究热点主要集中于通过有限元建模以及分析来对大脑损伤进行探测，论证损伤标准；通过有限元分析来对头部防护装备的性能进行评估。
3.4 文章的局限性 ①检索对象只是基于Web of Science核心集数据库，不包含其他数据库如PubMed和Scopus等，纳入文献数量有限。然而Web of Science核心集数据库作为常用且最适合文献计量学的平台，通过对相关领域的文献进行筛选，使评价更为准确，因此基于Web of Science核心集数据库获得的文献数据能够全面反映出国内外关于有限元在脑震荡领域的研究状况。②检索时间只是2010年之后的文献，研究小组通过对Web of Science核心集数据库2010年之前的发文量与文章内容进行了分析后发现2010年之前的发文量较少，且研究内容不能反映当前的研究热点，因此选择2010年后的文献能够更好的分析当前的研究热点。因此文章的所得出的结论具备较高的参考价值。
3.5 小结与展望有限元应用于脑震荡领域研究整体上呈上升趋势，已经形成了一定的核心作者合作群，欧美等发达国家在该领域占据了主导地位。近年来的研究热点主要集中于脑损伤预测指标的探索；脑损伤机制解析；头部防护装备的改进与测试。未来基于人工智能的飞速发展，人工智能结合有限元方法将更多的运用在脑震荡领域。中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程