2. 深圳清华大学研究院, 生物医用材料及植入器械实验室, 深圳 518057
2. Biomechanics and Biotechnology Lab, Research Institute of Tsinghua University in Shenzhen, Shenzhen 518057, China
作为骨关节疾病治疗的有效手段,人工关节置换术已经成为临床骨科的标准手术,并广泛用于髋、膝和踝等关节疾病的治疗。随着发病群体日趋年轻化,年龄低于60岁的患者比例逐年攀升,人工关节的预期使用寿命需达20年甚至更长时间才能保障关节置换者的生命健康[1]。但由于人工关节在体内摩擦作用下产生的磨损及其磨屑会引发骨溶解并造成假体松动失效,导致二次翻修,致使人工关节假体远未达到20~30年的寿命需求[2],这不仅给置换者造成重大经济负担,还会带来二次痛苦甚至生命危险。研究人工关节的磨损行为,是探明磨屑形成机制和骨溶解诱导机理的重要方式,也是人工关节松动失效机理研究的重要课题,对提升人工关节耐磨性、延长关节使用寿命具有重要意义[3]。
人工关节组合界面包括假体与假体的滑动界面,以及假体与骨之间的固定界面。滑动界面循环往复摩擦运动使假体磨损并产生大量磨屑,引发组织细胞发生不良生物反应,导致假体周围骨溶解[4];固定界面在关节运动状态下产生微动磨损,不仅抑制假体周围的骨整合,而且造成假体与骨骼之间产生磨损间隙,最终导致假体松动[5]。为提升假体磨损性能,众多学者在材料和润滑条件等方面开展了大量研究[6-8]。通过体外模拟试验,解决了因假体所处的体液环境复杂且服役时间长而无法在体内进行试验探究的难题,同时可以对磨损过程、形式和程度进行表征。结合计算机技术进行磨损量、表面形貌和磨屑分析,已成为人工关节磨损行为规律研究的重要手段。本文从人工关节磨损行为的研究方法和试验手段展开综述,分析假体磨损行为的影响因素及其体外模拟试验方案与信息提取方法;总结磨损试验机的个性化设计及试验方案,突出多种磨损信息综合对比分析在磨损行为研究中的作用;汇总计算机、图像处理及人工智能技术在磨屑分析中的应用研究成果,为人工关节磨损行为提供更多解决方案,为后期开展人工关节全寿命周期松动失效机理演变的系统性研究,建立人工关节摩擦磨损与生物相容性的综合评价体系提供指导。
1 人工关节组合界面的磨损行为概述人工关节组合界面的磨损行为如图 1所示。人们的日常活动会使关节假体在体内长时间进行复杂的往复运动,造成假体与假体滑动界面的滑动摩擦磨损(滑动磨损)。滑动磨损是磨屑的主要致因,也是假体松动失效的重要因素。人工关节滑动磨损机理主要有黏着磨损、磨料磨损和疲劳磨损等3种模式。由于磨损行为具有多样性,不同磨损机理在不同工况和不同阶段可能同时存在,造成磨损行为复杂,研究不同磨损行为的形成机理,探索其调控方法,成为研究热点[9-11]。
假体与骨之间的固定界面在人体运动下产生微米量级振动,造成固定界面产生磨损,即微动磨损。微动磨损导致假体配合面的尺寸发生变化并形成磨损间隙,最终导致假体松动,如图 2所示。此外,微动磨损还会破坏接触面的钝化膜,并产生磨屑和腐蚀产物,不仅加速磨损,还会释放金属离子,导致患者出现过敏和炎症反应[12]。
微动磨损是磨料磨损、黏着磨损和疲劳磨损等多种磨损模式的组合,是人工关节假体早期松动的主要原因。为减少微动磨损与微动腐蚀对关节假体损伤造成的影响,基础和临床研究通常通过研发生物相容性更高的生物医用材料并进行假体替代,提高假体使用寿命[13]。
2 人工关节磨损行为的影响因素人工关节磨损是在假体结构、材料、润滑、磨屑、手术及患者等多种因素共同作用下产生的,探究人工关节磨损行为的首要任务是掌握不同因素对磨损产生的影响作用,为关节假体制备方案的改进奠定基础,也为磨损试验方案设计与特征信息提取提供理论依据。
2.1 假体结构设计对假体磨损行为的影响假体的结构设计是影响关节假体滑动磨损行为的重要因素,以髋关节为例,其主要结构包括髋臼、衬垫、股骨头和股骨柄等,如图 3所示。相应的结构参数,如股骨头直径会直接影响关节假体的磨损行为。人体髋关节股骨头直径约40~52 mm[14],临床常用的股骨头球头直径在22~32 mm范围,文[15]研究表明,聚乙烯髋关节假体,通过减小球头直径能够有效降低摩擦副的磨损量。但球头直径过小不仅不利于固定髋关节假体,还会增加脱位风险。较大的球头直径会带来更大的力臂,使摩擦力矩增大,导致磨损加剧,但较大的球头直径假体有更大的活动范围及更好的稳定性。为降低大直径球头的磨损量,可通过高分子材料交联改性提升假体的耐磨性,使其更符合人体髋关节的置换需求[16]。
臼杯外展角也是影响人工髋关节磨损率的重要因素。通过总结现有研究成果,得到臼杯外展角度对磨损率的影响关系,如图 4所示。临床研究结果表明[17],臼杯的外展角小于45°时,假体的平均磨损率为0.12 mm/a;大于45°时,平均磨损率提高至0.18 mm/a,增幅达50%。然而,有学者通过不同髋臼倾角对超高分子量聚乙烯(ultra-high molecular weight polyethylene,UHMWPE)磨损率的影响进行研究,发现当外展角从0°增加到85°时磨损率无明显变化[18]。文[16]分析认为,髋臼杯的镶嵌式设计是造成上述2项研究得出不同结论的主要原因。假体的稳定性会受髋臼边缘断裂、脱臼或撞击等因素的影响。因此,临床上通常设计臼杯外展角度小于55°,以维持髋关节的活动度和稳定性[3]。
2.2 材料对假体磨损行为的影响
用于制备关节假体的生物医用材料是影响假体寿命的重要因素。人工关节材料主要有金属材料、高分子材料和陶瓷材料等3种。文[19]对不同材料的磨损特性展开了研究,发现在润滑条件下氧化锆(ZrO2,陶瓷材料)比UHMWPE具有更好的摩擦和磨损特性;而在干燥情况下,UHMWPE的磨损率较小。软骨-假体摩擦学性能探究的实验结果表明[20],在聚醚醚酮(PEEK)、钴铬钼合金(CoCrMo)和陶瓷3种摩擦副中,PEEK与软骨的磨损损伤最小,陶瓷与软骨的磨损损伤最大,验证了软-软摩擦副具有更佳的生物摩擦特性。
材料制备工艺不同也会产生不同的磨损特性。以聚乙烯为例,超低磨损聚乙烯(ultra-low-wear polyethylene, ULWPE)与UHMWPE的磨损机理相似,但ULWPE具有良好的生物相容性和安全性,其耐磨性优于UHMWPE,具有取代UHMWPE的潜力[4]。此外,文[21]研究表明,经过交联后的UHMWPE有更好的耐磨性,优势显著。
综上所述,金属材料、高分子材料和陶瓷材料具有不同的应用属性,可根据实际应用制备不同的假体配副。随着生物医用复合材料和衍生材料不断更新替代,关节假体材料的性能也不断提升,其应用也越来越广泛。
2.3 磨屑对假体磨损行为的影响磨屑是磨损的直接产物,不同磨损模式产生的磨屑展现出不同的分布特征[22]。假体磨损产生的磨屑堆积在摩擦副表面,造成接触面的三体磨损,并且会改变假体表面的粗糙度,加剧磨损进程。磨屑在体内引发炎症反应会诱导假体周围骨溶解,使假体松动并加剧假体磨损。
文[23]研究表明,人工髋关节股骨头粗糙度增加主要受嵌套在关节表面的磨屑影响,并且磨屑的几何形状会造成不同的损伤情况。该试验研究了粒径在5~50 μm的球形和棱柱状2种颗粒形态对人工髋关节表面损伤的影响,将铬钴表面颗粒压痕引起的压痕峰谷高度作为诱导损伤的指标。结果表明,对于10~40 μm的球形颗粒,峰谷高度计算值在0.1~0.5 μm; 对于棱柱状颗粒,峰谷高度可达1.3 μm,这取决于颗粒自由角的大小和宽度。可见,拥有不同特征的磨屑对假体的损伤情况也有差别。
2.4 润滑条件对假体磨损行为的影响润滑状态对材料磨损率有直接影响。基础研究通常通过体外模拟测试研究不同润滑液与假体配副磨损率的对应关系。关节磨损润滑液主要分为非生理性润滑液(不含蛋白质,如生理盐水)和生理性润滑液(含蛋白质,如牛血清)2类。牛血清的成分与人体血清类似,常作为人工关节模拟试验的润滑液。其中,润滑液中的蛋白质浓度是磨损率的重要影响因素。2014年,国际标准化组织(International Organization for Standardization, ISO)制定了ISO 14242-1[24]《外科植入物—全髋关节假体磨损试验标准》(Implants for surgery-wear of total hip-joint prostheses-part 1),规定小牛血清溶液蛋白质的浓度为(30±2)g/L。John等[25]研究了17、34和62 mg/mL 3种不同蛋白浓度下的聚乙烯磨损率,发现随着蛋白浓度增加,磨损率呈下降趋势。谭琴等[26]的研究也证明磨损率随蛋白质浓度增加而降低。然而,Good等[27]研究发现,蛋白浓度为10 mg/mL时聚乙烯的磨损率最大;小于10 mg/mL时,磨损率随蛋白浓度增加而先增加后降低;高于10 mg/mL时,磨损率随蛋白浓度增加而降低。文[25]和[27]研究结果对比如图 5所示。可见,学者们关于牛血清蛋白液对材料磨损率影响的研究尚未达成共识。因此,有关润滑液对磨损行为的影响机制仍需进一步探索。
2.5 手术及患者因素对磨损行为的影响
人工关节植入体内时手术操作及患者体质差异也会造成关节假体磨损行为不同。在不考虑医生技术的情况下,应用机器人辅助技术可以提高植入假体定位的准确性[28],降低人工关节在体内的磨损。
患者的身高、体重和日常生活习惯等个人因素也会对人工关节的磨损行为有影响。文[29]指出,患者过于肥胖或患有糖尿病等会增加人工关节的断裂风险,从而造成更剧烈的磨损,加速假体失效进程。
2.6 人工关节耐磨性提升针对上述人工关节磨损行为的影响因素,研究者提出了众多人工关节耐磨性提升方案。使用不同生物医用材料合成的复合材料或衍生材料是提高人工关节生物相容性和耐磨性的有效方法。文[30]开发了PEEK/ZnO-SCF复合材料,具有良好的耐磨性、抗菌性和生物相容性。材料表面改性,如表面纹理、涂层、表面硬化和结构设计已经广泛用于提升假体的摩擦磨损性能。图 6展示了采用氮化物薄膜表面改性的人工关节假体。
文[31]利用微凹坑可以储存磨损碎屑并二次润滑的特性,通过表面微纹理改性提升材料的耐磨性。同样,具有纹理的钴铬钼合金具有良好的摩擦磨损性能,且鳞片状纹理结构的钴铬钼合金的性能更佳[32]。
图 7为金属骨小梁涂层和钛丝涂层臼杯。将耐磨涂层沉积在基材上,可以改善人工假体的磨损性能并延长使用寿命[33]。经过高熵合金涂层后的Ti6Al4V具有显著的抗磨损性能,在干摩擦和猪血浆润滑条件下,摩擦系数分别降低了37.0%和35.7%[34]。
表面硬化通常是对金属材料进行加热或使用机械方法提高表面硬度,从而提高其耐磨性和抗疲劳性[35]。纳米和生物结构学的进步揭示了越来越多的分层(多尺度)表面,分层结构对摩擦损耗具有重要作用,因此人工关节经过分层结构设计后其耐磨损性能也会提升[36]。
综上所述,研发新型生物医用材料并对假体表面改性对假体耐摩擦磨损性能提升十分重要。但人工关节磨损行为的影响因素较多且相互关联,关于关节假体磨损行为的影响机制还需深入探讨。
3 人工关节磨损行为试验由于体内环境复杂且受临床试验限制,难以在人体内开展人工假体磨损行为分析的相关试验,通过在体外搭建模拟试验平台,探究人工假体的摩擦磨损机理是解决该问题的有效途径。本章对磨损试验机设计、磨损试验方案设计、磨损试验参数提取及机理研究进行总结,并分析滑动磨损和微动磨损在体外模拟试验的异同,系统阐述人工关节体外模拟试验的实现过程。
3.1 人工关节磨损性能测试现阶段,主要通过摩擦磨损试验机开展人工关节的摩擦磨损性能测试,然后利用关节模拟器进行体外模拟测试。磨损行为的监测与分析通常不能在单一的试验机上进行,需要进行改装以及其他设备辅助分析。
摩擦磨损试验机可以实现在线监测摩擦系数、温度和湿度等磨损信息。通过附加不同功能模块,还可以在线采集磨损表面形貌和振动信号,并通过数据分析提取磨损特征参数。目前,国际商用摩擦磨损试验机主要包括MFT摩擦磨损试验机(Rtec公司,美国)、UMT摩擦磨损试验机(Bruker公司,德国)和TRB摩擦磨损试验机(Antonpaar公司,奥地利),如图 8所示。UMT摩擦磨损试验机和MFT摩擦磨损试验机的加载范围大、拓展功能多,但测试样品放置不平时接触载荷会产生波动;TRB摩擦磨损试验机的结构简单,载荷恒定,但拓展功能少,无法满足复杂摩擦磨损测试需求。
相比于摩擦磨损试验机,关节模拟器可以实时传输人工关节的受力、磨损角度和扭矩等信息,磨损测试结果更符合临床应用需求。通过制备人工关节配副,根据关节步态数据设置模拟器的运动模式,模拟植入人体后的人工关节磨损状况,实现磨损性能评估。
国内外研究人员设计了多种关节模拟器,洪美娟等[37]自主研发了两轴髋关节模拟机(见图 9),集机、电、液技术于一体,能模拟人体髋关节的实际运动工况,使关节假体产生的磨损机理与实际条件一致,并且能够测试人工关节材料的生物摩擦学特性参数。华子恺[38]自主研发了一种多站台髋关节多轴型试验机,为人工关节假体的磨损性能测试提供了试验条件。为简化试验机结构,Tong等[39]采用仿人体髋臼(见图 10)开展模拟试验,简化了髋臼模型。然而,大多数自主研发的试验机只针对实验室条件进行设计,未能推广应用。
ISO 14242-1[24]对关节磨损试验进行了相关参数规定,不同品牌的模拟试验机也制定了相应的技术参数。以髋关节模拟试验机为例,表 1列出了相关标准与不同产品厂商规定的频率、载荷和运动参数[40]。不同品牌在髋关节矢状面上的屈曲运动、冠状面上的外展和内收运动,以及横截面上的内部和外部旋转运动的模拟能力不同,应分别根据各技术指标进行选择。
此外,为了开展更复杂、更具有针对性的磨损行为研究,很多学者设计并改良了具有特殊功能的摩擦磨损试验装置。例如,TRIBOLUMEN试验仪器专为透明材料的摩擦试验而设计,配备了声发射传感器与高速摄像头,可直接观察磨损界面,深入了解磨损机制[41]。Lyashenko等[42]设计了高精度摩擦磨损测试仪,除了测量加载力,还能对样品进行精确定位,从而实时观察接触区域内发生的磨损过程。在磨屑检测方面,文[43]开发了一种基于纳米摩擦发电的自供电传感器,可实现人工关节磨损碎屑的原位检测,为磨损行为研究提供新的技术手段。
3.2 人工关节体外磨损试验方案由于人体关节的运动模式复杂多变,为使试验结果具有可比性,需要制定通用标准规范人工关节模拟试验的参数。以膝关节为例,文[40]给出了人工膝关节假体的体外模拟试验标准。但随着关节置换者趋于年轻化,相关标准需要进一步探讨与更新。人工关节体外磨损试验主要包含4个步骤:
步骤1 选择润滑液。为逼近体内工作环境,人工关节假体磨损试验的润滑条件是不可忽视的因素。人体内的滑液是一种生物核糖液体,主要由白蛋白、γ-球蛋白、透明质酸和脂质组成[44]。目前人工假体磨损试验常采用小牛血清作为润滑液,Saikko等[45]探究了不同牛血清类型在不同温度下对假体磨损的影响。结果表明,温度从4℃升高到37℃时,α小牛血清中的高交联超高分子量聚乙烯的平均磨损因子降低2个数量级;温度超过20℃时,小牛血清比α小牛血清的磨损系数更高。由于牛血清溶液存在蛋白质降解、黏度与人体滑液不匹配,以及蛋白浓度与成分不统一等问题,对比试验研究存在差异,需要研制更符合实际需求的人工滑液。
步骤2 选择试验平台。摩擦方式与人工关节在体内服役过程的运动模式相对应。人体关节的自由度较多,例如膝关节,包括前后、上下和内外平移与屈曲、旋转和伸展共6个自由度,关节运动的模拟试验较复杂。选择并设计合适的试验平台是试验开展至关重要的一步。为探究不同运动模式对关节假体摩擦磨损性能的影响,Affatato等[46]采用“三加一”站位的膝关节模拟试验机对轴向载荷、前/后平移、内/外旋转及屈曲/伸展等4种运动形式进行了假体运动测试。结果表明,固定的全膝关节假体的耐磨性优于移动的全膝关节假体。Saikko等[47]在RandomPOD磨损测试系统上进行膝关节磨损试验设计,实现了多方向运动且逼真的模拟测试,为探究膝关节磨损机理提供了参考。
步骤3 设置磨损监测参量。磨损监测参量的设置也至关重要,摩擦系数可以反映磨损的剧烈程度,振动信号与运动频率相关,磨损表面形貌可以直观表征磨损状态。除了试验机自带的传感器,还可以使用扫描电子显微镜(scanning electron microscope, SEM)、激光扫描共聚焦显微镜(laser scanning confocal microscope, LSCM)和电子天平等仪器设备获取磨屑特征、磨损表面粗糙度和磨损率等信息。合理选择磨损监测参量,综合多维特征进行对比分析可以更加精准地反映人工关节的磨损行为。
此外,滑动磨损与微动磨损的试验方案也有差异,需根据不同磨损试验设置不同参量。滑动磨损试验需要模拟关节假体的往复运动,而微动磨损试验则是在微米量级进行振动与腐蚀磨损性能测试。
步骤4 提取并分析试验结果。确定试验环境及设备之后开展模拟试验。试验结束后,根据不同的磨损试验(滑动与微动)需要提取不同的磨损表征参量,用于分析相应的磨损率及磨损机理。滑动磨损行为主要由磨损量、磨屑特征和磨损表面形貌特征表征;微动磨损行为主要通过耗散能、能量比和摩擦系数评估。此外,采用开路电位等电化学方法可获取材料腐蚀磨损状态;通过化学元素分析,可探究材料成分转移以及金属离子释放进程。磨损特征参数提取和分析方法详见第4章。
3.3 体外磨损试验方案改进复杂且长周期的人工关节磨损试验不仅费时耗力,还依赖专家经验分析磨损机理,自动化与智能化试验方案设计也因此受到关注。建立磨损分析智能化算法,既可提高试验测试效率,又可提高试验结果的准确性,是未来人工关节体外模拟试验的发展方向。
Mattei等[48]建立了一种磨损智能分析系统,将人体骨骼分析软件OpenSim中的肌肉骨骼(musculoskeletal, MSK)模型与MATLAB的磨损模拟模块相结合,实现髋关节的磨损损伤状态预测。Toh等[49]开发了一种微动磨损智能分析算法,研究全髋关节轴承表面磨损损伤行为及其对假体寿命的影响,助力全髋关节置换术的优化设计并降低磨损率。English等[50]基于能量磨损定律构建了3D有限元模型预测假体锥形连接处微动磨损的磨损模式、磨损量和磨损率。Ruggiero等[51]基于Reynolds方程和Archard磨损理论提出三维接触润滑模型用于计算假体磨损量。可见,应用计算机技术建立人工假体磨损计算与预测模型,是提高假体磨损分析与预测的自动化和智能化水平的有效手段。
针对传统采用高分辨显微镜和轮廓仪等仪器提取磨损参量耗时费力的问题,许多学者引入计算机视觉与图像处理算法,实现了磨损表面形貌和磨屑特征的自动化提取[52-54]。通过设计人工智能算法模型,包括主成分分析(principal component analysis, PCA)方法[55]、卷积神经网络[56]和集成分类模型[57]等实现了磨屑类型自动判别与磨损机理智能辨识。
4 磨损特征参数提取与磨损行为分析根据关节假体滑动和微动2种磨损形式分别阐述相应的磨损特征参数提取方法。
4.1 滑动磨损的特征参数提取与磨损行为分析人工髋关节和膝关节等假体的滑动磨损行为可通过不同参量表征。摩擦系数通常由试验机在磨损过程中实时测量获得,用于反映磨损的剧烈程度。摩擦系数越小,越平滑,磨损率越小,磨损越平稳;摩擦系数越大,变化越剧烈,磨损率越大,磨损越严重。但摩擦系数的干扰因素较多,其分析结果的可靠性较低。
磨损量通常采用称重法获取,但由于试验过程中受摩擦副表面清洁、干燥度及空气水分含量等因素影响,不可避免地出现测量误差。3D光学扫描也是磨损量测量的常用方法,虽然该方法获得的磨损量与称重法相比有近10%的误差[46],但可以减少人为操作及环境因素干扰,该方法测量结果仍可作为磨损率评估的有效依据。
通常采用光学显微镜、SEM、LSCM、表面粗糙度测试仪和白光干涉仪等采集磨损表面二维和三维形貌图,进而提取特征参量。图 11为SEM和LSCM采集的二维和三维形貌图。通过表面形貌分析,可获得不同磨损阶段产生的主导磨损机理。人工关节磨损类型主要有黏着磨损、磨料磨损和疲劳磨损。
摩擦副的接触表面有许多凹凸峰,在摩擦副的相对运动下,接触点发生塑性形变,表面出现破裂,而且接触表面在摩擦过程中温度升高,接触点产生黏着直至被剪断,形成黏着磨损。黏着磨损会使接触表面有明显的撕裂痕迹。磨料磨损是摩擦副表面被硬质颗粒划伤而产生的磨损,分为二体磨料磨损和三体磨料磨损。二体磨料磨损是其中一个摩擦副表面被另一个摩擦副表面的凸起硬质挤压造成的切削磨损,表面通常表现出剪切、划痕和微切削状的纹理特征。三体磨料磨损是外部硬质颗粒进入摩擦表面间隙造成的磨损,形成的表面纹理特征与二体磨料磨损并无差异。摩擦副表面材料在反复摩擦作用下因疲劳而脱落,即疲劳磨损,该磨损产生的表面形貌有明显的裂纹和坑洞。
磨屑是磨损行为的直接产物,也是磨损行为分析的重要依据。由于人工假体运动形式复杂,材料不同,不同阶段和不同关节部位产生的磨屑形状也不同。以UHMWPE为例,常见的4种磨屑形态包括长条状、块状、片状和近圆状。本研究团队采集的相应类型磨屑图像如图 12所示。长条状磨屑的长宽比大于2且宽厚比接近于1,外观结构多样。块状磨屑的尺寸较大,粒度通常大于10 μm,长宽比较小,边界轮廓复杂,表面纹理不规则。片状磨屑有2种类型:一种由疲劳磨损产生,表面光滑、卷曲小、厚度小、平面尺寸大、划痕少;另一种因黏着磨损产生,面积较大、厚度较小、边界轮廓复杂、多呈卷曲状。近圆状磨屑近似球形,长宽比接近1,粒度一般小于5 μm。
不同的磨屑类型与磨损机理密切相关。黏着磨损生成的磨屑表面粗糙,有明显的划痕或裂纹,轮廓不规则;磨料磨损产生的磨屑有圆弧状和切削状,也会产生尺寸较大的块状或片状磨屑;疲劳磨损则易产生片状和块状磨屑。
磨屑也由二维和三维形态特征表征。二维形态特征包括长度、宽度、形状因子、圆度、体态比、轮廓分形维数和等效直径等[58]。借助高分辨显微镜获取磨屑图像,结合图像处理算法可以快速提取磨屑的二维特征信息[59-61]。进而通过PCA筛选关键特征参数,构建遗传算法[62]、决策树[63]和卷积神经网络[64]实现磨屑类型的智能识别。但仅仅依赖二维特征信息难以完整描述不规则形状的磨屑类型。相比之下,三维形貌更适合表征不规则磨屑的形态。现阶段,磨屑三维特征仍依赖LSCM、3D扫描仪、原子力显微镜(atomic force microscope,AFM)和表面轮廓仪等仪器设备获取,提取的主要三维特征包括厚度、球度、空间直径、表面粗糙度和表面纹理等。
为提高磨屑三维形貌特征提取效率,文[65]开展磨粒三维重建算法研究。Wang等[66]利用磨屑多视角图像并结合运动恢复结构(structure from motion, SFM))和明暗恢复形状算法(shape from shading, SFS)构建了磨屑的三维点云模型,如图 13a所示。Peng等[67]基于多视角轮廓拟合算法构建了磨屑三维模型(图 13b)。为快速辨识磨屑类型,文[57-58]直接利用多视图特征序列构建三维特征描述子,进而利用智能分类器实现磨屑类型在线识别。由于非接触式磨屑三维监测方法,操作简单、精度较高,且易于实现自动化和智能化分析水平,应用前景广泛。
此外,材料成分分析也是评估摩擦副磨损过程材料转移及耐磨性的重要手段。材料分析方法分为化学分析法和仪器分析法。化学分析法根据化学反应原理使摩擦副材料发生一系列化学反应,检测其化学成分及含量,多用于常量组分分析。仪器分析法借助光谱仪、质谱仪和电化学检测仪等精密分析仪器检测材料的化学组成及含量,多用于微量及痕量分析。电感耦合等离子体发射光谱仪(inductively coupled plasma optical emission spectrometry, ICP-OES)是材料元素分析的重要方法。ICP-OES光谱仪形成的谱线强度与待测元素的浓度呈正相关关系。通过对不同波长形成的谱线进行强度分析,确定待测元素的含量。近红外光谱分析仪也应用广泛,结合计算机软件或化学计量学光谱软件可实现复杂样品的化学元素检测。
4.2 微动磨损的特征参数提取与磨损行为分析相比于滑动磨损,微动磨损形成的磨损表面形貌更轻微,磨屑尺寸较小,磨损特征参数提取更困难,需要采用高分辨显微或扫描技术进行提取,难以实现自动化。由于微动磨损形成的磨屑尺寸小(微纳米级)、数量少,在接触面经过多次碾压后形状特征区分度较低,因此磨屑特征参数通常只作为微动磨损行为分析的辅助参数。微动磨损行为主要通过摩擦系数和耗散能分析微动状态的滑移情况;根据材料成分检测,获取假体与骨之间的界面损伤和材料转移状态。
特别需要说明的是,在微动状态参量难以提取的情况下,腐蚀行为分析成为特征参数提取的重要手段。腐蚀磨损是材料表面磨损与腐蚀介质共同作用下形成的现象,是微动磨损的重要组成部分,因此也是微动磨损研究的重要课题[12]。通过腐蚀电位检测,并结合摩擦系数变化曲线,可以获取人工关节固定界面微动磨损与腐蚀状态的演变规律。在人工髋关节锥形微动腐蚀的研究中[68],检测得到PEEK/Ti6Al4V配副的微动腐蚀电流低于CoCrMo/Ti6Al4V配副,而且PEEK/Ti6Al4V配副的腐蚀电位高于CoCrMo/Ti6Al4V配副,说明PEEK材料制备的髋关节假体具有更强的耐腐蚀性。
综上所述,摩擦系数、磨损量、表面形貌、磨屑特征和材料成分等是人工关节磨损行为分析的重要参量。但由于滑动磨损与微动磨损的特征参量存在量级上的差异,因此相应的表征参量也会有所区别。相比之下,微动腐蚀则是微动磨损行为研究的必要环节。因此,只有针对关节部位、材料属性和润滑条件等工况提取相应的磨损特征参数,才能实现有效的磨损表征。精准的磨损表征可为优化人工关节设计与制备提供重要依据。
5 结论与展望为探究人工关节的松动失效机理,学者们围绕人工关节组合界面的磨损行为展开研究,并提出诸多理论和研究方法。本文对相关研究成果进行综述,主要结论及未来发展方向总结如下:
1) 材料改性技术是提升人工关节假体磨损性能的有效手段。研发更具有耐磨性的生物医用材料,进行材料分层、复合结构优化,以及表面纹理加工和涂层等是当前的研究热点。
2) 设计新型体外模拟试验平台并对比分析多种磨损信息参量可以更全面地描述磨损行为。结合计算机和人工智能技术,可以有效提升人工关节体外模拟试验的效率与准确度,这也是当前的研究热点之一。
3) 摩擦系数、磨损表面、磨屑和材料成分等是人工关节磨损行为的重要表征参量。但现有研究大多针对单一参量进行磨损状态表征,难以描述人工假体在复杂且长期服役过程中不同阶段的磨损状态。融合不同阶段形成的磨损信息是表征人工关节磨损状态变化过程的必要手段。
4) 借助计算机和图像处理技术,磨屑分析技术的智能化水平得到快速发展,使其在人工关节磨损研究领域拥有得天独厚的优势。随着人工智能算法的发展,磨屑类型智能识别技术进一步提升。可见,多技术和多算法融合为人工关节磨损行为研究提供了更多的解决思路。
[1] |
邵一伦, 崔文, 张小刚, 等. 金属对聚乙烯型人工髋关节摩擦学性能研究进展[J]. 润滑与密封, 2021, 46(5): 126-136. SHAO Y L, CUI W, ZHANG X G, et al. Progress of tribological properties of metal on polyethylene artificial hip prosthesis[J]. Lubrication Engineering, 2021, 46(5): 126-136. DOI:10.3969/j.issn.0254-0150.2021.05.021 (in Chinese) |
[2] |
WU X F, LIU S Y, CHEN K, et al. 3-D printed chitosan-gelatine hydrogel coating on titanium alloy surface as biological fixation interface of artificial joint prosthesis[J]. International Journal of Biological Macromolecules, 2021, 182: 669-679. DOI:10.1016/j.ijbiomac.2021.04.046 |
[3] |
FENG C A, CAO Y, WU T, et al. Friction and wear mechanism of artificial joint composite material PEEK/ZnO under different decomposition motion modes of knee joint[J]. Tribology International, 2023, 189: 108917. DOI:10.1016/j.triboint.2023.108917 |
[4] |
BIAN Y Y, ZHOU L, ZHOU G, et al. Study on biocompatibility, tribological property and wear debris characterization of ultra-low-wear polyethylene as artificial joint materials[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2018, 82: 87-94. DOI:10.1016/j.jmbbm.2018.03.009 |
[5] |
XU H D, ZHANG D K, CHEN K, et al. Taper fretting behavior of PEEK artificial hip joint[J]. Tribology International, 2019, 137: 30-38. DOI:10.1016/j.triboint.2019.04.027 |
[6] |
WANG Z R, LI Q, CHEN X C, et al. High crystallinity makes excellent wear resistance in crosslinked UHMWPE[J]. Polymer, 2023, 280: 126059. DOI:10.1016/j.polymer.2023.126059 |
[7] |
SU W P, HU Y H, FAN X L, et al. Clearance of senescent cells by navitoclax (ABT263) rejuvenates UHMWPE-induced osteolysis[J]. International Immunopharmacology, 2023, 115: 109694. DOI:10.1016/j.intimp.2023.109694 |
[8] |
MARIAN M, SHAH R, GASHI B, et al. Exploring the lubrication mechanisms of synovial fluids for joint longevity: A perspective[J]. Colloids and Surfaces B: Biointerfaces, 2021, 206: 111926. DOI:10.1016/j.colsurfb.2021.111926 |
[9] |
SHEN F, KE L L. A comparative study on fretting wear and frictional heating behavior of PEEK composites for artificial joint applications[J]. Polymer Testing, 2022, 109: 107552. DOI:10.1016/j.polymertesting.2022.107552 |
[10] |
YANG W L, DIAO H, XIN H, et al. Wear assessment of a Ti-6Al-4V motion-preserving porous artificial-cervical-joint fabricated by SLM after surface carburization[J]. Ceramics International, 2022, 48(18): 26137-26146. DOI:10.1016/j.ceramint.2022.05.296 |
[11] |
SAIKKO V. Effect of wear, acetabular cup inclination angle, load and serum degradation on the friction of a large diameter metal-on-metal hip prosthesis[J]. Clinical Biomechanics, 2019, 63: 1-9. DOI:10.1016/j.clinbiomech.2019.02.005 |
[12] |
SEMETSE L, OBADELE B A, RAGANYA L, et al. Fretting corrosion behaviour of Ti6Al4V reinforced with zirconia in foetal bovine serum[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2019, 100: 103392. DOI:10.1016/j.jmbbm.2019.103392 |
[13] |
WANG S Q, ZHANG D K, SUN M, et al. Torsional fretting corrosion behaviors of the CoCrMo/Ti6Al4V couple[J]. International Journal of Electrochemical Science, 2018, 13(7): 6414-6425. DOI:10.20964/2018.07.21 |
[14] |
PRITCHETT J W. Hip resurfacing using highly cross-linked polyethylene: Prospective study results at 8.5 years[J]. The Journal of Arthroplasty, 2016, 31(10): 2203-2208. DOI:10.1016/j.arth.2016.03.013 |
[15] |
CLARKE I C, GOOD V, ANISSIAN L, et al. Charnley wear model for validation of hip simulators' ball diameter versus polytetrafluoroethylene and polyethylene wear[J]. Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine, 1997, 211(1): 25-36. DOI:10.1243/0954411971534656 |
[16] |
SAIKKO V. Wear and friction of thin, large-diameter acetabular liners made from highly cross-linked, vitamin-E-stabilized UHMWPE against CoCr femoral heads[J]. Wear, 2019, 432-433: 202948. DOI:10.1016/j.wear.2019.202948 |
[17] |
LITTLE N J, BUSCH C A, GALLAGHER J A, et al. Acetabular polyethylene wear and acetabular inclination and femoral offset[J]. Clinical Orthopaedics and Related Research, 2009, 467(11): 2895-2900. DOI:10.1007/s11999-009-0845-3 |
[18] |
DEL SCHUTTE H, LIPMAN A J, BANNAR S M, et al. Effects of acetabular abduction on cup wear rates in total hip arthroplasty[J]. Journal of Arthroplasty, 1998, 13(6): 621-626. DOI:10.1016/S0883-5403(98)80003-X |
[19] |
SHANKAR S, NITHYAPRAKASH N, SANTHOSH B R. Short term tribological behavior of ceramic and polyethylene biomaterials for hip prosthesis[J]. Materials Testing, 2021, 63(5): 470-473. DOI:10.1515/mt-2020-0080 |
[20] |
ZHANG X Y, HU Y, CHEN K, et al. Bio-tribological behavior of articular cartilage based on biological morphology[J]. Journal of Materials Science: Materials in Medicine, 2021, 32(11): 132. DOI:10.1007/s10856-021-06566-y |
[21] |
SOBAJIMA A, OKIHARA T, MORIYAMA S, et al. Multiwall carbon nanotube composites as artificial joint materials[J]. ACS Biomaterials Science & Engineering, 2020, 6(12): 7032-7040. |
[22] |
UHLER M, BRAUN S, SCHROEDER S, et al. Wear investigation based on a novel, anatomic shoulder prosthesis with bearing materials inversion[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2022, 127: 105080. DOI:10.1016/j.jmbbm.2022.105080 |
[23] |
RAIMONDI M T, VENA P, PIETRABISSA R. Quantitative evaluation of the prosthetic head damage induced by microscopic third-body particles in total hip replacement[J]. Journal of Biomedical Materials Research, 2001, 58(4): 436-448. DOI:10.1002/jbm.1039 |
[24] |
International Organization for Standardization. Implants for surgery-wear of total hip-joint prostheses-part 1: Loading and displacement parameters for wear-testing machines and corresponding environmental conditions for test: ISO 4242-1: 2014(E)[S]. Switzerland: ISO, 2014.
|
[25] |
JOHN K S. The effect of serum protein concentration on wear rates in a hip simulator[J]. Journal of Biomaterials Applications, 2010, 25(2): 145-159. DOI:10.1177/0885328209347962 |
[26] |
谭琴, 张亚丽, 张小刚, 等. 滑液组分对人工关节摩擦学行为影响研究进展[J]. 摩擦学学报, 2023, 43(5): 581-596. TAN Q, ZHANG Y L, ZHANG X G, et al. Progress of influence of synovial fluid compositions on tribological behavior of artificial joints[J]. Tribology, 2023, 43(5): 581-596. (in Chinese) |
[27] |
GOOD V D, CLARKE I C, GUSTAFSON G A, et al. Wear of ultra-high molecular weight polyethylene and polytetrafluoroethylene in a hip simulator: A dose-response study of protein concentration[J]. Acta Orthopaedica Scandinavica, 2000, 71(4): 365-369. DOI:10.1080/000164700317393358 |
[28] |
MARSH M, NEWMAN S. Trends and developments in hip and knee arthroplasty technology[J]. Journal of Rehabilitation and Assistive Technologies Engineering, 2021, 8: 2055668320952043. |
[29] |
ZHANG X G, SHI G, SUN X J, et al. Factors influencing the outcomes of artificial hip replacements[J]. Cells Tissues Organs, 2019, 206(4-5): 254-262. |
[30] |
FENG C A, CEN J J, WU T, et al. Preparation and properties of the poly(ether ether ketone) (PEEK)/nano-zinc oxide (ZnO)-short carbon fiber (SCF) artificial joint composites[J]. ACS Applied Polymer Materials, 2022, 4(12): 8869-8877. DOI:10.1021/acsapm.2c01288 |
[31] |
CAI Y, LI K M, LI L, et al. Anti-friction mechanism of textured artificial joint material under the walking conditions of human[J]. Journal of Materials Research and Technology, 2022, 20: 2999-3007. DOI:10.1016/j.jmrt.2022.05.129 |
[32] |
LIU Y Y, ZHU Q, WANG C Y, et al. Tribological behavior of CoCrMo artificial knee joint with symmetrically biomimetic textured surfaces on PEEK[J]. Optics & Laser Technology, 2023, 157: 108774. |
[33] |
LIU D N, XIE H C, MA Z C, et al. Simultaneous enhancement of anti-friction and wear resistance performances via porous substrate and FeCoNiTiAl high entropy alloy coating of artificial joint materials[J]. Journal of Materials Research and Technology, 2022, 19: 2907-2915. DOI:10.1016/j.jmrt.2022.06.051 |
[34] |
LIU D N, MA Z C, ZHANG W, et al. Superior antiwear biomimetic artificial joint based on high-entropy alloy coating on porous Ti6Al4V[J]. Tribology International, 2021, 158: 106937. DOI:10.1016/j.triboint.2021.106937 |
[35] |
ZHAI W Z, BAI L C, ZHOU R H, et al. Recent progress on wear-resistant materials: Designs, properties, and applications[J]. Advanced Science, 2021, 8(11): 2003739. DOI:10.1002/advs.202003739 |
[36] |
NOSONOVSKY M, BHUSHAN B. Multiscale friction mechanisms and hierarchical surfaces in nano-and bio-tribology[J]. Materials Science & Engineering R: Reports, 2007, 58(3-5): 162-193. |
[37] |
洪美娟, 刘金龙, 卢舟燕. 多功能人工关节模拟试验机设计[J]. 医疗装备, 2006, 19(10): 15-17. HONG M J, LIU J L, LU Z Y. The design and modify of a multi-function tester for simulating artificial joints[J]. Medical Equipment, 2006, 19(10): 15-17. DOI:10.3969/j.issn.1002-2376.2006.10.006 (in Chinese) |
[38] |
华子恺. 人工关节润滑技术与摩擦学测试研究[D]. 上海: 上海大学, 2011. HUA Z K. Research on artificial joint lubrication and tribological test technology[D]. Shanghai: Shanghai University, 2011. (in Chinese) |
[39] |
TONG J, ZANT N P, WANG J Y, et al. Fatigue in cemented acetabular replacements[J]. International Journal of Fatigue, 2008, 30(8): 1366-1375. DOI:10.1016/j.ijfatigue.2007.10.013 |
[40] |
崔文, 张亚丽, 王志强, 等. 人工髋、膝关节磨损测试标准及模拟试验机研究进展[J]. 摩擦学学报, 2019, 39(2): 248-258. CUI W, ZHANG Y L, WANG Z Q, et al. Review of the artificial hip and knee wear testing standards and simulation testing machines[J]. Tribology, 2019, 39(2): 248-258. (in Chinese) |
[41] |
JLAIEL K, YAHIAOUI M, PARIS J Y, et al. Tribolumen: A tribometer for a correlation between AE signals and observation of tribological process in real-time-application to a dry steel/glass reciprocating sliding contact[J]. Lubricants, 2020, 8(4): 47. DOI:10.3390/lubricants8040047 |
[42] |
LYASHENKO I A, POPOV V L, POHRT R, et al. High-precision tribometer for studies of adhesive contacts[J]. Sensors, 2023, 23(1): 456. DOI:10.3390/s23010456 |
[43] |
LIU Y Y, ZHAO W W, LIU G X, et al. Self-powered artificial joint wear debris sensor based on triboelectric nanogenerator[J]. Nano Energy, 2021, 85: 105967. DOI:10.1016/j.nanoen.2021.105967 |
[44] |
ROTHAMMER B, MARIAN M, RUMMEL F, et al. Rheological behavior of an artificial synovial fluid-influence of temperature, shear rate and pressure[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2021, 115: 104278. DOI:10.1016/j.jmbbm.2020.104278 |
[45] |
SAIKKO V, MORAD O, VIITALA R. Effect of type and temperature of serum lubricant on VEXLPE wear and friction[J]. Wear, 2021, 470-471: 203613. DOI:10.1016/j.wear.2021.203613 |
[46] |
AFFATATO S, VALIGI M C, LOGOZZO S. Wear distribution detection of knee joint prostheses by means of 3D optical scanners[J]. Materials, 2017, 10(4): 364. DOI:10.3390/ma10040364 |
[47] |
SAIKKO V, VUORINEN V, REVITZER H. Analysis of UHMWPE wear particles produced in the simulation of hip and knee wear mechanisms with the RandomPOD system[J]. Biotribology, 2015, 1-2: 30-34. DOI:10.1016/j.biotri.2015.03.002 |
[48] |
MATTEI L, TOMASI M, ARTONI A, et al. Combination of musculoskeletal and wear models to investigate the effect of daily living activities on wear of hip prostheses[J]. Proceedings of the Institution of Mechanical Engineers, Part J: Journal of Engineering Tribology, 2021, 235(12): 2675-2687. DOI:10.1177/13506501211058239 |
[49] |
TOH S M S, ASHKANFAR A, ENGLISH R, et al. Computational method for bearing surface wear prediction in total hip replacements[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2021, 119: 104507. DOI:10.1016/j.jmbbm.2021.104507 |
[50] |
ENGLISH R, ASHKANFAR A, ROTHWELL G. A computational approach to fretting wear prediction at the head-stem taper junction of total hip replacements[J]. Wear, 2015, 338-339: 210-220. DOI:10.1016/j.wear.2015.06.016 |
[51] |
RUGGIERO A, SICILIA A. Lubrication modeling and wear calculation in artificial hip joint during the gait[J]. Tribology International, 2020, 142: 105993. DOI:10.1016/j.triboint.2019.105993 |
[52] |
冯一桐, 王智勇, 郭凤仪, 等. 弓网系统滑动电接触表面磨损特征研究[J]. 润滑与密封, 2023, 48(6): 53-60. FENG Y T, WANG Z Y, GUO F Y, et al. Research on wear characteristics of sliding electrical contact surface in pantograph-catenary system[J]. Lubrication Engineering, 2023, 48(6): 53-60. (in Chinese) |
[53] |
PENG Y P, CAI J H, WU T H, et al. A hybrid convolutional neural network for intelligent wear particle classification[J]. Tribology International, 2019, 138: 166-173. DOI:10.1016/j.triboint.2019.05.029 |
[54] |
LI J H, WANG S, FU S Q, et al. Study on wear debris characteristics of different polyethylene under reciprocating sliding and compound motion modes[J]. Wear, 2023, 530-531: 205062. DOI:10.1016/j.wear.2023.205062 |
[55] |
王涵, 左洪福, 刘珍珍, 等. 基于HOG和SVM算法的磨粒图像在线监测技术[J]. 南京航空航天大学学报, 2022, 54(6): 1152-1158. WANG H, ZUO H F, LIU Z Z, et al. Online monitoring for oil wear particle images based on HOG feature extraction and SVM classification[J]. Journal of Nanjing University of Aeronautics and Astronautics, 2022, 54(6): 1152-1158. (in Chinese) |
[56] |
PENG Y P, CAI J H, WU T H, et al. WP-DRnet: A novel wear particle detection and recognition network for automatic ferrograph image analysis[J]. Tribology International, 2020, 151: 106379. DOI:10.1016/j.triboint.2020.106379 |
[57] |
PENG Y P, YUE H T, WANG S, et al. Probability-weighted ensemble support vector machine for intelligent recognition of moving wear debris from joint implant[J]. Tribology International, 2023, 186: 108583. DOI:10.1016/j.triboint.2023.108583 |
[58] |
PENG Y P, CAI J H, WU T H, et al. Online wear characterisation of rolling element bearing using wear particle morphological features[J]. Wear, 2019, 430-431: 369-375. DOI:10.1016/j.wear.2019.05.005 |
[59] |
WANG J Q, BI J, WANG L J, et al. A non-reference evaluation method for edge detection of wear particles in ferrograph images[J]. Mechanical Systems and Signal Processing, 2018, 100: 863-876. DOI:10.1016/j.ymssp.2017.08.014 |
[60] |
伍锐斌, 彭业萍, 曹广忠, 等. 人工关节磨屑的显微单视图深度估计方法研究[J]. 润滑与密封, 2022, 47(7): 40-48. WU R B, PENG Y P, CAO G Z, et al. Research on depth estimation from micro-single-view image of artificial joints wear particles[J]. Lubrication Engineering, 2022, 47(7): 40-48. (in Chinese) |
[61] |
石新发, 贺石中, 谢小鹏, 等. 摩擦学系统润滑磨损故障诊断特征提取研究综述[J]. 摩擦学学报, 2023, 43(3): 241-255. SHI X F, HE S Z, XIE X P, et al. Review on feature extraction of lubrication and wear fault diagnosis in tribology system[J]. Tribology, 2023, 43(3): 241-255. (in Chinese) |
[62] |
XU B, WEN G R, ZHANG Z F, et al. Wear particle classification using genetic programming evolved features[J]. Lubrication Science, 2018, 30(5): 229-246. |
[63] |
PENG Y P, WU T H, CAO G Z, et al. A hybrid search-tree discriminant technique for multivariate wear debris classification[J]. Wear, 2017, 392-393: 152-158. |
[64] |
HU X B, SONG J, LIAO Z H, et al. Morphological residual convolutional neural network (M-RCNN) for intelligent recognition of wear particles from artificial joints[J]. Friction, 2022, 10(4): 560-572. |
[65] |
WANG S, SHAO T, WU T H, et al. Knowledge-guided convolutional neural network model for similar three-dimensional wear debris identification with small number of samples[J]. Journal of Tribology, 2023, 145(9): 091105. |
[66] |
WANG S, WU T H, WANG K P, et al. 3-D particle surface reconstruction from multiview 2-D images with structure from motion and shape from shading (January 2020)[J]. IEEE Transactions on Industrial Electronics, 2021, 68(2): 1626-1635. |
[67] |
PENG Y P, WU Z B, CAO G Z, et al. Three-dimensional reconstruction of wear particles by multi-view contour fitting and dense point-cloud interpolation[J]. Measurement, 2021, 181: 109638. |
[68] |
ZHANG D K, ZHANG Y R, CHEN K, et al. Reducing taper fretting corrosion in artificial hip joints using a PEEK femoral head[J]. Journal of Materials Engineering and Performance, 2021, 30(6): 4619-4628. |