摘要：人体面部皮肤的本构参数反演及力学特性研究对皮肤病变早期诊断、皮肤仿生材料设计及计算图形学中的面部模型建立都有着至关重要的作用,机器学习与有限元仿真方法相结合能更高效、更准确地解决非入侵式皮肤组织本构参数反求问题.首先建立了面部皮肤多向拉伸下的应力松弛有限元模型,并通过多步位移控制法对皮肤的超弹性力学性能与黏弹性力学性能分离;对Gasser-Ogden-Holzapfel(GOH)与Prony series本构模型参数进行敏感性分析,揭示影响面部皮肤应力松弛实验结果的关键参数.其次,利用贝叶斯超参数优化理论搭建随机森林(RF)模型与支持向量回归(SVR)模型,结合实验数据对人体面部皮肤组织本构参数进行了反求.最后,将计算得到的有限元仿真曲线与试验获得的拉伸力响应曲线对比,并引入决定系数R2对两种模型的预测准确性进行了评估.结果表明,纤维组织分散度κ、剪切模量相关参数C10和松弛模量g1是影响皮肤应力松弛实验结果的关键参数,RF模型数值计算曲线与试验曲线的拟合优度为0.98,其在皮肤本构参数反演问题上表现出更高的准确率,机器学习可以精准高效地获取面部皮肤的本构参数,进而准确描述皮肤组织的力学性能,该方法也可进一步推广到其他生物软组织的复杂本构参数反演问题.