會員登錄
萊斯大學在機器學習(xi) 算法的幫助下設計出“高質量”3D打印生物模型。圖片來源：Rice University
近日，美國萊斯大學研究人員稱，人工智能可以加速3D打印生物支架的開發，從(cong) 而幫助傷(shang) 口愈合。計算機科學家Lydia Kavraki領導的團隊使用機器學習(xi) 方法預測了支架材料的質量，並能給定打印參數。這項研究還發現，控製打印速度對於(yu) 製造高質量的植入物至關(guan) 重要。相關(guan) 論文刊登於(yu) 《組織工程學A》。
研究合作者、該校生物工程師Antonioses Mikos一直在開發生物支架，以改進修複顱麵和肌肉骨骼創傷(shang) 的技術。他開發出一種骨骼狀結構的生物支架，可以作為(wei) 損傷(shang) 組織的占位物。它們(men) 是多孔的，可以支持細胞和血管的生長，這些細胞和血管會(hui) 變成新的組織，最終取代植入物。
這並不意味著沒有改進的空間。研究人員在機器學習(xi) 技術的幫助下，設計材料和開發製造植入物的過程可以更快，並減少很多嚐試和錯誤。“我們(men) 能夠提供最有可能影響印刷質量的參數。”Kavraki說。
該研究發現，打印速度是團隊測量的5個(ge) 指標中最重要的，其他指標依次為(wei) 材料組成、壓力、分層和間距。
Mikos和學生之前就已經考慮過將機器學習(xi) 納入研究中。而新冠肺炎大流行為(wei) 開展該項目創造了獨特的機會(hui) 。Mikos說:“在學生和教師無法到達實驗室的情況下，這是一種取得巨大進步的方法。”從(cong) 開始到結束，新冠肺炎讓他們(men) 能夠在7個(ge) 月內(nei) 收集數據、開發模型並論述結果，這是一個(ge) 通常需要數年時間。
該團隊探索了兩(liang) 種建模方法。一種是分類方法，預測給定的一組參數是否產(chan) 生“低”或“高”質量的支架。另一種是基於(yu) 回歸的方法，它近似打印質量度量的值以得到結果。Kavraki表示，兩(liang) 者都依賴於(yu) 一種被稱為(wei) 隨機森林的“經典監督學習(xi) 技術”，這種技術構建多個(ge) “決(jue) 策樹”，並將它們(men) “合並”在一起，從(cong) 而獲得更準確、更穩定地預測。
關(guan) 注【深圳科普】微信公眾(zhong) 號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書(shu) 籍】，了解最新科普書(shu) 籍
回複【團體(ti) 定製】，了解最新團體(ti) 定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習(xi) 觀鳥相關(guan) 科普星空体育官网入口网站
深圳市龍華區玉翠社區高坳新村小廣場
