基于使用深度学习的自动图像分析对可重复的冷凝制剂的评估
Florian Behrendt1,2, Zoltán Cseresnyés3, Ruman Gerst3,4
1Laboratory of Organic Chemistry and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena, Jena, Germany.
Journal of biomedical materials research. Part A
|June 22, 2023
概括
自动图像分析可靠地测量冷凝孔径,为手工方法提供更快的替代方案. 这种技术确保了各种应用的一致,可重复的冷凝结构.
科学领域:
- 生物材料科学 生物材料科学
- 材料工程 材料工程 材料工程
- 聚合物化学 聚合物化学
背景情况:
- 结晶凝是多孔的,类似海绵的材料,具有相互连接的宏孔,对于诸如组织工程支架,过器和膜等应用至关重要.
- 精确控制毛孔大小和均性对于优化这些应用中的冷凝性能至关重要.
- 目前用于孔径大小评估的方法可能耗时且主观.
研究的目的:
- 开发和验证自动化图像分析算法,以快速准确地评估冷凝孔径.
- 为了研究使用不同方法制备的冷凝孔结构的可重复性.
- 为了比较经典和基于深度学习的图像分析技术的性能.
主要方法:
- 使用常规和适应反应器设置,制备聚二甲基甲基胺-co-2-基乙基甲基酸) 冰凝.
- 获取冷凝样本的扫描电子显微镜 (SEM) 图像.
- 开发结合经典和深度学习方法的自动图像分析算法.
- 自动化方法与手动孔径测定和侵入孔径测量 (MIP) 相比的验证.
主要成果:
- 自动化图像分析,特别是深度学习方法,在孔径大小的确定中表现出高准确性,其中99.4%的数据与手动方法相比显示微不足道的差异.
- 传统的使用塑料注射器制造的冷凝制剂产生了高度可重复的形态和孔径 (1722μm).
- 一个适应的反应器设置导致异质的冷凝缺乏定义的孔状结构.
结论:
- 自动图像分析提供了一个可靠和高效的替代品,用于手动评估cryogel孔径大小.
- 传统的冷凝制备方法可确保孔隙结构和尺寸的高可重复性.
- 开发的自动化方法对于基于冷凝技术的质量控制和优化至关重要.
