机器学习用于预测可打印生物材料配方的直接墨水写作
Hongyi Chen1,2, Yuanchang Liu1,1, Stavroula Balabani1,3
1Department of Mechanical Engineering, University College London, London, UK.
Research (Washington, D.C.)
|July 20, 2023
概括
人工智能,包括机器学习算法,可以预测3D生物材料的可打印性. 这种方法加速了定制3D打印生物医学设备的开发,减少了试错方法.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 计算生物学 计算生物学
背景情况:
- 三维 (3D) 打印在生物医学工程中提供了针对患者的定制.
- 目前生物材料油墨的开发依赖于耗时的试错方法.
- 通常需要专家知识来导航复杂的配方变量.
研究的目的:
- 使用机器学习 (ML) 开发生物材料打印能力的预测模型.
- 加速和优化3D打印生物材料配方的开发.
- 为了指导特定3D打印应用的材料和溶剂的选择.
主要方法:
- 构建和评估的ML算法:决策树,随机森林 (RF) 和深度学习 (DL).
- 3D打印了210种配方,包括16种生物活性/智能材料和4种溶剂.
- 评估每个配方的可打印性,并在实验数据上训练ML模型.
主要成果:
- 所有的ML算法都成功地预测了生物材料油墨的打印能力.
- 射频算法显示了最高的准确度 (88.1%),精度 (90.6%) 和F1得分 (87.0%).
- 深度学习生成了具有更细粒度的可打印地图,有助于油墨开发.
结论:
- 机器学习为开发3D打印生物材料提供了一种有效和新的策略.
- 预测建模显著提高了生物材料油墨配方的效率.
- 这种方法支持定制3D打印生物医学应用的进步.
