与GA合的ANN模型用于预测酸盐凝支架中的多孔性

科学领域:

• 生物材料科学 生物材料科学
• 组织工程是组织工程.
• 计算建模 计算建模

背景情况:

• 酸盐凝支架在组织工程中非常重要,因为它们的生物相容性和生物降解性.
• 脚手架的多孔度显著影响性能,但准确的预测仍然具有挑战性.
• 现有的方法难以准确预测酸盐支架的孔径.

研究的目的:

• 开发和验证一个预测模型的酸盐凝脚手架孔隙性.
• 利用人工智能优化脚手架制造参数.
• 为了提高用于组织工程应用的支架属性的可预测性.

主要方法:

• 使用微流体技术制造酸盐支架.
• 通过阿基米德的方法来确定明显的多孔性.
• 开发一种基因算法 (GA) 结合的人工神经网络 (ANN) 模型.

主要成果:

• 与GA合的ANN模型在孔隙性预测方面实现了0.13的平均绝对误差.
• 该模型预测最大孔径为96.4%,与实验值92.8%±2%非常接近.
• 在模拟和实验度值之间观察到3.7%的低变化.

结论:

• 集成的ANN-合GA模型在预测酸盐凝支架孔隙性方面表现出很高的准确性.
• 人工智能为优化组织工程中的制造参数提供了巨大的潜力.
• 这种预测方法可以改善再生医学的脚手架设计和性能.