一种实用的机器学习方法,用于预测3D (生物) 打印脚手架的质量
Saeed Rafieyan1, Elham Ansari1, Ebrahim Vasheghani-Farahani1
1Biomedical Engineering Division, Faculty of Chemical Engineering, Tarbiat Modares University, PO Box, 14115-143 Tehran, Iran.
Biofabrication
|July 15, 2024
概括
本研究介绍了3D生物打印支架的综合数据集,利用人工智能 (AI) 预测支架质量和细胞反应. 开源数据和代码旨在推动组织工程中的AI应用.
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.
- 人工智能的人工智能
背景情况:
- 3D生物打印可以精确地制造组织工程支架.
- 人工智能 (AI) 为复杂的生物应用提供先进的模式识别.
- 人工智能在组织工程中的一个重要障碍是缺乏全面,可靠的数据.
研究的目的:
- 为3D打印脚手架创建最广泛的开源数据集之一.
- 应用各种人工智能技术来分析脚手架的特性和预测生物结果.
- 为了促进人工智能驱动的组织工程的未来研究.
主要方法:
- 编制了1171个3D打印支架的数据集,其中包括各种生物材料,细胞系和打印条件.
- 使用无监督 (KMeans集群) 和监督学习 (XGBoost,随机森林,神经网络) 算法.
- 调整了40多个机器学习和深度学习模型的超参数,以预测细胞反应,可打印性和支架质量.
主要成果:
- 在KMeans集群中,发现了五个不同的支架组.
- 像XGBoost和Random Forest这样的分类算法实现了高精度和F1分数.
- 一个定制的神经网络展示了对脚手架特征的精确预测能力.
结论:
- 开发的数据集和人工智能模型为推进3D生物打印和组织工程提供了坚实的基础.
- 公开可用的数据和代码加速了人工智能集成和该领域的创新.
- 这项工作突出了人工智能的潜力,可以克服数据限制,提高脚手架的设计和性能.
