用人工神经网络和生成添加模型进行骨组织工程的倒置架构设计

科学领域:

• 生物材料科学 生物材料科学
• 计算生物学 计算生物学
• 再生医学是一种再生医学.

背景情况:

• 骨组织工程的脚手架设计对于治疗关键骨缺陷至关重要,通常依赖于复杂的模拟.
• 人工神经网络 (ANN) 通过预测几何参数来简化脚手架设计.

研究的目的:

• 开发一个人工神经网络 (ANN),用形态特征来预测状腺支架设计参数.
• 为了研究异型性支架的预测,以改善骨再生.
• 将ANN的性能与通用添加模型 (GAM) 进行比较.

主要方法:

• 创建了一个6940个状腺结构的合成数据集.
• 使用90%的数据用于培训,10%用于评估.
• 实施了特征选择程序,以确定最佳预测特征.

主要成果:

• 通过仅使用形态特征,ANN成功预测了状腺设计参数.
• 用皮尔森相关系数 (0.53-0.82) 衡量ANN的表现显著超过了GAM (0.41-0.51).
• 与GAM相比,ANN显示了较低的平均绝对误差.

结论:

• 在骨组织工程中,ANN是预测脚手架设计参数的有效工具.
• 开发的ANN方法,特别是对于异性质支架,显示出临床应用的潜力.
• 需要进一步的研究来验证这种基于ANN的脚手架设计技术的临床可行性.