基于AI的可打印性评估框架用于3D生物打印,使用豪斯多夫距离指标.
Colin Zhang1, Kelum Chamara Manoj Lakmal Elvitigala1, Shinji Sakai1
1Division of Chemical Engineering, Department of Materials Engineering Science, Graduate School of Engineering Science, The University of Osaka, 1-3 Machikaneyama-cho, Toyonaka, Osaka 560-8531, Japan.
Biofabrication
|December 5, 2025
概括
这项研究引入了一种新的豪斯多夫距离 (HD) 度量和人工智能模型,以优化3D生物打印生物墨水. 该方法显著改善了可打印性和细胞活力的预测,减少了组织工程应用的优化时间.
科学领域:
- 生物技术是生物技术.
- 材料科学 材料科学 材料科学
- 组织工程是组织工程.
背景情况:
- 3D生物打印对于制造复杂的生物结构至关重要.
- 优化生物墨水配方是由于复杂的材料性质,可打印性和细胞活力关系而具有挑战性的.
- 现有的可打印度指标,如周边比 (Pr),缺乏全面的几何准确性评估.
研究的目的:
- 开发一种新的豪斯多夫距离 (HD) 度量来准确量化3D生物打印中的可打印性.
- 应用机器学习 (ML) 模型来预测生物墨水打印能力和细胞活力.
- 优化酸酸酸复合油墨,用于增强组织工程应用.
主要方法:
- 利用豪斯多夫距离 (HD) 来测量设计和打印结构之间的几何偏差.
- 采用机器学习算法,包括支持向量回归 (SVR),多层感知器 (MLP) 和卷积神经网络 (CNN).
- 在酸-氨酸复合墨水中评估了可打印性和PC12细胞活力.
主要成果:
- SVR准确地描述了风湿学参数 (R2 ≥0.974).
- 在MLP模型中预测了HD值 (R2 = 0.932) 和细胞活力 (R2 = 0.945).
- 在从图像中预测HD时,CNN实现了高准确度 (R2 = 0.986),使生物墨的最佳配方具有≥95%的细胞活力和HD ≤0.20.
结论:
- 人工智能集成的方法显著减少了生物墨水优化时间.
- 新的高清度量提供了更全面的可打印性评估.
- 优化的生物墨水显示出高可打印性和优异的长期细胞活力和生殖潜力,用于组织工程.
