萊斯大學在機器學習算法的幫助下設計出“高質量”3d打印生物模型。圖片來源：Rice University

近日，美國萊斯大學研究人員稱，人工智能可以加速3D打印生物支架的開發，從而幫助傷口愈合。計算機科學家Lydia Kavraki領導的團隊使用機器學習方法預測了支架材料的質量，并能給定打印參數。這項研究還發現，控制打印速度對于制造高質量的植入物至關重要。相關論文刊登于《組織工程學A》。

研究合作者、該校生物工程師Antonios Mikos一直在開發生物支架，以改進修復顱面和肌肉骨骼創傷的技術。他開發出一種骨骼狀結構的生物支架，可以作為損傷組織的占位物。它們是多孔的，可以支持細胞和血管的生長，這些細胞和血管會變成新的組織，最終取代植入物。

這并不意味著沒有改進的空間。研究人員在機器學習技術的幫助下，設計材料和開發制造植入物的過程可以更快，并減少很多嘗試和錯誤。“我們能夠提供最有可能影響印刷質量的參數。”Kavraki說。

該研究發現，打印速度是團隊測量的5個指標中最重要的，其他指標依次為材料組成、壓力、分層和間距。

Mikos和學生之前就已經考慮過將機器學習納入研究中。而新冠肺炎大流行為開展該項目創造了獨特的機會。Mikos說:“在學生和教師無法到達實驗室的情況下，這是一種取得巨大進步的方法。”從開始到結束，新冠肺炎讓他們能夠在7個月內收集數據、開發模型并論述結果，這是一個通常需要數年時間。

該團隊探索了兩種建模方法。一種是分類方法，預測給定的一組參數是否產生“低”或“高”質量的支架。另一種是基于回歸的方法，它近似打印質量度量的值以得到結果。Kavraki表示，兩者都依賴于一種被稱為隨機森林的“經典監督學習技術”，這種技術構建多個“決策樹”，并將它們“合并”在一起，從而獲得更準確、更穩定地預測。

相關論文信息：http://dx.doi.org/10.1089/ten.TEA.2020.0191

版權聲明：凡本網注明“來源：中國科學報、科學網、科學新聞雜志”的所有作品，網站轉載，請在正文上方注明來源和作者，且不得對內容作實質性改動；微信公眾號、頭條號等新媒體平臺，轉載請聯系授權。郵箱：[email protected]