ТОМСК, 21 августа. /ТАСС/. Нейронные сети эффективнее всего справляются с прогнозированием критично важных параметров для полимерных каркасов - скаффолдов, выяснили ученые Томского политехнического университета (ТПУ) совместно с коллегами. В перспективе предложенный подход можно масштабировать и для других видов медицинских изделий, сообщили ТАСС в пресс-службе вуза.
Полимерные скаффолды из поликапролактона перспективны для использования в биомедицине для регенерации тканей. Они помогают ускорить процессы заживления и улучшить результаты лечения пациентов за счет создания оптимальной среды для роста новых тканей. Определение оптимальных технологических параметров электроформования для изготовления таких матриц с оптимальными свойствами - это сложный процесс, требующий значительных временных и человеческих ресурсов.
"Диаметр волокон и прочность на разрыв были спрогнозированы с помощью множества алгоритмов машинного обучения и моделей искусственных нейронных сетей. Результаты исследований показали, что модели дизайна Бокс-Бенкена не смогли предсказать данные по диаметру волокна и прочности на разрыв. Две лучшие модели традиционных алгоритмов машинного обучения продемонстрировали точные прогнозы для диаметра волокон, но столкнулись с проблемами в определении прочности на разрыв. Тогда как две лучшие модели искусственных нейронных сетей смогли точно предсказать диаметр волокна и обеспечить надежные прогнозы прочности на разрыв", - сказал доцент отделения нефтегазового дела ТПУ Шадфар Давуди.
Применение технологии
Ученые установили, что правильно настроенные модели искусственных нейронных сетей, основанные на двухслойном персептроне, способны извлекать значимые закономерности из небольших экспериментальных наборов данных со сложными зависимостями, что снижает необходимость в проведении обширных экспериментов. Кроме того, модели искусственных нейронных сетей эффективны для анализа и прогнозирования физических параметров даже для скаффолдов с существенно различающейся морфологией.
"Нами был представлен новый систематический подход к оптимизации алгоритма нейронной сети для прогнозирования диаметра волокна и прочности на разрыв скаффолдов на основе поликапролактона, изготовленных методом электроспиннинга. Более того, разработанный метод может быть использован не только для скаффолдов из поликапролактона, но и для различных типов полимеров, из которых можно получить скаффолды методом электроспиннинга", - отметил и.о. руководителя лаборатории плазменных гибридных систем Сергей Твердохлебов.
В исследовании участвовали сотрудники Научно-образовательного центра Б. П. Вейнберга Инженерной школы ядерных технологий, отделения нефтегазового дела Инженерной школы природных ресурсов и Центра искусственного интеллекта Сколтеха. Результаты опубликованы в Computers in Biology and Medicine (Q1, IF: 6.3). Исследование проводится при поддержке Министерства науки и высшего образования РФ в рамках госзадания "Наука".
