|
2024年8月24日，南极熊获悉，来自华盛顿州立大学的研究人员开发一种能够快速识别最佳 3D 打印设置的通用机器学习算法，可以节省制造时间和成本、降低劳动强度并提高 3D 打印物体的质量。
相关研究以题为“Machine Learning Enabled Design andOptimization for 3D-Printing of High-Fidelity Presurgical Organ Models/机器学习支持高保真术前器官模型 3D 打印的设计和优化”的论文发表在《先进材料技术》杂志上。研究得到了美国国家科学基金会、WSU Startup 和 Cougar Cage Funds 的资助。
人工智能算法 (AI)的突破可以让 3D 打印在从人造器官到柔性电子产品和可穿戴生物传感器等各种复杂设计中更加无缝地使用。作为研究的一部分，该算法学会了识别然后打印肾脏和前列腺器官模型的最佳版本。研究人员基于这一成果打印了 60 个不断改进的版本。
图1. 多目标 BO 辅助 3D 打印术前器官模型的流程图，该模型具有三个输入参数和四个输出参数。循环从根据当前输入数据集通过 BO 生成输入值开始，这些输入值用于生成直接墨水书写 (DIW) 的打印路径。通过 DIW 3D 打印模型后，将图像处理应用于模型以重建网格对象。然后调整网格对象以与理想模型进行比较，以测量正负几何精度。还计算了模型打印时间和孔隙率测量值。完成所有输出测量后，它们各自的值将重新输入到 BO 算法中以产生新的输入参数。 机器学习支持术前器官模型的 3D 打印和几何保真度分析的设计和优化。a) 机械压缩试验期间定制聚合物墨水的应力-应变相关性。b) 使用定制聚合物墨水和 BO 生成的输入作为打印参数，3D 打印前列腺和肾脏模型。c) 按时间顺序拍摄的第 1、22 和 46 次迭代的 3D 打印前列腺模型的照片，以显示保真度的增长。d) 按时间顺序拍摄的第 5、27 和 52 次迭代的 3D 打印肾脏模型的照片，以显示保真度的增长。e、f) 通过 3D 配准校准的器官模型外表面的距离图和直方图，以获得几何保真度，在各自的 3D 打印前列腺和肾脏模型（见 c 和d）与基于原始 STL 文件的相应理想模型之间。 对约60 次迭代中输入解决方案集的进展和主导地位进行分析。a、b）分别针对前列腺模型和肾脏模型的超体积测量，超体积指的是输入解决方案覆盖的目标空间量。c、d）分别针对前列腺模型和肾脏模型在不同迭代次数下帕累托前沿内的输入解决方案集表。e、f）分别针对前列腺模型和肾脏模型，在最终帕累托前沿内的输入解决方案集表及其关于输入和对应输出值的各自值。（图 3e中的迭代 42、46、56（粗体）产生了最优的前列腺模型，而图3f中的迭代 52（粗体） 产生了最优的肾脏模型）。
论文的共同通讯作者、华盛顿州立大学机械与材料工程学院的 Berry 助理教授 Kaiyan Qiu 说道：“凭借自动升级的人工智能算法，您可以优化结果，并节省时间、成本和劳动力。”
对于工程师来说，尝试开发正确的打印设置通常很麻烦且效率低下，例如必须就材料、打印机配置和喷嘴的分配压力做出决定。
论文的共同通讯作者、华盛顿州立大学计算机科学系 Huie-Rogers 客座副教授 Jana Doppa 说道：“潜在组合的数量实在太多了，每次试验都要花费时间和金钱。”
Qiu教授多年来一直致力于开发复杂、逼真的人体器官 3D 打印模型。这些模型可用于培训外科医生或评估植入装置，但模型必须包含真实器官的机械和物理特性，包括静脉、动脉、通道和其他详细结构。
Qiu、Doppa 和他们的学生使用一种名为贝叶斯优化的 AI 技术进行训练，并找到优化的 3D 打印设置。训练完成后，研究人员能够优化器官模型的三个不同目标——模型的几何精度、重量或多孔性以及打印时间。器官模型的孔隙率对于外科手术实践很重要，因为模型的机械性能会根据其密度而变化。
论文共同第一作者 Eric Chen （华盛顿州立大学机械与材料工程学院 Qiu 课题组的访问学生）说道：“平衡所有目标很难，但我们能够取得良好的平衡，并实现最佳质量物体的打印，无论打印类型或材料形状如何。”
论文共同第一作者、华盛顿州立大学电气工程与计算机科学学院研究生 AlalehAhmadian 补充说，研究人员能够以平衡的方式看待所有目标，以获得有利的结果，该项目也受益于其跨学科视角。她说：“通过进行物理实验室实验来创造现实世界的影响，开展跨学科研究是非常有意义的。”
研究人员首先训练计算机程序打印前列腺手术演练模型。由于该算法具有广泛的可推广性，他们可以轻松地对其进行微调以打印出肾脏模型。Qiu教授表示：“这意味着这种方法可用于制造其他更复杂的生物医学设备，甚至可用于其他领域。”
| 
京公网安备11010802043351