
Поликапролактоновые скаффолды служат основой для роста новых тканей и помогают ускорить процесс заживления ран. Однако традиционные методы подбора технологических параметров требуют проведения множества опытов, чтобы добиться нужного результата. В этом процессе на помощь пришли нейросети: они обрабатывают экспериментальные данные и с высокой точностью предсказывают диаметр волокон и прочность на разрыв будущих каркасов.
Проверка алгоритмов показала: классические методы машинного обучения успешно справляются с прогнозированием диаметра волокон, но затрудняются при оценке прочности. В свою очередь, двухслойные персептронные нейросети способны решать обе задачи одновременно, даже используя ограниченные и сложные наборы данных.
Такой подход универсален и подходит для различных полимеров и структур скаффолдов. Это открывает новые возможности оптимизации процессов производства медицинских изделий, где важно точно контролировать физические свойства материалов.


