TOMID宋剑课题组联合深圳大学和广东省人民医院在人工韧带领域发表论文

人工韧带（Artificial ligament，AL）作为临床治疗前交叉韧带损伤的重要植入物，其力学性能一直是业界关注的焦点之一。近日，TOMID宋剑课题组基于人工神经网络建立了高精度的机器学习（Machine learning，ML）模型来快速准确地预测AL的力学性能，并通过与传统的ML模型（随机森林和支持向量机）进行对比分析，结果表明，所提模型在测试集上的归一化均方根误差分别降低了45.22%和50.17%，展示了该模型的较高准确性。此外，本研究通过优化编织参数，实现了具有特定力学性能ALs的设计，并通过实验验证了其有效性，所制备的ALs力学性能能够完全达到所期望的目标值，并且至少高于目标值2%以上。最后，采用特征重要性分析了不同编织参数对AL力学性能的影响权重。

在这项工作中，为实现具有特定力学性能的AL，研究团队提出了如下技术路线。既能通过AL编织参数预测其力学性能，又能实现具有特定力学性能AL对应的最优编织参数。整体框架主要包括两个模块：AL力学性能预测模型和改进的多目标优化算法（Improved multi-objective optimization algorithm，IMOA）。其中预测模型主要是基于人工神经网络（Artificial neural network，ANN）建立了AL编织参数和力学性能之间的ML模型。IMOA主要用于AL编织参数的优化设计。将所提模型的预测值和特定力学性能AL的目标值进行适应度值计算。然后通过所提的算法进行AL编织参数的多目标优化，以找到对应的Pareto解集。并将该集合反馈到所提ANN模块进行不断迭代更新，形成一个闭环，直到达到停止条件为止。最后综合评价输出最优解，即具有特定力学性能AL对应的最优编织参数。这一研究可为临床治疗提供更加可靠的选择，进一步提高ALs在临床上的应用价值。

相关工作以“A machine learning system for artificial ligaments with desired mechanical properties in ACL reconstruction applications”为题，发表在生物力学领域著名期刊Journal of the Mechanical Behavior of Biomedical Materials。深圳大学机电与控制工程学院彭业萍副教授为论文第一作者，中山大学宋剑副教授为论文唯一通讯作者。论文作者还包括深圳大学和中山大学联合培养研究生刘贵洋、中山大学博士生李昇霖和广东省人民医院李曾博士。本研究得到了广东省自然科学基金青年提升项目（2024A1515030208）、广东省基础与应用基础研究基金（2023A1515110565和2024A1515012406）和深圳市国际合作研究项目（GJHZ20220913143005009）等项目的资助。

论文链接：https://doi.org/10.1016/j.jmbbm.2024.106691

供稿：刘贵洋

终审：宋剑