机器学习在医用金属材料特性研究中的应用

作     者：史榴 梁鹏晨 常庆 宋二红 Shi Liu;Liang Pengchen;Chang Qing;Song Erhong

作者机构：上海大学微电子学院上海市201800 上海交通大学医学院附属瑞金医院消化外科研究所上海市胃肿瘤重点实验室上海市200020 中国科学院上海硅酸盐研究所高性能陶瓷和超微结构国家重点实验室上海市200050 

基　　金：国家自然科学基金资助项目(81670968) 项目负责人:常庆 

出 版 物：《中国组织工程研究》 (Chinese Journal of Tissue Engineering Research)

年 卷 期：2024年第28卷第17期

页      码：2766-2773页

摘      要：背景:机器学习与医用金属材料的结合,弥补传统实验和计算模拟的低效性和高成本的不足,通过分析大量数据快速准确地预测金属材料特性,优化材料设计和性能,提高医学应用的安全性和效率。目的:总结并归纳机器学习在医用材料特性中的研究进展及不足。方法:由第一作者通过计算机检索中国知网、PubMed、X-MOL和Web of Science数据库2013年1月至2023年4月的相关文章。中文检索词为“医用金属材料机器学习,医用钛合金,医用镁合金,医用金属材料性能”,英文检索词为“machine learning medical metal materials,medical stainless steel alloy,medical cobalt-chromium alloy,medical titanium alloy,medical magnesium alloy”,最终纳入70篇相关文献进行归纳总结。结果与结论:①随着传统实验和计算模拟方法所产生的大量数据的可获取性提高,机器学习作为材料设计方法的引入为材料科学研究开辟了新的范式。②机器学习工作流主要分为4个部分:数据收集及预处理、特征工程、模型选择及训练和模型评估,每个环节不可缺少。③医用金属材料分为:不锈钢共基合金、钴铬合金、钛合金和镁合金。针对不锈钢共基合金,机器学习预测其力学性能,要提高机器学习的泛化能力;针对钴铬合金,机器学习预测其力学性能,可得出钴铬合金为髋关节植入物的最佳材料;针对钛合金,机器学习预测其力学性能,可选择出力学性能最优异的植入物;针对镁合金,机器学习预测其耐腐蚀性和力学性能,集成模型可准确预测镁合金的力学性能,随机森林模型可预测镁合金作为血管支架时的最优元素含量。④机器学习在医用材料领域存在一定局限性,如模型相对滞后、数据未能标准化及泛化性较低;未来研究解决此类问题应充分利用深度学习和分割算法技术,使用统一标准数据,改善模型提高泛化能力。

主 题 词：医用金属材料 机器学习 材料特性 腐蚀性能 力学性能 不锈钢共基合金 钴铬合金 钛合金 镁合金 特征参数 

学科分类：0831[工学-公安技术类] 1002[医学-临床医学类] 08[工学] 1010[医学-医学技术类] 0837[0837] 100215[100215] 0836[0836] 10[医学] 

D　O　I：10.12307/2024.406

馆 藏 号：203124718...