摘要：目的随着骨病和创伤的增加,骨支架被广泛应用于骨科领域的骨组织修复和再生。受到设计与制造的限制,大多骨支架都会产生植入后应力集中、应力遮挡等问题。因此,如何设计出与天然骨组织性能相似的骨支架以完美解决骨缺损修复问题仍具有一定的挑战性。方法本文结合深度学习和遗传算法反向设计出了仿调幅分解(spinodoid)超材料仿生骨支架。采用数值均一化方法计算出spinodoid超材料刚度矩阵以生成深度学习所需要的数据集。利用神经网络建立结构设计参数与刚度矩阵参数的映射关系。训练好的神经网络和遗传算法结合进行骨支架的反向设计。结果Spinodoid超材料骨支架具有良好的各向异性力学性能,其弹性模量与人体骨组织非常相似,骨支架刚度参数与目标骨组织相比的最大误差仅为4.57%,这能有效减少植入后的应力遮挡等问题;新型骨支架具有良好的可生产性,采用选择性激光熔融技术制造出来的样品在扫描电子显微镜下呈现出了较高的打印质量。结论通过结合深度学习和遗传算法反向设计出的新型结构具有良好的力学性能和可生产性,能促进骨细胞的生长和再生,可在医疗植入物和骨修复等生物医学工程领域发挥重要作用。因此,本研究可为骨支架设计开辟一条新的道路。

摘要：目的随着人口老龄化及骨创伤疾病的增加,对人工骨支架的需求日益增加。受传统优化设计方法及制造工艺的限制,当前设计的骨支架普遍存在弹性模量过高、应力遮挡、各向异性行为匹配性差以及渗透性低等问题。因此,如何设计出与天然骨组织性能相似的新型骨支架以较好地解决骨缺损修复问题仍是当前挑战性问题之一,也是本文的研究目的。方法采用先进的移动可变形组件法(MMC)设计新型非周期性仿生骨支架。以人体腰椎骨组织为目标,设计不同类型的骨支架,并且采用结构弹性矩阵、渗透性仿真等方法评估骨支架的力学性能及渗透性。采用选择性激光熔融技术对支架进行增材制造,再利用扫描电子显微镜(SEM)评估其可制造性。结果新型骨支架具有良好的各向异性力学性能,其弹性常数与目标骨组织相比的最大误差仅为8.98%。新型骨支架具有良好的渗透性,在孔隙率为62%时,骨支架渗透率可达3.7045×10^(-8)m^(-2),比相同孔隙率的Schwarz P结构高了一个数量级;SEM图像表明新型骨支架具有良好的可制造性。结论通过MMC方法设计出的新型仿生支架具有良好的力学性能、渗透性和可制造性,能促进骨细胞的生长和再生,可在医疗植入物和骨修复等生物医学工程领域发挥重要作用。