運用深度學習於提升組織工程應用的生物支架品質之研究

本計畫目的是想以深度學習的方式改進生物支架的外形品質。生物支架材料大致可分為天然材料跟人工合成兩大類。目前最為廣泛使用的天然材料有膠原蛋白、海藻酸鈉、明膠及殼聚醣等。由於上述材料係從動、植物取得，每批量配置出的生物墨水總有些許差距。生物列印之製造參數大多彼此相依，因此很難藉由理論推導出有效的預測公式。往往只能使用試誤法，導致需耗費大量時間在調整製造參數來達到預設的尺寸目標。多層感知器為深度學習的一支，其可透過大量過往實驗數據訓練出一個有效預測模型，在新的數據輸入此一模型後進而可預測結果，而這個能力可幫助改進生物支架的外形品質。本計畫規劃三年。第一年著重在建構深度學習之軟、硬體及將生物列印系統的各式不同感測器訊號與深度學習系統連接、分類、正規化，最後再萃取成供深度學習訓練的特徵。第二年著重發展線上自動量測支架外形資料，用以作為深度學習訓練的標記。之後整合第一年成果成為可自動收集訓練資料、自動訓練之智慧型生物列印系統。本計畫擬以殼聚醣、明膠及海藻酸鈉為支架材料，擬於第三年開始進行大量支架製作。所得的實際支架外形尺寸將與預測結果比對，並進行模型修正與改良。期望透過此三年計畫，能發展出一套能使用天然材料製作高品質支架的生物列印系統。