一种用于计算基质上细胞弹性模量的机器主动学习方法技术

本发明专利技术属于细胞力学领域，涉及一种用于计算基质上细胞弹性模量的机器主动学习方法。本发明专利技术可以精准地提取细胞弹性模量E

【技术实现步骤摘要】
一种用于计算基质上细胞弹性模量的机器主动学习方法


[0001]本专利技术属于细胞力学领域，涉及一种用于计算基质上细胞弹性模量的机器主动学习方法。

技术介绍

[0002]研究证明，细胞弹性模量(E
c
)受基质的弹性模量(E
s
)影响，并与细胞的生长、增殖、分化和迁移相关。例如，卵巢癌细胞的E
c
随着E
s
的增加而增加，E
c
较高的细胞表现出较高的生长和增殖能力，且耐药性较低。小鼠胚胎成纤维细胞的迁移能力显示出与E
c
变化相反的趋势。神经干细胞E
c
在较软的凝胶上较低，并且倾向于分化成神经元；相反，在较硬凝胶上，E
c
较高，并倾向于分化为胶质细胞。因此，E
c
已被用作重要力学指标，用于关联基质刚度与细胞生物学行为。
[0003]从力学角度分析，基质引起细胞弹性模量的变化可能来自两个方面：(1)细胞组成、结构的内在变化。(2)弹性模量E
c
提取方法带来的误差。目前常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于计算基质上细胞弹性模量的主动学习方法，其特征在于，步骤如下：第一步，设置有限元计算参数；数据通过有限元软件ABAQUS数值计算获得，细胞建模为均质圆柱体；分别设置细胞厚度t，细胞半径R，探针半径r，细胞弹性模量E
c
，基质弹性模量E
s
，探针位移d；设置探针为刚体；第二步，建立有限元计算模型；基质底部设置为固定，侧面为自由；将细胞设置为绑定在基质上；在ABAQUS中创建轴对称模型；单位设置为CAX4RH；进行网格收敛性分析，选择计算精度和效率较高的网格尺寸进行计算，通过ABAQUS参数化建模和计算，提取压缩力P和压痕深度d之间的关系；第三步，建立AL模型，采用委员会查询方法；首先根据需求设置初始委员会个数为N，委员会的每个模型均命名为m
j
(j≤N)；委员会查询方法需要先对有n个数据点的初始数据集进行评估，而初始数据集就是AL模型迭代的起始数据集，需要用户通过第一步设置不同有限元计算参数计算获得；使用公式(2)计算误差率σ；其中：f
j
是对应于j成员的神经网络模型；计算结果为X
i
＝[x1，x2，x3，x4]
i
表示i数据点；y
target
表示标签；神经网络模型是使用开源框架pytorch构建的；网络结构的输入层有4个神经元，需要四个变量x1，x2，x3，x4作为输入；计算误差率σ是为了对初始委员会的成员进行筛选；初始委员会训练初始数据集，至收敛，并计算误差率σ；误差率σ<10％的委员被认为是合格的；不合格的委员被剔除，剩下的m个模型组成新的委员会；新委员会评估第一...

【专利技术属性】
技术研发人员：张伟，周冠林，吴承伟，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：