博士论文用近红外光谱无损监测工程软骨

东芬兰大学应用物理博士生 Omar Anwar Elkadi 的博士论文研究用近红外光谱结合机器学习，在不破坏样本的前提下监测组织工程软骨的发育与成熟度。研究包含三项子研究、六类实验室培养软骨与水凝胶；模型可估算软骨基质形成和细胞含量指标，并据此对软骨相对成熟度分类。 研究还发现，构建体中的非发育组织成分会干扰测量、使模型预测产生偏差，建模时校正这些效应可降低偏差、提升准确性。团队另搭建了可重复测量的装置，用 28 天内五个时间点的破坏性力学测试数据训练和评估模型；该装置对无细胞水凝胶力学性能的预测优于仅基于培养时间的模型，并能捕捉孵育期间的逐日刚度变化。 论文称，该方法经进一步开发和验证后，或可支持软骨移植物的更一致生产与质量评估，而这是软骨组织工程进入临床实践所必需的。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。