پیش بینی اندازه نانوذرات اکسید آهن با استفاده از یادگیری ماشین برای کاربردهای بیومدیکال

اندازه نانوذرات اکسید آهن یکی از پارامترهای کلیدی تعیین کننده رفتار زیستی، سمیت زیست، توزیع و کارایی آنها در کاربردهای بیومدیکال نظیر دارورسانی، هدفمند، تصویربرداری تشدید مغناطیسی (MRI) و هایپرترمیا است. در این پژوهش، با استفاده از داده های واقعی حاصل از فرآیند سنتز نانوذرات اکسید آهن یک چارچوب جامع مبتنی بر یادگیری ماشین برای پیش بینی اندازه نانوذرات توسعه داده شد. داده ها پس از پیش پردازش و تبدیل متغیر هدف به مقادیر عددی بر حسب نانومتر، به مدل های رگرسیونی مختلف شامل رگرسیون خطی، جنگل تصادفی و XGBoost داده شدند. عملکرد مدل ها با استفاده از معیارهای MAE و ضریب تعیین (R) ارزیابی شد. نتایج نشان داد که مدل های Ensemble دقت بالاتری در پیش بینی اندازه نانوذرات دارند. استفاده از یادگیری ماشین در این پژوهش نشان داد که می توان بدون انجام آزمایش های متعدد، اندازه نانوذرات را با دقت مناسبی پیش بینی کرد و فرآیند سنتز را بهینه سازی کرد.

کلیدواژه ها:

نانوذرات ، یادگیری ماشین ، پیش بینی ، اندازه ، معیارهای ارزیابی ، کاربردهای بیومدیکال