一种基于机器学习和飞秒激光的聚醚醚酮抗菌表面的预测及制备方法

本发明属于骨植入物制备，具体的涉及一种基于机器学习和飞秒激光的聚醚醚酮抗菌表面的预测及制备方法。

背景技术：

1、聚醚醚酮有着与人体骨骼相似的弹性模量、高断裂伸长率、耐腐蚀、耐高温、良好的生物相容性等特点，是一种优异的骨植入材料。然而未经修饰的聚醚醚酮材料表面容易被纤维组织包裹或被细菌定植。聚醚醚酮表面生物膜的形成可使表皮葡萄球菌(s.epidermidis)、金黄色葡萄球菌(s.aureus)、大肠杆菌(e.coli)等细菌菌落呈指数增长，使肠球菌(e.faecalis)的细菌菌落呈线性增长。与ti或si3n4表面相比，聚醚醚酮表面的生物膜亲和力比ti高了6.7倍，比si3n4高了16倍。同时，聚醚醚酮表面活细菌的数量也最高，是si3n4表面的30倍之多。这会导致聚醚醚酮植入物无法与骨组织形成良好的结合，甚至会引起细菌感染而导致植入失败。因此关于聚醚醚酮抗菌表面的研究近年来备受关注。

2、细菌在植入物表面的附着是一种常见的现象。起初，浮游的细菌细胞会附着在植入物表面，然后它们会增殖并分泌细胞外聚合物质，最终多层细胞聚集并形成生物膜。与浮游的细菌细胞相比，生活在生物膜中的细菌细胞对宿主的免疫系统、外部的物理压力、化学杀菌剂和抗生素的抵抗能力都要更强，常导致植入物周围发生慢性感染和骨吸收，可能使植入物产生松动脱落，最终导致植入失败。因此，预防植入物周围炎症的发生，阻止细菌的附着和生物膜的形成，对于植入手术的成败和植入物的耐久性都有重要意义。

3、由于细菌的附着是形成生物膜的第一步，因此阻止细菌的初次附着对防止生物膜的形成至关重要。改变材料表面的化学成分，包括掺杂有毒的杀菌剂和接枝官能团，被认为是阻止细菌附着的有效方法。此外，人们也发现材料的表面形貌对细菌与表面的相互作用有重要影响，通过对材料表面进行物理改性也能阻止细菌的附着。通过物理方法产生的抗菌能力通常能长期有效且对环境友好，因此被认为是一种很有潜力的替代化学修饰的方法。

4、材料的表面粗糙度和表面形貌是影响细菌在表面粘附的主要物理因素。首先对于表面粗糙度来说，有的学者认为由于粘附力会随着粗糙度的增加而增加，所以低粗糙度的表面更有利于抑制细菌的初期粘附。但也有些学者持相反的观点，认为表面粗糙度对于细菌的初期粘附几乎没有影响，甚至较高的表面粗糙度有时还有利于抑制细菌的初期粘附。因此，在该领域中对于表面粗糙度和细菌粘附之间的关系方面目前仍缺乏共识。这可能与大多数研究中考虑材料表面粗糙度的同时，并未对材料的表面形貌进行深入控制，从而忽略了不同的表面形貌带来的影响。但从另一方面来说，表面粗糙度的改变通常又都会伴有表面形貌的改变，在这一类研究中，想要孤立的控制某一变量来讨论另一变量是非常困难的。

5、因此，对于如何获取能够抑制细菌的初期粘附的表面的问题，借助一类能够同时针对多种因素进行综合考量的分析工具是一个好的解决方案，而机器学习的“黑箱算法”恰好就提供了这样的一个可选的方案。

技术实现思路

1、技术实现要素：

2、为此，本发明提供了一种基于机器学习和飞秒激光的聚醚醚酮抗菌表面的预测及制备方法：利用飞秒激光在聚醚醚酮表面制备多种不同粗糙度、不同形貌的微米/纳米级结构，并通过机器学习来预测表面的抗菌性能，最后再通过实际的抗菌实验进行验证。抗菌实验的结果同时也证明了训练好的机器学习模型具有较高的准确性，从而为快速、准确、高效的制备抑菌表面开辟了新的路径，解决了现有技术由于缺乏统一、规范的制备手段而导致的制备过程不准确，制备效率不高，制备结果不确定等问题，使抗菌表面的制备过程规范化、标准化成为了可能。

3、本发明的目的通过以下技术方案来实现：

4、本发明公开一种基于机器学习和飞秒激光的聚醚醚酮抗菌表面的预测及制备方法：

5、s1、制备表面：通过线性调节激光脉冲的能量密度获得不同形貌及粗糙度的聚醚醚酮表面；

6、s2、获取所述不同形貌的聚醚醚酮表面的结构信息，包括：

7、1)采用发射扫描电子显微镜获取表面的准三维形貌信息，其中的第三维信息即材料表面的凸起高度或凹陷深度是通过生成的像素点的灰度值来体现的；

8、2)采用原子力显微镜获取表面的真三维形貌信息，其中的第三维信息即材料表面的凸起高度或凹陷深度信息是通过真实的高度值或深度值来体现的；

9、s3、预测分析：根据步骤2中获取的材料表面的三维结构信息，利用机器学习工具进行分类预测，预测所述不同形貌的聚醚醚酮表面的抗菌能力，并选取最佳抗菌结构；

10、s4、通过实际的抗菌实验，验证所述不同形貌的聚醚醚酮表面的抗菌性能，并检验机器学习方法预测的准确度。

11、进一步，还包括机器学习模型的选择和训练，训练步骤包括：从已发表的文献和实验数据中获取已知抗菌材料的表面结构信息和对应的抗菌性能数据，选择和训练机器学习模型对其进行分类预测，所述抗菌材料的表面结构信息包括基于准三维和真三维形貌信息提取出来的统计量，和以之生成的灰度共生矩阵所提供的描述表面纹理信息的统计量，并以这些统计量形成高维抗菌数据集。

12、进一步，所述获取材料表面的准三维和真三维形貌信息的过程，包括读取每一幅sem图，生成二维灰度矩阵，矩阵元取离散值；或读取每一幅afm图，生成描述表面起伏信息的二维矩阵，矩阵元取连续值,基于这两类二维矩阵，可计算方差和一维信息熵，其具体表达式为：

13、1)方差：矩阵中所有矩阵元值的方差，反映材料表面的对比度信息，表征材料表面起伏的不均匀程度，

14、

15、其中，m,n为矩阵的维数；q(x,y)为矩阵的第x行第y列的矩阵元值，对应sem图片中相应位置像素的灰度值，或afm图片中对应点的实际高度值；为所有矩阵元的平均值，反映sem图中各点的平均亮度，或afm图中各点的平均高度；

16、2)一维信息熵：反应一幅图像中包含的信息量的丰富程度和复杂程度；

17、基于准三维形貌信息的sem灰度图信息计算的一维信息熵为：

18、

19、式中的f(i)表示灰度值为i的像素所占的比例:#(i)表示灰度值为i的像素个数，m,n为灰度矩阵的维数，在8位灰度图像下，i的取值范围为0～255之间的整数，

20、基于真三维形貌信息的afm图计算一维信息熵时，需要首先将矩阵元的取值离散化，可以通过划分网格区间的方式，统计取值在给定范围内的矩阵元数，然后用上面的公式计算一维信息熵，基于真三维形貌信息计算一维信息熵时，可不受图像位数的影响，根据实际的需要灵活选择所划分的区间数目。

21、进一步，所述描述材料表面纹理信息的统计量还包括基于表面的准三维和真三维信息生成灰度共生矩阵，并通过灰度共生矩阵得到能量、对比度、相关性及均匀性四个统计量，其具体表达式为：

22、1)灰度共生矩阵：基于准三维形貌信息的sem灰度图生成的灰度共生矩阵定义如下

23、

24、其中

25、在8位灰度图像下，得到的灰度共生矩阵的最大维数为256×256。

26、基于真三维信息的afm图生成灰度共生矩阵，需要首先将矩阵元的取值离散化。如前文所述，基于真三维形貌信息划分区间数目时，可依实际的需要进行，而不受图像位数的限制。

27、考虑到与抗菌有关的材料表面的特征尺度通常在0.1μm～2μm之间，在进行上述计算时，无论基于sem图还是afm图，我们都分别取0.1μm～2μm之间所有可能的像素点间距,计算不同空间尺度下的灰度共生矩阵。在同一空间尺度下，我们分别取水平、竖直、左45度角、右45度角4个不同的空间方向计算4个不同的灰度共生矩阵，并将所得到的统计量分别取平均值以获得最具一般性的结果。

28、2)描述表面纹理信息的统计量：这里以基于准三维形貌信息的sem图生成的灰度共生矩阵为例，基于真三维信息的afm图生成的灰度共生矩阵在算法上相同，仅像素灰度值的取值范围更为灵活。

29、①能量：

30、

31、②对比度

32、

33、③相关性

34、

35、其中μi,μj,σi2,σj2分别为灰度共生矩阵第i行(或第j列)元素的平均值和方差。

36、④均匀性

37、

38、进一步，所用的机器学习模型包括支持向量机分类器、朴素贝叶斯分类器、梯度提升算法、自适应增强算法、随机森林分类器和多层感知机；

39、测试步骤：对于每一个机器学习模型，分别在50个彼此独立的进程中，利用scikit-learn库的train_test_split工具，以随机的方式将数据集划分成训练集和测试集；训练集用来训练模型，测试集用来评估训练好的模型的性能和泛化能力；根据所收集的数据集的规模，选择测试集数据占整个数据集的25％；在每个独立进程中，首先通过10折交叉检验，利用gridsearchcv工具来对超参数空间进行网格化搜索，为每个模型确定最适合当前任务的超参数组合；然后用所筛选出来的最优超参数组合来训练最终的模型，并对测试集数据进行预测；最后，根据已有的分类标签来评估模型在测试集上的表现，包括：准确率、精确度和召回率；每个性能指标都在50个独立进程中取平均值

40、测试中，分类阈值按0.1递增，且分类阈值范围为0.1～0.9。

41、进一步，在步骤1中，所述激光能量密度变化范围为0～4j/cm2。

42、进一步，制备表面时，采用线性扫描方法建立了多级微纳复合结构，将扫描线间距固定在13-18μm，扫描速度固定在12-16mm/s，斑点大小固定在26-35μm，以实现每个光斑辐照区域大约2-5个脉冲。

43、进一步，获取三维信息的表面积为20×20μm2。

44、本发明与现有技术相比，至少具有以下优点和有益效果：

45、本发明创造性的使用机器学习工具实现了针对材料表面抗菌能力的预测，且预测的准确率约在70～80％之间，证明了通过材料表面的形貌信息来预测材料抗菌率的可行性；

46、本发明为聚醚醚酮抗菌表面的单步制备提供了一个绿色无污染的方法，在医疗和工业领域都具有应用潜力；

47、本发明为制备聚醚醚酮抗菌结构表面提供了一个新的思路，有望大大缩短聚醚醚酮抗菌材料表面结构的科研探索时间，在工业领域的抗污表面制备和医用聚醚醚酮抗菌表面的制备上都具有应用潜力；

48、本发明为快速、准确、高效的制备抑菌表面开辟了新路径，使制备抑菌表面过程的规范化、标准化成为了可能。