Yapay zekâ tabanlı algoritmaları kullanarak elektro-eğirme yöntemiyle üretilen doku iskelesinin ortalama lif çapı değerinin hesaplanması

Abstract

Nano boyutta lifler içeren doku iskelelerinin üretimi, doku mühendisliği için oldukça önemli bir husustur. Elektro-eğirme, farklı nanofiber üretim yöntemleri arasında yaygın olarak kullanılan yöntemdir. Elektro-eğirme yöntemi ile üretilen nanoliflerin özelliklerini etkileyen birçok parametre vardır. Bu parametrelerin etkilerinin araştırılması ve sonrasında kontrol edilebilmesi, istenilen özelliklere sahip nanoliflerin üretimini kolaylaştıracaktır. Bu tez çalışması kapsamında, elektro-eğirme yöntemi ile jelatin/biyoaktif cam (Gt/BC) nanolif üretimi yapan araştırmacıların, hedefledikleri lif çapı değerini elde edebilmelerine yardımcı olabilecek, yapay arı kolonisi (YAK) algoritması kullanılarak elde edilen matematiksel bir ifade ve yapay sinir ağı (YSA) kullanılarak geliştirilen bir model sunulmuştur. Bu matematiksel ifade ve model, çözelti içeriği, iğne-toplayıcı mesafesi ve çözelti akış hızı parametrelerine bağlı olarak ortalama lif çapı (OLÇ) hesaplaması yapmaktadır. Çalışmada, üç adet elektro-eğirme parametresinin farklı değerlerinin kombinasyonunu ve her kombin için elde edilen ortalama lif çap değerini içeren bir veri kümesi kullanılmıştır. Matematiksel ifadenin türetilmesi sürecinde, birçok farklı ifade denenmiş ve en sonunda basit olması ve kabul edilebilir hata ile hesap yapabilmesi nedeniyle önerilen ifade üzerinde karar kılınmıştır. Matematiksel ifadedeki bilinmeyen katsayıların optimum olarak belirlenmesinde son zamanlarda oldukça popüler olan ve birçok farklı problem için başarılı çözümler üreten YAK algoritması kullanılmıştır. Önerilen ifade, %2.2 hata değeri ile elektro-eğrilmiş Gt/BC kompozitinin OLÇ değerinin hesaplamasını yapabilmektedir. Bu ifadenin hesaplama başarısı ile literatürde aynı problem için önerilen bir başka bir ifadenin başarısı karşılaştırılmıştır. İki ifadenin de kabul edilebilir düzeyde bir hatayla OLÇ hesabı yapabilmelerine karşın bu çalışmada önerilen ifadenin deneysel gözlem sonuçlarıyla daha iyi uyum içerisinde olduğu görülmüştür. Daha sonra elektro-eğirme parametrelerinin OLÇ üzerindeki bireysel etkilerinin gözlenebilmesi amacıyla parametrik çalışma gerçekleştirilmiş ve elde edilen sonuçlar sunulmuştur. Ayrıca yukarıda bahsedilen 3 adet elektro-eğirme parametresine bağlı olarak elektro-eğrilmiş Gt/BC kompozitinin OLÇ hesaplamasını yapan YSA modeli tasarlanmıştır. Ağın eğitim ve test aşamasında, matematiksel ifadenin türetilmesi için kullanılan veri kümesinden yararlanılmıştır. Oluşturulan ağın eğitimi Levenberg–Marquardt algoritması kullanılarak gerçekleştirilmiş ve ağın %3.3 hata değeri ile OLÇ değeri tahmininde bulunduğu tespit edilmiştir. Çalışmanın son kısmında ise farklı eğitim algoritmaları kullanılarak oluşturulan YSA modellerinin OLÇ tahminindeki başarımları karşılaştırılmıştır.

The production of tissue scaffolds containing nano-sized fibers is a very important issue for tissue engineering. Electrospinning is the widely used method among different nanofiber production methods. There are many parameters that are affecting the feature of the nanofibers produced by electrospinning. The investigation of the influence of these parameters and their control will facilitate the production of nanofibers with the desired properties. In this thesis study; a model developed using the artificial neural network (ANN) and a mathematical expression derived by artificial bee colony algorithm that can help to get the aimed fiber diameter value of the researchers who produce gelatin/bioactive glass (Gt/BG) nanofiber by electrospinning method. This mathematical expression and model compute the average fiber diameter (AFD) depending on the solution content, needle-collector distance and solution flow rate parameters. In the study, a data set which contains the combination of the different values of these electrospinning parameters and the AFD value obtained for each combination was used. Many different expressions have been tried in the process of derivation of the mathematical expression, finally, has been decided on the proposed expression since it is simple and it can be performed the calculation with acceptable error. The artificial bee colony algorithm, which has been popular in recent times and yields successful solutions for many different problems, has been used for the optimal determination of unknown coefficients in the mathematical expression. The proposed expression can calculate the AFD of electrospun Gt/BG with error value of 2.2%. The computational success of this expression is compared with the one proposed in the literature for the same problem. Although the both expression can compute for the AFD with an acceptable error, it has been found that the proposed expression is in better agreement with the results of the experimental observations. Then the parametric study was carried out to observe the individual effect of the electrospinning parameters on the AFD, and the obtained results are presented. Additionally, an ANN model that estimates the AFD of electrospun Gt/BG depending on the three electrospinning parameters mentioned above has been presented. The data used for deriving the mathematical expression has been utilized during training and testing of the network. The training of the developed network has been carried out using the Levenberg-Marquardt algorithm and it was found that the AFD was estimated with error value of 3.3%. At the end of the study, success rates of ANN constructed with different training algorithms for predicting the AFD are compared.