FibreCastML：用于预测静电纺丝纳米纤维直径分布的开源网络平台
机器学习
2026-02-20 v2
摘要
静电纺丝是一种可扩展的技术，用于生产具有可调微米和纳米级结构的多孔支架，应用于组织工程、药物输送和伤口护理。虽然机器学习（ML）已被用于支持静电纺丝工艺优化，但大多数现有方法仅预测平均纤维直径，忽略了决定支架性能的完整直径分布。本工作提出了FibreCastML，一个开源的、分布感知的ML框架，它从常规报告的静电纺丝参数中预测完整的纤维直径谱，并提供对工艺-结构关系的可解释见解。我们整理了一个元数据集，包含从1778项研究（涵盖16种生物医学聚合物）中提取的68538个单根纤维直径测量值。使用六个标准工艺参数，即溶液浓度、施加电压、流速、针尖到收集器距离、针头直径和收集器转速，通过嵌套交叉验证（采用留一研究外部折）训练了七个ML模型。通过变量重要性分析、SHapley Additive exPlanations、相关矩阵和三维参数图实现了模型可解释性。非线性模型始终优于线性基线，对于几种广泛使用的聚合物，决定系数超过0.91。溶液浓度成为纤维直径分布的主要全局驱动因素。跨不同静电纺丝系统的实验验证表明，预测分布与测量分布高度一致。FibreCastML能够实现更可重复和数据驱动的静电纺丝支架结构优化。
引用
@article{arxiv.2601.04873,
title = {FibreCastML: An Open Web Platform for Predicting Electrospun Nanofibre Diameter Distributions},
author = {Elisa Roldan and Kirstie Andrews and Stephen M. Richardson and Reyhaneh Fatahian and Glen Cooper and Rasool Erfani and Tasneem Sabir and Neil D. Reeves},
journal= {arXiv preprint arXiv:2601.04873},
year = {2026}
}