1

تابستان

1391

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

سنتز پودرها با استفاده از محلولهایحاوی کلسیم و فسفر با نسبتهای مختلفCa بهP صـورت پـذیرفت. pH محـیطواکنش با استفاده از نیتریک اسید و سدیم هیدروکسید تنظیم شد. رسوبهای حاصل به مدتیک سـاعت در دمـای 1100 درجه سلس یوس حرارت داده شدند. ترکیب شیمیایی پودرهای سنتزشده و نسبت Ca/P در نمونههـا بـا اسـتفاده از دسـتگاهپلاسمای جفتشده القایی تعیین شد. فازها و گروههای عاملی موجود در نمونهها به ترتیب با اسـتفاده از روش پـراش پرتـوایکس و روش انتقال فوریه فروسرخ مشخص شدند.
چهار شبکه سهلایه با الگوریتم یادگیری پسانتشار خطا با ده نورون در لایـه مخفـی و تـابع تحریـک سـیگموئید خطـی والگوریتم یادگیری لونبرگ-مارکوارت با استفاده از دادههای بهدستآمده از آزمایش در چهـار شـکل متفـاوت طراحـی شـد. بهترین نتیجه مربوط به شبکه ای با80 درصد از دادهها برای مرحله یادگیری،15 درصـد بـرای مرحلـه اعتبارسـنجی و5 درصد برای مرحله آزمون بود. برای اطمینان از عملکرد مطلوب شبکهها، هر کدام از چهار شـبکه بـا اسـتفاده از چهـار دادهجدید مورد بررسی قرار گرفت و مشخص شد که نتایج تخمین زده شده توسط شبکه با نتـایج بـه دسـت آمـده از آزمـایشمطابقت دارد.
کلید واژه: کلسیم فسفات دوفازی، سنتز شیمیایی، شبکه عصبی مصنوعی.
1- مقدمه
1-1- کلسیم فسفات های دوفازی
بیش از سی سا ل است که سرامیک های کلسیمفسفاتی به طور موفقیتآمیزی برای جایگزینی بافت سخت استخوان به کار رفتهاند؛ زیرا این مواد دارای ترکیب شیمیایی نزدیک به استخوان طبیعی، و دارای ویژگیهای همچون سبکی وزن، پایداری شیمیایی، عـدمتحریک سیستم ایمنی بدن برای تولید پادتن، و تشویق هدایت سلول های استخوانی هستند [1 و 2]. با توجه بـه میـزان دمـا، فـشارجزیی آب و ناخالصیهای حاضر، فازهای گوناگون کلسیم فسفاتی تشکیل میشوند و بر اساس نسبت مولی Ca/P و شرایط محیطی، دارای مشتقات گوناگونی هستند. در جدول (1) ترکیبا ت کلسیم فسفاتی دارای کاربرد زیستی [3] آورده شده است.
-9140952183

45
جدول 1- کلسیمفسفاتهای دارای کاربردهای زیستی [3]
نسبت مولی Ca/P نشانه اختصاری فرمول شیمیایی نام کلسیم فسفات
0/5 MCPM Ca(H2PO4)2·(H2O) مونوکلسیم فسفات مونوهیدرات
1 DCPD CaHPO4·2H2O دیکلسیمفسفات دیهیدرات
1 DCPA CaHPO4 دیکلسیمفسفات بیآب
1/13 CPP Ca2P2O7 کلسیمفسفات پیروفسفات
1/5 α/β TCP Ca3(PO4)2 آلفا/بتا تریکلسیمفسفات
2 TTCP Ca4(PO4)2O تتراکلسیمفسفات
1/67 HAp Ca10(PO4)6(OH)2 هیدروکسیآپاتیت
هیدروکسی آپاتیت با فرمول شیمیایی 2Ca10(PO4)6(OH)، ترکیبی شناخته شده در استخوانها و دندان ها است که در پزشـکی ودندانپزشکی بسیار مورد توجه قرار دارد. این ماده دارای ترکیب شیمیایی مشابه بافت سخت بـدن اسـت و از زیـست سـازگاری و زیستفعالی بسیار مطلوبی برخوردار است [3-12]. یکی دیگر از انواع کلسیمفسفاتها، تـری کلـسیم فـ سفات (TCP) بـا فرمـولشیمیایی 2(4Ca3(PO است . نام دیگر آن تریکلسیمارتوفسفات و نام معدنی آن ویتلوکیت است. محدودیت اصلی بـرای اسـتفادهاز این ماده، سرعت بسیار زیاد جذب آن است که استفاده از آن را دشوار می کند. هیدروکسیآپاتیت توانایی بیشتری برای تـشکیلپیوند شیمیایی با بافت زنده استخوان دارد؛ ولی گسترش چنین پیوندی با توجـه بـه زیـستتخریـب پـذیر نبـودنHA ، فراینـدیطولانی و زمانبر است . از طرفی ، α/β-TCP زیستتخریب پذیری قابلتوجهی از خود نشان میدهد. از این رو، مـیتـوان انتظـارداشت که با مخلوطی دوفازی متشکل از بتاتری کلسیم فسفات و هیدروکسیآپاتیت، بتوان مادهای زیستی با توانایی مطلوب بـرایتسریع تشکیل استخوان بر اسـاس آزادسـازی کنتـرلشـده کلـسیم و فـسفر در اختیـار داشـت [3، 13-15]. بـه عبـارت دیگـر،کلسیم فسفاتهای دوفازی (BCP) شامل دو فاز هیدروکسیآپاتیت و تریکلسیمفسفات هستند که با کم یا زیاد کردن درصد هـرکدام از این فازها، می توان میزان تخریبپذیری کاشتنی را کنترل کرد.
تهیه کلسیمفسفاتها از جمله هیدروکسیآپاتیت و بتاتری کلسیمفسفات به روشهای گوناگونی امکانپذیر اسـت کـه هـر کـداممزایا و محدودیتهای خاص خود را دارد. اما به طور کلی سه روش اصلی برای سنتز آنهـا وجـود دارد کـه عبارتنـد از: رسـوب ازمحلول (شیمی تر )، خشک (حالت جامد )، و هیدروترمال [3، 16]. در این پژوهش به دلیل قابلیت کنترل شرایط و عوامل واکـنشبرای تهیه پودری با مشخصات مورد نظر، از روش رسوب از محلول استفاده شده است.
1-2- شبکه های عصبی مصنوعی
شبکههای عصبی مصنوعی نوعی مدلسازی با الهام از سیستمهای عصبی موجودات زنده هستند که کاربردهای فراوانی در حـلمسائل مختلف مهندسی دارند. یکی از روشهای حل مسائل پیچیده، تقسیم آن بـه مجموعـهای از مـسائل سـادهتـر اسـت کـهآسانتر قابل درک و توصیف باشند. در ح قیقت یک شـبکه، مجموعـهای از مـسائل سـاده اسـت کـه در کنـار یکـدیگر سیـستمپیچیدهای را توضیح میدهند. شبکههای عصبی مـصنوعی انـواع مختلفـی دارنـد امـا همگـی دارای دو بخـش اصـلی هـستند: مجموعهای از گرهها (نورونها) و اتصالات بین گرهها. هر نورون در حقیقت یک واحد محاسباتی شـبکه اسـت کـه ورودیهـا رادریافت کرده و با پردازش آنها، خروجی مورد نظر را تولید میکند. اتصالات بین گرههـا نحـوه گـذر اطلاعـات در شـبکه از گـرهورودی به خروجی را مشخص میکند. هر شبکه از یک لایه ورودی، یک یا چند لایه پنهان و یک لایه خروجی تشکیل میشود.
هر سیناپس1 (خروجی هر نورون به نورون بعدی) دارای وزن است که وزنها در مرحله آموزش تنظیم میشوند.
به طور کلی شبکههای عصبی مصنوعی از لحاظ یادگیری به دو دسته کلی تقسیم میشوند: شبکه های دارای وزنهـای ثابـت وشبکههای دارای وزنهای متغیر (شبکههای یادگیرنده ). شبکه های یا دگیرنده، خود به دو دسته یادگیرنده بـا نـاظر و بـدون نـاظرتقسیم می شوند. در شبکه های با ناظر که در کار حاضر استفاده شده است، از دادههایی که خروجی آرمـانی آنهـا مـشخص اسـتاستفاده می شود. برای مرحله آموزش با ناظر، باید تعداد زیادی داده به دفعات به شبکه ارائه شود تا شبکه بتواند با تغییر وزنهـایخود خروجی مورد نظر را با کمترین خطا تولید کند [17].
یکی از تفاوتهای مهم شبکههای عصبی مصنوعی با یکدیگر نوع الگوریتم یادگیری آنهـا اسـت. یکـی از انـواع الگـوریتمهـاییادگیری، الگوریتم پسانتشارِ خطا است که در شبکههای عصبی پیشسو مورد استفاده قرار میگیـرد . در ایـن الگـوریتم، تـابعتحریک هر عصب به صورت جمع وزن های ورودیهای مربوط به آن عصب در نظر گرفته میشود [17، 18].
حال باید به بر رسی ارتباط خطا با ورودیها، وزنها و خروجیها پرداخت . برای این کار روشهـای گونـاگونی وجـود دارد کـه درپژوهش حاضر، از روش Levenberg-Marquardt استفاده شده است. با استفاده از این روش میتوان سرعت محاسبات رسیدنبه حداقل گرادیان خطا را افزایش و در عین حال حجم محاسبات را کاهش داد [19، 20].
به طور کلی یکی از کاربردهای شبکه عصبی، تخمین نتـایج آزمـایشهـا در علـوم مختلـف از جملـه مهندسـی پزشـکی اسـت.
مشکلات ناشی از کار در آزمایشگاه مانند هزینه زیاد، خطرات موجود آزمایشگاهی و خطای اپراتور، منجر به استفاده روزافـزون ازشبکههای عصبی برای تخمین نتایج آزمایش شده است. در این پژوهش، کوشش شده تا از شبکه عصبی به عنوان ابزاری بـرایپیشبینی شرایط سنتز کلسیمفسفات دوفازی با توجه به عوامل تاثیرگذار بر شرایط سنتز استفاده شود.
2- روش کار
2-1- سنتز و مشخصه یابی
برای سنتز پودرهای مورد نظر، ابتدا محلولهای حاوی کلسیم و فسفر به طور جداگانه و با استفاده از کلـسی
منیتـرات چهارآبـه بـافرمول شیمیاییCa(NO3)2.4H2O و دیآمونیومهیدروژنفسفات با فرمول شیمیایی 4(NH4)2HPO تهیه شدند. مقدار کلـسیمو فسفر در محلولهای ابتدایی به نحوی انتخاب شدند که نسبت مولیCa/P اولیه بر اساس مطالعات انجام شده برابر با 1، 5/1، 67/1 و 2 باشد . سنتز پودرها بر حسب مورد درpH های اسیدی و بازی به انجام رسید. محلول حاوی کلسیم به بشر منتقل شـدهو محلول حاوی فسفر به صورت قطرهقطره به آن اضافه شد. در تمام مدت انجام آزمایش، دما وpH محلول ها اندازهگیـری شـد.
1
Synaps
برای تنظیمpH در محدودههای اسیدی و بازی به ترتیب از اسید نیتریک و هیدروکسید سدیم استفاده شد. شرایط سنتز برای هرنمونه در جدول (2) آورده شده است. با توجه به اهمیت تغییر ترکیبات در کلسیم فسفاتها بر اثر حرارت دیـدن و بـرای شـناختبهتر ماهیت آنها، کلیه رسوبها به مدت یک ساعت در دمای 1100 درجه سلسیوس حرارت داده شدند.
برای تعیین ترکیب شیمیایی نمونهها و نسبتCa/P در پودرهای به دست آمده، از روش پلاسمای جفت شده القـاییICP-AES (0143 −(ICP − AES ARL استفاده شد. فازها و گروههای عاملی موجود در نمونهها به ترتیب با استفاده از روش پراش پرتـوایکس Siemens D500 diffractometer) XRD) و روش انتقال فوریـه فروسـرخVector 33) FTIR ) مـورد بررسـی قـرارگرفتند. همچنین برای بررسی میزان اطمینان از عملکرد مطلوب شبکهها و آزمـودن آن، چهـار نمونـه کلـسیمفـسفاتی بـه طـورجداگانه سنتز و مشخصهیابی شدند که شرایط سنتز آنها در جدول (3) آمده است.
جدول 2- شرایط سنتز پودرهای کلسیم فسفاتی در دمای 20 درجه سلسیوس
محصول واکنش Ca/P pH واکنشگرها
Ca/P=2 Ca/P=1/67 Ca/P=1/5 Ca/P=1 Ca/P اولیه واکنشگرها 0/99 0/96 0/97 0/98 4
1 0/98 0/98 0/98 5
0/99 0/97 1 0/98 6
1/02 1 1 0/99 7
1/01 0/99 0/98 0/99 7/5
1/02 0/98 1/1 1 8
1/12 1/01 1/1 1/05 8/6
1/21 1/13 1/17 1/15 9
1/35 1/24 1/22 1/18 9/5
1/49 1/45 1/35 – 10
1/59 1/53 1/36 1/19 10/5
1/61 – 1/38 – 11
1/63 1/57 1/37 1/25 11/5
1/7 – 1/41 1/27 12
جدول 3- شرایط سنتز چهار نمونه پودر برای آزمودن شبکه های طراحی شده
Ca/P pH نام نمونه
1 10 βTCP بتا تری کلسیم فسفات خالص BCP1
1 11 βTCP-HA کلسیمفسفات دوفازی غنی از بتا تری کلسیم فسفات BCP2
1/67 11 HA-βTCP کلسیمفسفات دوفازی غنی از هیدروکسیآپاتیت BCP3
1/67 12 HA هیدروکسیآپاتیت خالص BCP3
2-2- طراحی شبکه عصبی مصنوعی
در این تحقیق از جعبه ابزار شبکه عصبی متلب، نسخه 585، 0، 11، 7، برای ایجاد و آموزش شبکه عـصبی اسـتفاده شـد. بـرایبررسی کارایی، روش مجموع مربعات خطا و رگرسیون1 به کار برده شد. از آنجا که یک شبکه پیشرو سهلایه با الگوریتم یادگیریپسانتشارِ خطا قادر به یادگیری و تخمین هر تابع خطی است [18]، در این پژوهش از چهار شبکه با 10 نورون در لایه مخفی وتابع تحریک سیگموئید خطی و الگوریتم یادگیریLevenberg-Marquardt استفاده شد که درصد دادههای اختصاصداده شدهبرای سه مرحله یادگیری، اعتبارسنجی ، و آزمون4 از مجمـوع 52 د اده بـه دسـت آمـده از آزمـایشهـا در آنهـا، متفـاوت اسـت (جدول2). در شبکه اول، 80 درصد کل دادهها برای مرحله یادگیری، 15 درصد برای مرحله اعتبارسنجی، و 5 درصد برای مرحلهآزمون در نظر گرفته شد. این شبکه را به اختصار 5-15-80 مینامیم. درصد دادههای اختصاص دادهشده به هر مرحله در شـبکهنوع دوم 5-20-75، در شبکه نوع سوم 25-10-65 و در شبکه چهارم 15-20-65 بود.
3- نتایج و بحث
3- 1- ترکیب و ساختار نمونه ها
در شکل های (1) و (2)، الگوهایXRD وFTIR چهار نمونه از پودرهای سنتز شـده بـرای آزمـودن شـبکه مقایـسه شـده اسـت.
همان طور که دیده میشود، حضور پیک سهگانه مربوط بـه هیدروکـسیآپاتیـت و مطابقـت تمـامی پیـکهـا بـا کـارت اسـتاندارد JCPDS 09-0432، در نمونه هیدروکسیآپاتیت خالص کاملاً مشخص است. با افزایش فاز دوم (بتاتری کلسیم فـسفات )، از شـدتمجموعه پیکهای هیدروکسی آپاتیت و به خصوص پیک 100 آن، کاسته شده و بر شدت مجموعه پیک های بتا تریکلیسم فـسفات(به عنوان مثال پیک 100 آن )، افزوده میشود. سرانجام در نمونه آخر، بتاتریکلسیمفسفات خالص (به عنوان یک کلـسیمفـسفاتدوفازی که درصد فاز هیدروکسیآپاتیت آن صفر است) به وجود میآید (کارت استاندارد JCPDS 09-0169).

شکل 1- مقایسه الگوهای پراش پرتو ایکس کلسیمفسفاتهای دوفازی سنتز شده به روش نمک محلول
1
Regression
(2) نیز الگویFTIR پودرهای سنتز شده به روش نمک محلول با هم مقایسه شده است. پیکهای مربـوط بـه 1-OH مشخصه حضور فاز هیدروکسیآپاتیت است. از طرفی پیک -4HPO نیز نشان از حضور بتاتری کلسیمفسفات دارد . با افزایش فـازبتـاتریکلـسیمفـسفات، از شـدت پیـک هیدروکـسیل در محـدوده 1-cm 3550 و 1-cm 630 کاسـته شـده تـا اینکـه در نمونـه بتاتری کلسیمفسفات ایـن پیـک کـاملاً ناپدیـد مـیشـود . همچنـین پیـک مربـوط بـه 2-4HPO کـه از مشخـصههـای حـضوربتاتری کلسیم فسفات است، در نمونه هیدروکسیآپاتیت خالص دیده نمیشود و با افزایش مقدار فاز بتاتریکلسیمفسفات بر شـدتآن افـزوده مـیشـود کـه ایـن خـود گـواهی بـر تـشکیل فازهـای کلـسیمفـسفات دوفـازی متـشکل از هیدروکـسیآپاتیـت و بتاتریکلسیمفسفات است . بدین گونه، استفاده از روش نمک محلول بر اساس شرایط ذکر شده در جدول (3) را می تـوان روشـیمناسب و آسان برای تولید کلسیمفسفاتدوفازی به شمار آورد.

شکل 2- مقایسه الگوهای FTIR کلسیمفسفاتها دوفازی سنتز شده به روش نمک محلول
3- 2- عملکرد شبکه ها
در نمودارهای شکل (3)، محور عمودی، خروجی1 تخمینزده شده توسط شبکه عصبی و محور افقی، خروجی بـه دسـت آمـده ازآزمایش2 است. این نمودارها اختلاف بین خروجی تولید شده توسط شبکه و خروجی به دست آمده از آزمایش را نشان مـیدهنـدکه آن را خطای شبکه مینامند. حالت مطلوب ، برابری مقادیر مربوط به محورهای عمودی و افقی است؛ به این مفهوم که نقاطبر روی خط y=t قرار بگیرند.
در شکل (3- الف )، شبکه 5-15-80، خط مربوط به مرحله یـادگیری دارای شـیب 99/0 اسـت . شـیب خـط مربـوط بـه مرحلـهاعتبارسنجی برابر 94/0 است . این بدان معنی است که خروجی این شبکه به مقادیر به دست آمده از آزمایش بسیار نزدیک است .
شیب خط در مرحله آزمون برابر با 51/0 است که فاصله زیادی با حالت مطلوب دارد.
1
Output
(3- ب )، شبکه 5-20-75، در مرحله یادگیری، دادههای تخمین زده شده توسـط شـبکه بـا داده هـای حاصـل از آزمـایش بـامیانگین خطای 0077/0 مطابقت دارد. در مرحله اعتبارسنجی نیز همین شرایط وجود دارد. اما در مرحله آزمون این مقدار به 2/1 میرسد.
با در نظر گرفتن مجموع دادههای مراحل سهگانه، خطی با شیب 1 به دست میآیـد کـه بیـانگر صـحت عملکـرد شـبکه اسـت.
پراکندگی نقاط در اطراف خط y=t اندک است که نشانه ای از مناسب بودن توپولوژی شبکه به شمار میرود.
در شکل (3- ج)، شبکه 25-10-65، شیب خط مرحله یادگیری 95/، مرحله اعتبارسنجی 91/0، و سرانجام در مرحله آزمون برابـر 1 است. در نمودار مربوط به مجموع نقاط، شیب خط برابر با 96/0 میباشد که در مقایسه با شبکه 5-20-75 خطای بیشتری دارد در شکل (3- د)، شبکه 15-20-65، شیب خط در سه مرحله یادگیری ، اعتبارسنجی و آزمـون بـه ترتیـب برابـر بـا 86/0، 1 و 1 است. این شیب در خط مربوط به مجموع نمونهها به 92/0 می رسد. با در نظر گرفتن خط مربوط بـه مجمـوع دادههـا مـیتـوان نتیجه گرفت که توپولوژی انتخابی این شبکه دارای خطای بیشتری نسبت به سایر شبکه ها است.

5

15

80
)

الف
(

5

20

75
)

ب
(

5

  • 1

دیدگاهتان را بنویسید