bioRxiv 生物工程· Hua, H., Niemiec, M., Li, T., Manna, R., Jo, H., Kim, K., Hu, C. ·· 3 天前精选AI 评分52
基于机器学习的神经微电极加速老化寿命早期预测研究
Machine Learning-Based Early Prediction of Neural Microelectrode Lifetime Under Accelerated Aging Conditions
AI 导读
研究提出基于 Elastic Net 回归与早期特征工程的机器学习模型，利用前 5 天测量数据预测加速老化条件下由阻抗定义的神经微电极寿命，器件级验证的均方根误差为 3.71 个加速老化天数、平均绝对百分比误差为 13.90%。
推荐理由
论文给出基于早期数据预测微电极寿命的具体误差指标，可为缩短植入器件加速寿命试验周期提供参考方法。
来源：bioRxiv 生物工程 · biorxiv.org