제 1항에 있어서, 상기 유변물성 기반 계층적 기계학습(RIHML) 모델은, 점도 및 저장탄성률을 포함하는 유변학적 특성에 대한 데이터가 각각 입력되는 제 1 입력층 및 제 2 입력층과, 인쇄 파라미터에 대한 데이터가 입력되는 제 3 입력층의 3개의 입력층; 각각의 입력층에 연결되는 은닉층; 및 각각의 은닉층과 연결되어 최종 출력이 생성되는 출력층을 포함하여 이루어지는 다중입력층(multi-input layer) 인공신경망 모델을 이용하여 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

유변물성 기반 계층적 기계학습(Rheology-Informed Hierarchical Machine Learning ; RIHML)을 이용한 압출 기반 바이오프린팅(extrusion-based bioprinting)의 인쇄해상도 예측방법에 있어서, 다양한 인쇄조건과 바이오잉크(bioink) 농도로 인쇄된 스캐폴드(scaffold)의 광학이미지를 각각 수집하여 미리 정해진 설정에 따라 상기 유변물성 기반 계층적 기계학습(RIHML) 모델의 훈련을 위한 데이터세트(dataset)를 구축하는 처리가 수행되는 데이터 수집단계; 상기 데이터 수집단계를 통해 수집된 데이터세트를 이용하여 상기 RIHML 모델의 훈련을 수행하는 처리가 수행되는 훈련단계; 및 상기 훈련단계를 통해 훈련된 상기 RIHML 모델을 이용하여, 입력 데이터에 따라 바이오프린팅의 인쇄해상도를 예측하는 처리가 수행되는 예측단계를 포함하는 처리가 컴퓨터나 전용의 하드웨어를 통해 수행되도록 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

제 1항에 있어서, 상기 예측방법은, 상기 예측단계의 예측결과를 통해 예측된 인쇄해상도에 근거하여 바이오프린팅 결과에 대한 이미지를 생성하는 처리가 수행되는 이미지 생성단계를 더 포함하여 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

제 2항에 있어서, 상기 예측방법은, 상기 이미지 생성단계를 통해 생성된 이미지와 실제 인쇄결과를 비교하여 검증하는 처리가 수행되는 검증단계를 더 포함하여 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

제 1항에 있어서, 상기 데이터 수집단계는, 미리 정해진 설정에 따라 서로 다른 조성과 농도를 가지는 F127, 젤라틴/잔탄검(Xanthan Gum ; XG), 알기네이트/CaCl2 및 알기네이트/CNC(Cellulose NanoCrystal) 기반 바이오잉크를 각각 준비하고, 미리 정해진 설정에 따라 서로 다른 인쇄조건에서 각각의 바이오잉크에 대한 스캐폴드(scaffold) 인쇄를 수행하여 재료농도(material concentration), 인쇄압력(printing pressure), 노즐직경(nozzle diameter), 노즐길이(nozzle length), 노즐속도(nozzle velocity) 및 인쇄해상도에 대한 정보를 포함하는 인쇄파라미터(printing parameters) 데이터세트를 구축하며, 미리 정해진 설정에 따라 각각의 바이오잉크에 대하여 점도(viscosity) 및 저장탄성률(storage modulus)을 각각 측정하여 유변학적특성(rheological property) 데이터세트를 구축하는 처리가 수행되도록 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

제 1항에 있어서, 상기 훈련단계는, 미리 정해진 설정에 따라 각각의 데이터세트를 훈련세트(train set), 검증세트(validation set) 및 테스트세트(test set)로 분할하여 상기 RIHML 모델의 훈련을 수행하고, 훈련결과의 검증을 위해 인쇄해상도 정확도(printing resolution accuracy)를 평가하는 처리가 수행되도록 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

제 6항에 있어서, 상기 훈련단계는, 이하의 수학식을 오차기준(error criterion)으로 이용하여 인쇄해상도 정확도를 평가하고, 미리 정해진 오차기준을 만족할 때까지 훈련을 반복 수행하는 처리가 수행되도록 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법. (여기서, AR은 실제 인쇄해상도이고, PR은 예측 인쇄해상도를 각각 의미함)

제 2항에 있어서, 상기 이미지 생성단계는, 상기 RIHML 모델을 통해 예측된 인쇄 스트랜드 크기를 픽셀로 변환하고, 변환된 스트랜드 크기를 이용하여 시뮬레이션을 통해 2진 이미지를 생성하는 처리가 수행되도록 구성되는 것을 특징으로 하는 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법.

청구항 1항 내지 청구항 8항 중 어느 한 항에 기재된 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법을 컴퓨터에 실행시키도록 이루어지는 프로그램이 기록된 컴퓨터에서 판독 가능한 기록매체.

바이오프린팅 시스템에 있어서, 바이오프린팅의 인쇄조건을 포함하는 미리 정해진 각종 데이터를 입력받는 처리가 수행되도록 이루어지는 입력부; 상기 입력부를 통해 입력되는 인쇄조건에 따라 바이오프린팅의 인쇄해상도를 예측하는 처리가 수행되는 인쇄해상도 예측 처리부; 및 상기 인쇄해상도 예측 처리부를 통해 예측된 인쇄해상도에 근거하여 바이오프린팅 이미지를 생성하고 미리 정해진 설정에 따라 출력하는 처리가 수행되는 출력부를 포함하여 구성되고, 상기 인쇄해상도 예측 처리부는, 청구항 1항 내지 청구항 8항 중 어느 한 항에 기재된 유변물성 기반 계층적 기계학습을 이용한 압출 기반 바이오프린팅의 인쇄해상도 예측방법을 이용하여 인쇄해상도를 예측하는 처리가 수행되도록 구성되는 것을 특징으로 하는 바이오프린팅 시스템.