课题组硕士研究生沈黄荟同学于2024年4月在Microcirculation上发表了《In Silico Design of Heterogeneous Microvascular Trees Using Generative Adversarial Networks and Constrained Constructive Optimization（基于生成对抗网络和约束构造优化的异质性微血管树的虚拟构建）》一文。
现有的微血管树生成方法用于控制树生成的参数过于简单，无法模拟生物体内复杂的血管生成和结构适应过程的结果。因此，传统方案难以实现真实微血管树的形态和拓扑异质性的复制。为了解决这一问题，本文提出了一种新方法，该方法结合了条件性深度卷积生成对抗网络（cDCGAN）和局部分形维度导向的约束性构建优化（LFDO-CCO）策略。cDCGAN能学习真实微血管分叉的模式，并实现人工复制。LFDO-CCO策略通过层次化连接生成的分叉，构建旨在优化健康组织血液灌注的微血管树。
文章提出的方法生成的微血管树在分形维度、血管密度以及直径、长度和弯曲度的变异系数等特性上，与真实微血管树保持一致。这表明生成的微血管树与真实微血管树具有相似的形态和拓扑结构，能够满足组织的生理需求。因此，该方案不仅适用于组织工程中人工微血管的构建，也适用于微循环（病理）生理学的计算模型和模拟研究。
