Effect of Alkali-Acid-Heat Chemical Surface Treatment on Electron Beam Melted Porous Titanium and Its Apatite Forming Ability
Notice bibliographique
Résumé
Advanced additive manufacturing techniques such as electron beam melting (EBM), can produce highly porous structures that resemble the mechanical properties and structure of native bone. However, for orthopaedic applications, such as joint prostheses or bone substitution, the surface must also be bio-functionalized to promote bone growth. In the current work, EBM porous Ti6Al4V alloy was exposed to an alkali acid heat (AlAcH) treatment to bio-functionalize the surface of the porous structure. Various molar concentrations (3, 5, 10M) and immersion times (6, 24 h) of the alkali treatment were used to determine optimal parameters. The apatite forming ability of the samples was evaluated using simulated body fluid (SBF) immersion testing. The micro-topography and surface chemistry of AlAcH treated samples were evaluated before and after SBF testing using scanning electron microscopy and energy dispersive X-ray spectroscopy. The AlAcH treatment successfully modified the topographical and chemical characteristics of EBM porous titanium surface creating nano-topographical features ranging from 200-300 nm in size with a titania layer ideal for apatite formation. After 1 and 3 week immersion in SBF, there was no Ca or P present on the surface of as manufactured porous titanium while both elements were present on all AlAcH treated samples except those exposed to 3M, 6 h alkali treatment. An increase in molar concentration and/or immersion time of alkali treatment resulted in an increase in the number of nano-topographical features per unit area as well as the amount of titania on the surface.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».