Accuracy of medical models made by consumer-grade fused deposition modelling printers
Notice bibliographique
Résumé
BACKGROUND: Additive manufacturing using fused deposition modelling (FDM) has become widely available with the development of consumer-grade three-dimensional printers. To be useful in maxillofacial surgery, models created by these printers must accurately reproduce the craniofacial skeleton. OBJECTIVE: To determine the accuracy of consumer-grade FDM printers in the production of medical models compared with industrial selective laser sintering (SLS) printers. METHODS: Computed tomography images of a dry skull were manipulated using OsiriX (OsiriX, Switzerland) and ZBrush (Pixologic, USA) software. Models were fabricated using a consumer-grade FDM printer at 100 μm, 250 μm and 500 μm layer heights and an industrial SLS printer. Seven linear measurements were made on the models and compared with the corresponding dry skull measurements using an electronic caliper. RESULTS: A dimensional error of 0.30% was observed for the SLS models and 0.44%, 0.52% and 1.1% for the 100 μm, 250 μm and 500 μm FDM models, respectively. CONCLUSION: Consumer-grade FDM printers can produce medical models with sufficient dimensional accuracy for use in maxillofacial surgery. With this technology, surgeons can independently produce low-cost maxillofacial models in an office setting.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».