3D scanning and printing skeletal tissues for anatomy education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Detailed anatomical models can be produced with consumer-level 3D scanning and printing systems. 3D replication techniques are significant advances for anatomical education as they allow practitioners to more easily introduce diverse or numerous specimens into classrooms. Here we present a methodology for producing anatomical models in-house, with the chondrocranium cartilage from a spiny dogfish (Squalus acanthias) and the skeleton of a cane toad (Rhinella marina) as case studies. 3D digital replicas were produced using two consumer-level scanners and specimens were 3D-printed with selective laser sintering. The fidelity of the two case study models was determined with respect to key anatomical features. Larger-scale features of the dogfish chondrocranium and frog skeleton were all well-resolved and distinct in the 3D digital models, and many finer-scale features were also well-resolved, but some more subtle features were absent from the digital models (e.g. endolymphatic foramina in chondrocranium). All characters identified in the digital chondrocranium could be identified in the subsequent 3D print; however, three characters in the 3D-printed frog skeleton could not be clearly delimited (palatines, parasphenoid and pubis). Characters that were absent in the digital models or 3D prints had low-relief in the original scanned specimen and represent a minor loss of fidelity. Our method description and case studies show that minimal equipment and training is needed to produce durable skeletal specimens. These technologies support the tailored production of models for specific classes or research aims.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle