Processing and Properties of Chitosan Inks for 3D Printing of Hydrogel Microstructures
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
The ability to precisely control the properties of natural polymers and fabricate three-dimensional (3D) structures is critical for biomedical applications. In this work, we report the printing of complex 3D structures made of soft polysaccharide (chitosan) inks directly in air and at room temperature. We perform a comprehensive characterization of the 3D printing process by analyzing the effect of ink properties (i.e., rheological properties and solvent evaporation) and process-related printing parameters (i.e., nozzle diameter, robot velocity, and applied pressure). The effects of the neutralization step on the hydrogel formation and their mechanical properties are also investigated. Solvent evaporation tests show that the chitosan ink prepared using an acidic mixture contains residual acids after printing, helping reducing shrink-induced shape deformation. A processing map presents the appropriate ranges of process-related parameters for different structures including filaments, 30-layer scaffolds, starfish, leaf, and spider shapes, showing the versatility of the fabrication approaches. After neutralization, 3D scaffolds still maintain their shape while neutralized filaments show high tensile properties such as a maximum tensile strength of ∼97 MPa in the dry state and high strain at break ∼360% in the wet state. Our fabrication approach provides guidelines to optimize the design and fabrication of aqueous-based inks and opens a new door for fabricating complex structures from natural polymers and achieving tunable material properties for biomedical applications such as tissue engineering and drug delivery.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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