A modern mold room: Meshing 3D surface scanning, digital design, and 3D printing with bolus fabrication
Notice bibliographique
Résumé
PURPOSE: This case series represents an initial experience with implementing 3-dimensional (3D) surface scanning, digital design, and 3D printing for bolus fabrication for patients with complex surface anatomy where traditional approaches are challenging. METHODS AND MATERIALS: For 10 patients requiring bolus in regions with complex contours, bolus was designed digitally from 3D surface scanning data or computed tomography (CT) images using either a treatment planning system or mesh editing software. Boluses were printed using a fused deposition modeling printer with polylactic acid. Quality assurance tests were performed for each printed bolus to verify density and shape. RESULTS: For 9 of 10 patients, digitally designed boluses were used for treatment with no issues. In 1 case, the bolus was not used because dosimetric requirements were met without the bolus. QA tests revealed that the bulk density was within 3% of the reference value for 9 of 12 prints, and with more judicious selection of print settings this could be increased. For these 9 prints, density uniformity was as good as or better than our traditional sheet bolus material. The average shape error of the pieces was less than 0.5 mm, and no issues with fit or comfort were encountered during use. CONCLUSIONS: This study demonstrates that new technologies such as 3D surface scanning, digital design and 3D printing can be safely and effectively used to modernize bolus fabrication.
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 | 0,001 |
| 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 ».