Binder jetting additive manufacturing of hydroxyapatite powders: Effects of adhesives on geometrical accuracy and green compressive strength
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
Binder jetting additive manufacturing (AM) is a promising process to print hydroxyapatite (HA) powder into bone tissue implants. However, one challenge remaining is the poor reactivity between HA powder with standard water-based ink. This study investigated different water-soluble adhesives to increase the 3D printability of HA powder. Maltodextrin and polyvinyl alcohol (PVOH) with low and high molecular weight (MW) were blended with HA from 10 to 30 wt%. Powder characterisation and evaluation of the compressive properties and geometrical accuracy of the 3D printed scaffolds were performed to identify the optimal adhesive powder. This study adopted an image registration technique to quantify the geometrical accuracy of the final 3D printed scaffold in a more comprehensive and representative way than conventionally dimensional measurement. With these approaches, a highly promising binder jetting formulation has been developed via mixing HA powder with 30 wt% PVOH (high MW). Samples manufactured from this formulation successfully achieved a geometrical accuracy greater than 85% and an excellent green compressive strength of 5.63 ± 0.27 MPa, which was 500% higher than the commercial binder jetting powder. This is the first study to demonstrate a high level of printability when using a formulation containing ≥ 70 wt% HA powder and a water-based binder in the binder jetting AM process. Using the optimal powder composition developed in this study could potentially improve the structural, mechanical, and biological performances of HA-based 3D scaffolds manufactured using the binder jetting AM process for bone tissue engineering applications.
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) | 0,001 | 0,001 |
| 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 découle