MétaCan
Menu
Retour à la cohorte
Enregistrement W3132994358 · doi:10.1088/1758-5090/abe7ab

Printability in extrusion bioprinting

2021· letter· en· W3132994358 sur OpenAlexafffund
Zhouquan Fu, Saman Naghieh, Cancan Xu, Chengjin Wang, Wei Sun, Daniel Chen

Notice bibliographique

RevueBiofabrication · 2021
Typeletter
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOffice of Research, Drexel University
Mots-clésExtrusion3D bioprintingMaterials scienceFormabilityBiomaterialNanotechnologyTissue engineeringComposite materialBiomedical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Extrusion bioprinting has been widely used to extrude continuous filaments of bioink (or the mixture of biomaterial and living cells), layer-by-layer, to build three-dimensional constructs for biomedical applications. In extrusion bioprinting, printability is an important parameter used to measure the difference between the designed construct and the one actually printed. This difference could be caused by the extrudability of printed bioink and/or the structural formability and stability of printed constructs. Although studies have reported in characterizing printability based on the bioink properties and printing process, the concept of printability is often confusingly and, sometimes, conflictingly used in the literature. The objective of this perspective is to define the printability for extrusion bioprinting in terms of extrudability, filament fidelity, and structural integrity, as well as to review the effect of bioink properties, bioprinting process, and construct design on the printability. Challenges related to the printability of extrusion bioprinting are also discussed, along with recommendations for improvements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,263
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations180
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiofabricationMême sujet3D Printing in Biomedical ResearchTravaux en français237 207