Cost-effective micro-CT system for non-destructive testing of titanium 3D printed medical components
Notice bibliographique
Résumé
Micro-CT imaging can be used as an effective method for non-destructive testing (NDT) of metal 3D printed parts-including titanium biomedical components fabricated using laser powder-bed-fusion (LPBF). Unfortunately, the cost of commercially available micro-CT scanners renders routine NDT for biomedical applications prohibitively expensive. This study describes the design, manufacturing, and implementation of a cost-effective scanner tailored for NDT of medium-size titanium 3D printed biomedical components. The main elements of the scanner; which include a low-energy (80 kVp) portable x-ray unit, and a low-cost lens-coupled detector; can be acquired with a budget less than $ 11000 USD. The low-cost detector system uses a rare-earth phosphor screen, lens-coupled to a dSLR camera (Nikon D800) in a front-lit tilted configuration. This strategy takes advantage of the improved light-sensitivity of modern full-frame CMOS camera sensors and minimizes source-to-detector distance to maximize x-ray flux. The imaging performance of the system is characterized using a comprehensive CT quality-assurance phantom, and two titanium 3D-printed test specimens. Results show that the cost-effective scanner can survey the porosity and cracks in titanium parts with thicknesses of up to 13 mm of solid metal. Quantitatively, the scanner produced geometrically stable reconstructions, with a voxel size of 118 μm, and noise levels under 55 HU. The cost-effective scanner was able to estimate the porosity of a 17 mm diameter titanium 3D-printed cylindrical lattice structure, with a 0.3% relative error. The proposed scanner will facilitate the implementation of titanium LPBF-printed components for biomedical applications by incorporating routine cost-effective NDT as part of the process control and validation steps of medical-device quality-management systems. By reducing the cost of the x-ray detector and shielding, the scan cost will be commensurate with the overall cost of the validated component.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».