MétaCan
Menu
Retour à la cohorte
Enregistrement W4309769113 · doi:10.1016/j.heliyon.2022.e11701

Application of fused deposition modeling (FDM) on bone scaffold manufacturing process: A review

2022· review· en· W4309769113 sur OpenAlexfundno aff
Rochmad Winarso, Paulus Wisnu Anggoro, Rifky Ismail, J. Jamari, Athanasius Priharyoto Bayuseno

Notice bibliographique

RevueHeliyon · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesCalgary Arts DevelopmentKementerian Riset Teknologi Dan Pendidikan Tinggi Republik IndonesiaAmerican Bureau of Shipping
Mots-clésScaffoldBiocompatible material3D printingBone graftingProcess (computing)Biomedical engineeringFused deposition modelingMaterials scienceComputer scienceEngineeringDentistryMedicineComposite material

Résumé

récupéré en direct d'OpenAlex

Some of the health issues that are becoming more prevalent each year include bone disease and fractures. Because the natural healing process of bones takes a long time, a bone grafting procedure is required so that the patient's condition can improve rapidly. Because bone grafting procedures such as autographs, allographs, and xenografts have limits, bone replacement is constructed by employing biomaterials in the form of a bone scaffold via additive manufacturing. As a result, fused deposition modeling (FDM) is a proposed technology for the manufacturing process because it is straightforward, capable of producing complex parts and adjustable shapes, and has minimal operational expenses. However, implementing this technique is challenging because of the scarcity of biocompatible and bioactive materials that are suited. This technology has a number of limitations, including a limited variety of biocompatible and bioactive materials, the most appropriate microarchitecture of bone scaffold, and the establishment of printing parameters that can produce bone scaffold with the strongest mechanical properties. This article discusses current advancements in the use of FDM technologies for bone scaffold production.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,284
Écart entre enseignants0,246 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations140
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207