Additive manufacture of PLLA scaffolds reinforced with graphene oxide nano-particles via digital light processing (DLP)
Notice bibliographique
Résumé
In this study, 3D printing of poly-l-lactic acid (PLLA) scaffolds reinforced with graphene oxide (GO) nanoparticles via Digital Light Processing (DLP) was investigated to mimic bone tissue. Stereolithography is one of the most accurate additive manufacturing methods, but the dominant available materials used in this method are toxic. In this research, a biocompatible resin (PLLA) was synthetized and functionalized to serve the purpose. Due to the low mechanical properties of the printed product with the neat resin, graphene oxide nanoparticles in three levels (0.5, 1, and 1.5 wt%) were added with the aim of enhancing the mechanical properties. At first, the optimum post cure time of the neat resin was investigated. Consequently, all the parts were post-cured for 3 h after printing. Due to the temperature-dependent structure of GO, all samples were placed in an oven at 85°C for different time periods of 0, 6, 12, and 18 h to increase mechanical properties. The compression test of heat-treated samples reveals that the compressive strength of the printed parts containing 0.5,1, and 1.5% of GO increased by 151,162 ad 235%, respectively. Scaffolds with the designed pore sizes of 750 microns and a porosity of 40% were printed. Surface hydrophilicity test was performed for all samples showing that the hydrophilicity of the samples increased with increasing GO percentage. The degradation behavior of the samples was evaluated in a PBS environment, and it revealed that by increasing GO, the rate of component degradation increased, but the heat treatment had the opposite effect and decreased the degradation rate. Finally, besides improving biological properties, a significant increase in mechanical properties under compression can introduce the printed scaffolds as a suitable option for bone implants.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».