Extrusion bioprinting from a fluid mechanics perspective
Notice bibliographique
Résumé
Bioprinting is an emerging technology for fabricating intricate and diverse structures that closely mimic natural tissues and organs for such applications as tissue engineering, drug delivery, and cancer research as well. Among the various bioprinting techniques, extrusion-based bioprinting stands out due to its capability to apply a wide range of biomaterials and living cells and its controllability over printed structures. In bioprinting, the bioink stored in a syringe is forced to flow through the nozzle connected to the syringe, and then to exit and deposit onto the printing stage to form three-dimensional (3D) structures. The bioprinting process involves the flow of bioink in both syringe and nozzle and then its flow or spreading on a printing stage. As a result, fluid mechanics plays a crucial role in extrusion bioprinting. Notably, the biomaterials used in bioprinting are typically non-Newtonian fluids, which have complex viscoelastic and thixotropic behaviors; and the influence of these behaviors on the bioprinting process has been drawn considerable attention by employing various methods, including the numerical simulations via computational fluid dynamics (CFD). This paper reviews the latest development in the fluid mechanics aspects of extrusion-based bioprinting to shed light on the challenges and key considerations involved. It covers the topics of extrusion bioprinting (including driving mechanisms, printability, cell viability), biomaterial rheology and its effect on bioprinting, multi-material bioprinting and numerical simulation of bioprinting. Key issues and challenges are also discussed along with the recommendations for future research.
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 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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».