Design and development of a customized 3D-printed assistive device using modular 3D blocks
Notice bibliographique
Résumé
PURPOSE: 3D printing enables the production of customizable, cost-effective, and reproducible items, making it a promising approach for manufacturing assistive devices. This study aims to develop customized 3D-printed assistive devices using 3D blocks. METHODS: A 3D scanner was used to scan the limbs and trunks where the devices would be worn. The study utilized 3D blocks capable of undergoing subdivision surfaces to match the scanned external appearance of limbs and trunks. The mass-spring model and Gauss-Newton method were applied to optimize the subdivision surfaces, ensuring a better fit for users' hand shapes. Additionally, 3D blocks were used as design units for blending-based morphing, generating diverse 3D patterns. RESULTS: The proposed approach successfully enabled real-time manufacturing of customized external appearances for assistive devices. The resulting designs met usability, functionality, and aesthetic requirements. Usability testing, conducted using the Quebec User Evaluation of Satisfaction with Assistive Technology, demonstrated high satisfaction scores, confirming the effectiveness of 3D blocks in customizing assistive devices. CONCLUSIONS: By integrating 3D scanning and printing technologies, this study highlights the feasibility of using reverse engineering to develop personalized assistive devices. The findings suggest that the proposed method enhances user satisfaction and provides a practical approach to assistive device customization.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».