Improvement of 3D printing quality for fabricating soft scaffolds
Notice bibliographique
Résumé
Tissue engineering (TE) integrates methods of cells, engineering and materials to improve or replace biological functions of native tissues or organs. 3D printing technologies have been used in TE to produce different kinds of tissues. Based on review of the exiting 3D printing technologies used in TE, special requirements of fabricating soft scaffolds are identified. Soft scaffolds provide a microenvironment with biocompatibility for living cells proliferation. This research focuses on 3D printer design and printing parameters investigation for fabrication of soft scaffolds. A 3D printer is proposed for producing artificial soft scaffolds, with components of a pneumatic dispenser, a temperature controller and a multi-nozzle changing system. Relations of 3D printing parameters are investigated to improve the printing quality of soft scaffolds. It provides guidance for printing customized bio-materials with improved efficiency and quality. In the research, printing parameters are identified and classified based on existing research solutions. A deposition model is established to analyze the parameters relations. Quantitative criteria of parameters are proposed to evaluate the printing quality. A series of experiments including factors experiments and comparison tests are conducted to find effects of parameters and their interactions. A case study is conducted to verify the analytic solution of proposed models. This research confirms that the hydrogel concentration and nozzle diameters have significant effects on the filament diameter. Factor interactions are mainly embodied in between the concentration of hydrogel solutions and dispensing pressures. Besides filament diameters, the nozzle height and space also affect the printing accuracy significantly. An appropriate nozzle height is considered to be 1.4 times than the nozzle diameter, and a reasonable nozzle space is suggested from 2.0 to 2.5 times of the nozzle diameter.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».