ボクセル印刷の解剖学:ビットマップ印刷による現実的な手術前計画モデルの設計と製造
Summary
この方法は、正確な空間忠実度と空間/コントラスト解像度で医用画像から直接印刷するボクセルベースの3D印刷ワークフローを示しています。これにより、形態学的に複雑で目盛りのある材料を介して、データの損失や変更なしに放射密度に相関する材料分布の正確で段階的な制御が可能になります。
Abstract
手術前計画のための3次元(3D)印刷のほとんどのアプリケーションは、現在のモデリングパラダイムの精度、品質、効率の基本的な制限のために、骨構造と複雑な臓器の単純な形態学的記述に限定されてきました。これは、物体の内部が重要であり、解剖学的境界が徐々に変化するほとんどの外科的専門分野にとって重要な軟部組織をほとんど無視してきた。したがって、複数の規模の組織とさまざまな物質分布を表示するヒト組織を複製する生物医学産業のニーズは、新しい形態の表現を必要とする。
ここでは、現在の3Dモデリング手法よりも空間分解能とコントラスト分解能に優れ、これまで達成できなかった空間忠実度と軟部組織の分化を含む、医用画像から直接3Dモデルを作成する新しい技術を紹介します。また、MRIおよびCTから軟部生体組織に見られる材料剛性の範囲にまたがる新規の付加的に製造された複合材料の経験的測定も提示される。これらのユニークな体積設計と印刷方法は、材料の剛性と色の決定論的かつ継続的な調整を可能にします。この機能により、手術前計画への積層造形のまったく新しいアプリケーション、すなわち機械的リアリズムが可能になります。外観マッチングを提供する既存のモデルを自然に補完するものとして、これらの新しいモデルは、医療専門家が組織模擬体の空間的に変化する材料特性を「感じる」ことを可能にする – 触覚が重要な役割を果たす分野への重要な追加。
Introduction
現在、外科医は、3D患者の手術を計画するために異なるデータを表示する多数の離散2次元(2D)イメージングモダリティを研究しています。さらに、このデータを 2D 画面で表示しても、収集されたデータの全範囲を完全には通信できません。イメージングモダリティの数が増えるにつれて、複数の規模の組織を示す異なるモダリティからより多くのデータを合成する能力は、より効果的で効率的な外科的計画のために情報を凝縮およびキュレーションするための新しい形態のデジタルおよび物理的表現を必要とする。
3Dプリントされた患者固有のモデルは、手術計画のための新しい診断ツールとして登場し、手術時間と外科的合併症を軽減することが示されています1。しかし、標準的な光造形(STL)方式の3Dプリンティングでは、目に見えるデータ損失を示し、印刷されたオブジェクトを固体、均質、等方性材料としてレンダリングするため、このプロセスには時間がかかります。その結果、手術計画のための3Dプリンティングは、骨の構造と複雑な臓器の単純な形態学的記述に限定されていました2。この制限は、産業革命の製品とニーズに導かれた時代遅れの製造パラダイムの結果であり、製造されたオブジェクトは外部の境界によって完全に記述されます3。しかし、複数の規模の組織とさまざまな物質分布を表示するヒト組織を再現する生物医学産業のニーズは、ポイントごとに変化するボリューム全体の変化を表す新しい表現形式を必要とします。
この問題に対処するために、3Dビジュアライゼーションおよびモデリング技術(図1)が開発され、超高解像度での樹脂の混合と堆積をより詳細に制御できる斬新な積層造形プロセスと組み合わされました。ビットマップ印刷と呼ばれるこの方法は、15μmに近づく高度なイメージング技術の空間忠実度と空間/コントラスト分解能のレベルで、医用画像から直接3D印刷によって人間の解剖学を複製します。これにより、診断ソース画像からのデータの損失や変更なしに、形態学的に複雑な軟部組織の変動を再現するために必要な正確で段階的な制御が可能になります。
Protocol
Representative Results
Discussion
デジタルモデリングツールのすべてではないにしても、大多数が今日採用している現在の表現フレームワークは、STLファイル形式になります8。それにもかかわらず、このパラダイムの特定の性質は、より複雑で自然な材料の粒状または階層的な構造を表現しようとすると不十分であることが証明されています。マルチマテリアル3Dプリンティングなどの最近のアディティブ?…
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
AB Nexusとコロラド州が、手術前計画のためのボクセル印刷に関する科学的研究を寛大に支援してくれたことに感謝します。我々は、この研究で使用されたデータセットを提供してくれたL. Browne、N. Stence、およびS. Sheridanに感謝する。この研究は、AB Nexus GrantとState of Colorado Advanced Industries Grantから資金提供を受けた。
Materials
| 3D Slicer Image Computing Platform | Slicer.org | Version 4.10.2–4.11.2 | |
| GrabCAD | Stratasys | 1.35 | |
| J750 Polyjet 3D Printer | Stratasys | ||
| Photoshop | Adobe | 2021 |
Referenzen
- Ali, A., et al. Clinical situations for which 3D printing is considered an appropriate representation or extension of data contained in a medical imaging examination: adult cardiac conditions. 3D Printing in Medicine. 6 (1), 24 (2020).
- Ballard, D. H., et al. Radiological Society of North America (RSNA) 3D Printing Special Interest Group (SIG) clinical situations for which 3D printing is considered an appropriate representation or extension of data contained in a medical imaging examination: abdominal, hepatobiliary, and gastrointestinal conditions. 3D Printing in Medicine. 6 (1), 13 (2020).
- Corney, J. The next and last industrial revolution. Assembly Automation. 25 (4), (2005).
- Fedorov, A., et al. 3D Slicer as an image computing platform for the quantitative imaging network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
- Guide to Voxel Printing. GrabCAD Available from: https://help.grabcad.com/article/230-guide-to-voxel-printing?locale=en (2021)
- Bader, C., et al. Making data matter: Voxel printing for the digital fabrication of data across scales and domains. Science Advances. 4 (5), (2018).
- Zhang, F., Li, C., Wang, Z., Zhang, J., Wang, Y. Multimaterial 3D printing for arbitrary distribution with nanoscale resolution. Nanomaterials. 9 (8), 1108 (2019).
- Robson, R. The STL Algorithms. Using the STL. , 47-54 (1998).
- Waran, V., Narayanan, V., Karuppiah, R., Owen, S. L. F., Aziz, T. Utility of multimaterial 3D printers in creating models with pathological entities to enhance the training experience of neurosurgeons. Journal of Neurosurgery. 120 (2), 489-492 (2014).
- Cumbler, E., et al. Contingency planning for healthcare worker masks in case of medical supply chain failure: Lessons learned in novel mask manufacturing from COVID-19 pandemic. American Journal of Infection Control. 49 (10), 1215-1220 (2021).
