Voxel Baskı Anatomisi: Bitmap Baskı Ile Gerçekçi, Presurgical Planlama Modellerinin Tasarımı ve İmalatı
Summary
Bu yöntem, tam uzamsal doğruluk ve uzamsal/kontrast çözünürlüğü ile doğrudan tıbbi görüntülerden yazdırılan voksel tabanlı bir 3D baskı iş akışını gösterir. Bu, veri kaybı veya değişimi olmadan radyodensite ile ilişkili morfolojik olarak karmaşık, dereceli malzemeler aracılığıyla malzeme dağılımlarının hassas, dereceli kontrolünü sağlar.
Abstract
Presurgical planlama için 3 boyutlu (3D) baskının çoğu uygulaması, mevcut modelleme paradigmasının doğruluğu, kalitesi ve verimliliğindeki temel sınırlamalar nedeniyle kemikli yapılar ve karmaşık organların basit morfolojik açıklamaları ile sınırlıdır. Bu, bir nesnenin içinin önemli olduğu ve anatomik sınırların yavaş yavaş geçiş yaptığı çoğu cerrahi uzmanlık için kritik olan yumuşak dokuyu büyük ölçüde göz ardı etti. Bu nedenle, biyomedikal endüstrisinin birden fazla organizasyon ölçeği ve değişen malzeme dağılımları gösteren insan dokusunu çoğaltma ihtiyaçları, yeni temsil biçimleri gerektirmektedir.
Burada sunulan, mekansal ve kontrast çözünürlükte mevcut 3D modelleme yöntemlerine göre üstün olan ve daha önce ulaşılamaz mekansal sadakat ve yumuşak doku farklılaşması içeren tıbbi görüntülerden doğrudan 3D modeller oluşturmak için yeni bir tekniktir. Ayrıca, MRI ve BT’den yumuşak biyolojik dokularda görülen malzeme sertliklerinin gamını kapsayan yeni, katkılı olarak üretilen kompozitlerin ampirik ölçümleri de sunulmaktadır. Bu benzersiz hacimsel tasarım ve baskı yöntemleri, malzeme sertliğinin ve renginin deterministik ve sürekli olarak ayarlanabilmesini sağlar. Bu özellik, presurgical planlamaya tamamen yeni bir eklemeli üretim uygulaması sağlar: mekanik gerçekçilik. Görünüm eşleştirme sağlayan mevcut modellerin doğal bir tamamlayıcısı olarak, bu yeni modeller aynı zamanda tıbbi uzmanların dokunsal hissi önemli bir rol oynadığı bir alana kritik bir ek olan doku simülanının mekansal olarak değişen malzeme özelliklerini “hissetmelerine” izin verir.
Introduction
Şu anda cerrahlar, 3D hastalara yönelik operasyonları planlamak için farklı veriler gösteren çok sayıda ayrık 2 boyutlu (2D) görüntüleme yöntemlerini inceliyorlar. Ayrıca, bu verileri bir 2D ekranda görüntülemek, toplanan verilerin tam kapsamını tam olarak iletebilir değildir. Görüntüleme yöntemlerinin sayısı arttıkça, birden fazla organizasyon ölçeği sergileyen farklı yöntemlerden daha fazla veri sentezleyebilme yeteneği, daha etkili ve verimli cerrahi planlama için bilgileri yoğunlaştırmak ve küratörlüğünü yapmak için yeni dijital ve fiziksel temsil biçimleri gerektirir.
3D baskılı, hastaya özel modeller, ameliyat süresini ve cerrahi komplikasyonları azalttığı gösterilen cerrahi planlama için yeni bir tanı aracı olarak ortaya çıkmıştır1. Bununla birlikte, 3D baskının standart stereolitografi (STL) yöntemi nedeniyle işlem zaman alıcıdır, bu da görünür bir veri kaybı gösterir ve yazdırılan nesneleri katı, homojen ve izotropik malzemeler olarak işler. Sonuç olarak, cerrahi planlama için 3D baskı kemikli yapılar ve karmaşık organların basit morfolojik tanımları ile sınırlıdır2. Bu sınırlama, üretilen nesnelerin dış sınırlarıyla tam olarak tanımlandığı sanayi devriminin ürünleri ve ihtiyaçları tarafından yönlendirilen eski bir üretim paradigmasının bir sonucudur3. Bununla birlikte, biyomedikal endüstrisinin birden fazla organizasyon ölçeği ve değişen malzeme dağılımları gösteren insan dokusunu çoğaltma ihtiyacı, tüm hacimdeki varyasyonları temsil eden ve nokta nokta değişen yeni temsil biçimleri gerektirir.
Bu sorunu gidermek için, bir 3D görselleştirme ve modelleme tekniği (Şekil 1) geliştirildi ve reçinelerin ultra yüksek çözünürlükte karıştırılması ve birikmesi üzerinde daha fazla kontrol sağlayan yeni, katkılı bir üretim süreci ile birleştirilmiştir. Bitmap baskı adı verilen bu yöntem, 15 μm’ye yaklaşan ileri görüntüleme teknolojisinin mekansal doğruluğu ve mekansal/kontrast çözünürlüğü düzeyinde doğrudan tıbbi görüntülerden 3D baskı ile insan anatomisini çoğaltır. Bu, morfolojik olarak karmaşık yumuşak dokudaki varyasyonları, tanısal kaynak görüntülerden veri kaybı veya değişikliği olmadan çoğaltmak için gereken hassas ve dereceli kontrolü sağlar.
Protocol
Representative Results
Discussion
Dijital modelleme araçlarının tümü olmasa da çoğunluğunun bugün kullandığı mevcut temsil çerçevesi STL dosya biçiminde sonuçlanır8. Bununla birlikte, bu paradigmanın özgül doğası, daha karmaşık, doğal malzemelerin ayrıntılı veya hiyerarşik yapısını ifade etmeye çalışırken yetersiz kalmıştır. Çok taraflı 3D baskı gibi son eklemeli üretim tekniklerinin gelmesiyle, hacimleri boyunca kademeli malzeme geçişlerini gösteren yüksek ayarlı ve son derece optim…
Divulgations
The authors have nothing to disclose.
Acknowledgements
AB Nexus ve Colorado Eyaleti’ne, ön planlama için voxel baskısı ile ilgili bilimsel araştırmalarımıza cömert destekleri için teşekkür ederiz. L. Browne, N. Stence ve S. Sheridan’a bu çalışmada kullanılan veri setlerini sağladıkları için teşekkür ederiz. Bu çalışma AB Nexus Grant ve State of Colorado Advanced Industries Grant tarafından finanse edildi.
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 |
References
- 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).
