增强骨再生的SLM-Ti64植入物的人工智能辅助设计和评估
Muhammad Usama Zaheer1,2,3, Muhammad Hassan Razzaq1,2,3, Mehmet Fatih Aycan2,3
1Smart Materials, NanoSYD, Mads Clausen Institute, University of Southern Denmark, Alsion 2, Sønderborg, DK-6400, Denmark.
Advanced healthcare materials
|September 4, 2025
概括
这项研究将选择性激光化 (SLM) 与人工智能相结合,以优化骨科植入物. 它预测骨愈合, 能够更快地开发特定患者的植入物.
科学领域:
- 生物材料工程
- 计算力学
- 医学的人工智能
背景情况:
- 骨科植入物需要先进的材料和预测设计工具.
- 通过增材制造制造的合金具有量身定制的机械性能.
- 了解植入物与骨的相互作用对于成功治愈骨折至关重要.
研究的目的:
- 开发一个整合选择性激光化 (SLM),有限元模拟和人工智能用于骨科植入物设计和评估的框架.
- 研究SLM参数对Ti64合金性能及其对骨愈合的影响.
- 创建人工智能模型来预测患者特定的骨折愈合结果.
主要方法:
- 使用不同体积能量密度 (VED) 的SLM制造Ti64标本.
- 用有限元素分析将材料特性纳入机械生物学的骨愈合模型.
- 基于模拟数据进行预测评估的AI回归模型的开发.
主要成果:
- 确定了Ti64 SLM的最佳VED范围,平衡缺陷最小化和机械性能.
- 孔隙性显著影响Ti64的拉伸强度和模量.
- 模拟显示植入物度会影响内分泌骨质化和形成.
- 人工智能模型根据植入物设计和患者因素准确预测愈合轨迹.
结论:
- 集成的SLM-AI框架加速了骨科植入物的设计和评估.
- 这种方法有助于开发适应性,针对患者的植入物,以改善骨折的修复.
- 这项研究支持骨科应用先进的增材制造技术的临床转化.
