模拟/建模/设计

AI 驱动的 3D 打印技术助力外科医生模拟手术训练

华盛顿州立大学(WSU)的研究人员公布了一种新的 AI 指导 3D 打印技术,该技术可以帮助医生打印复杂的人体器官复制品。外科医生可以在进行实际手术之前使用这些器官模型进行练习,从而为医生提供更多的工具来改善手术结果。

该 AI 算法根据人体肾和前列腺的图像和关键属性(包括重量、大小、孔隙率和血管结构等特征)进行训练。该算法与 3D 打印机配合使用的过程不断改进,有助于为 3D 打印的三个重要部分找到最佳设置:模型的准确性、重量以及打印所需的时间。

WSU 机械和材料工程助理教授 Kaiyan Qiu 是这项 研究 的合著者之一,他说,AI 优化可以显著缩短创建可行的 3D 模型所需的时间。该算法调整关键的 3D 打印变量,包括打印机的喷头尺寸和行驶速度、打印材料的分配压力以及每个打印层的高度,然后指导打印机为特定用例创建合适的模型。

“对于手术前器官模型,我们知道外科医生需要能够快速打印出具有低劳动强度的高保真度模型,”Qiu 教授说。“我们设想外科医生在早上收到患者的 MRI 和 CT 扫描图。她有两个小时的时间为手术准备一切。AI 可以优化参数,并在半小时内打印出模型器官,然后外科医生可以将剩余时间用于在器官副本上练习。”

及其论文的合著者华盛顿州立大学计算机科学教授 Jana Doppa 使用 BoTorch 的多目标贝叶斯优化(BO)方法来提高 3D 打印过程的效率和精度。BO 算法使用概率代理模型来近似估计打印参数与打印器官模型质量之间的关系,该过程捕获打印过程中的不确定性,从而实现更稳健的优化。

Flow-chart schematic of multi-objectiveBO assisted 3D-printing of presurgical organs models with three input parameters in tangent with four output parameters. The cycle starts with generating input values based on the current dataset of inputs and corresponding outputs through BO, which are used to produce printing pathways for direct-ink-writing (DIW). After the model is 3D-printed via DIW, image processing is applied to the model to reconstruct a mesh object. The mesh object is then adjusted for comparisons with the ideal model for measurements regarding positive and negative geometrical precisions. The time of model printing and porosity measurements are also calculated. Once all the output measurements are completed, their individual values are re-entered into the BO algorithm to yield new input parameters.
图 1. 机器学习辅助 3D 打印的方法是一个四步递归过程。

研究人员使用 NVIDIA A40 GPU 训练其 AI 模型,并使用 NVIDIA NGP Instant NeRF 重建 3D 打印模型的网格对象。

研究人员率先推出的 AI 流程也具有广泛的通用性。除了打印模型器官外,该算法还可以指导打印机创建心脏起搏器或支架等植入式医疗设备的原型。该技术还可用于制作飞机和机器人部件、电池,甚至为您定制鞋子模型。

如需详细了解这项研究,您可以阅读 这篇文章 这篇研究论文

精选图片来源: 华盛顿州立大学

 

Tags