ワシントン州立大学は、3Dプリントの効率を向上させる自己最適化AIアルゴリズムを開発し、人工臓器などのさまざまな複雑な設計を可能にしました。

2024年8月24日、Antarctic Bearは、ワシントン州立大学の研究者が、最適な3Dプリント設定を迅速に特定し、製造時間とコストを節約し、労働集約度を軽減し、3Dプリントされたオブジェクトの品質を向上させることができる汎用機械学習アルゴリズムを開発したことを知りました。

関連研究は、「機械学習による高精度手術前臓器モデルの 3D プリントの設計と最適化」と題する論文として、Advanced Materials Technology 誌に掲載されました。この研究は、国立科学財団、WSUスタートアップ、およびクーガーケージ基金からの助成金によって支援されました。

論文リンク: https://onlinelibrary.wiley.com/doi/10.1002/admt.202400037
人工知能（AI）アルゴリズムの進歩により、人工臓器からフレキシブル電子機器、ウェアラブルバイオセンサーに至るまで、複雑な設計に3Dプリントをよりシームレスに使用できるようになる可能性があります。研究の一環として、アルゴリズムは腎臓と前立腺の臓器モデルの最適なバージョンを識別し、印刷することを学習しました。この結果に基づいて、研究者たちは継続的に改良されたバージョンを 60 個印刷しました。
図 1. 3 つの入力パラメータと 4 つの出力パラメータを持つ多目的 BO 支援 3D プリント術前臓器モデルのフローチャート。ループは、現在の入力データセットに基づいて BO を介して入力値を生成することから始まります。この入力値は、直接インク書き込み (DIW) 印刷パスの生成に使用されます。モデルが DIW を介して 3D プリントされた後、モデルに画像処理が適用され、メッシュオブジェクトが再構築されます。次に、メッシュオブジェクトを調整して理想モデルと比較し、正と負の幾何学的精度を測定します。モデルの印刷時間と多孔度の測定値も計算されました。すべての出力測定が完了すると、それぞれの値が BO アルゴリズムにフィードバックされ、新しい入力パラメータが生成されます。機械学習は、3D プリントの設計と最適化、および術前臓器モデルの幾何学的忠実度分析をサポートします。 a) 機械圧縮試験中のカスタマイズされたポリマーインクの応力-ひずみ相関。 b) カスタマイズされたポリマーインクと BO で生成された入力を印刷パラメータとして使用して 3D プリントされた前立腺および腎臓モデル。 c) 忠実度の向上を示すために、時系列順に撮影された反復 1、22、46 での 3D プリント前立腺モデルの写真。 d) 忠実度の向上を示すために、反復 5、27、52 で時系列順に撮影された 3D プリント腎臓モデルの写真。 e、f) 3D レジストレーションによって較正された臓器モデルの外表面の距離マップとヒストグラム。3D プリントされた前立腺モデルと腎臓モデル (c と d を参照) と、元の STL ファイルに基づく対応する理想モデルとの間の幾何学的忠実度を取得します。約 60 回の反復にわたる入力ソリューションセットの進行と優位性が分析されました。 a、b) 前立腺モデルと腎臓モデルのハイパーボリューム測定。ハイパーボリュームとは、入力ソリューションによってカバーされるターゲット空間の量を指します。 c、d) 前立腺モデルと腎臓モデルの異なる反復回数におけるパレートフロント内の入力ソリューションセットの表。 e、f）最終パレートフロント内の入力ソリューションセットと、前立腺モデルと腎臓モデルの入力と対応する出力値に対するそれぞれの値の表。（図 3e の反復 42、46、56 (太字) では最適な前立腺モデルが生成され、図 3f の反復 52 (太字) では最適な腎臓モデルが生成されました）。
「自動的に更新される AI アルゴリズムを使用すると、結果を最適化し、時間、コスト、労力を節約できます」と、ワシントン州立大学機械材料工学部のベリー助教授であり、論文の共同責任著者である Kaiyan Qiu 氏は述べています。
エンジニアにとって、材料、プリンターの構成、ノズルの吐出圧力などについて決定を下す必要があるなど、正しい印刷設定を開発することは面倒で非効率的であることがよくあります。
「考えられる組み合わせの数が多すぎるため、試行ごとに時間と費用がかかる」と、論文の共同責任著者でワシントン州立大学のヒューイ・ロジャース客員准教授のヤナ・ドッパ氏は述べた。
邱教授は長年にわたり、複雑でリアルな人間の臓器の3Dプリントモデルの開発に取り組んできました。これらのモデルは外科医の訓練や埋め込み型デバイスの評価に使用できますが、モデルには静脈、動脈、管、その他の詳細な構造を含む実際の臓器の機械的および物理的特性が含まれている必要があります。
Qiu 氏、Doppa 氏、および学生たちは、ベイズ最適化と呼ばれる AI 技術を使用してトレーニングを行い、最適な 3D プリント設定を見つけました。トレーニングが完了すると、研究者は臓器モデルの 3 つの異なる目標 (モデルの幾何学的精度、重量または多孔性、印刷時間) を最適化できるようになりました。臓器モデルの多孔性は、モデルの機械的特性が密度に応じて変化するため、外科手術の実施にとって重要です。
「これらすべての目標のバランスを取るのは難しいが、印刷の種類や材料の形状に関係なく、良いバランスを保ち、最高品質の印刷を実現することができた」と、ワシントン州立大学機械材料工学部のQiu氏のグループの客員学生で共同筆頭著者のEric Chen氏は述べた。
ワシントン州立大学電気工学・コンピュータサイエンス学部の大学院生で、この論文の共同筆頭著者であるアラレ・アフマディアン氏は、研究者らは好ましい結果を得るためにすべての目標をバランスよく検討することができ、このプロジェクトも学際的な視点から恩恵を受けたと付け加えた。「物理的な実験室実験を実施して現実世界に影響を与える学際的な研究を行うことは非常にやりがいがあります」と彼女は語った。
研究者らはまず、前立腺手術のリハーサルモデルを印刷するためのコンピュータープログラムをトレーニングした。このアルゴリズムは広く一般化できるため、腎臓モデルを印刷するために簡単に微調整することができました。「これは、この方法が他のより複雑な生体医療機器の製造に、さらには他の分野でも使用できることを意味します」とQiu教授は述べた。

ワシントン州立大学は、3Dプリントの効率を向上させる自己最適化AIアルゴリズムを開発し、人工臓器などのさまざまな複雑な設計を可能にしました。

オーストラリアのコールドスプレー技術のパイオニアであるSPEE3Dがラッセルスミスと提携し、西アフリカの製造業に革命を起こす

ANTAは3Dプリントされた靴底をカスタマイズし、KETPAIは福建省の産業アップグレードを支援して「最強の頭脳」を導入

遺灰を直接使って3Dプリントしたお土産は、良い新しい方向性かもしれない

スウェーデンのE3Dプロジェクトは、持続可能な3Dプリントコンクリートファサードを開発するために学際的なコラボレーションを活用します。

JuggerBot3D がヤングスタウンに新拠点を開設

さまざまな 3D プリント食品がロンドンで近々公開されます。グルメな準備はできていますか?

【実践】3Dプリントは2018年に実用化へ

西安サイロンはAMチャイナでさまざまな粉末製造装置と電子ビーム選択溶融成形装置を展示します。

HackrodとSiemens PLMが提携し、消費者が3Dプリントした車をカスタマイズできるように

ルノーグループとCEAは3Dプリントを使用して自動車の運転者の快適性を向上

推薦する

上海宝山が第1イノベーションゾーンを創設、3Dプリント、バーチャルリアリティなどの産業が重要産業に

Massivit 3D は、TCT 3SIXTY 2024 でゲルディスペンシング技術に基づく低コストの大型 3D プリンターを発表します。

ゲストのラインナップに衝撃を受けたので、3Dプリンターでインターネットカンファレンスの青と白の磁器のチャイナドレスを描きました。

靴型産業のアップグレードと変革を可能にするため、Leijiaは靴型用の新しい金属3Dプリンターを発売しました。

研究者らは、3Dで柔らかい素材を最適に印刷するための最適化アルゴリズムを設計した。

未来を探る: 3D プリントはデジタル製造とより密接に統合される

[分析] 骨組織工学の足場構築に使用される3Dプリント技術

北京大学 EES の Dong Shuxiang: 3D プリントされた多層共重合体に基づく高電圧、高電力密度のエネルギー回収装置

マイクロナノDLP技術3Dプリント樹脂、金属、セラミック

3Dプリントされたグラスファイバー製プールが米国マンハッタンに到着

FIZIKとCarbonが提携し、適応型3Dプリント自転車サドルを製造

3MFアライアンスは体積設計をサポートし、3Dプリント仕様の利用を拡大

重慶で初の症例！ 3Dプリントされた腫瘍用義肢が腫瘍を患う11歳の少女の下肢を救う

更なる生産拡大！ Lithoz、オーストリアに新しいセラミック3Dプリント工場を開設

Dikai Electromechanical は、金属 3D プリント粉末製造会社がコストを削減するために不可欠な選択肢であるインテリジェントな統合アルゴン回収装置をリリースしました。