一种用3D打印可再生功能梯度骨骼支架的制备方法
| 专利类型 | 发明公开 | 法律事件 | 公开; 实质审查; |
| 专利有效性 | 实质审查 | 当前状态 | 实质审查 |
| 申请号 | CN202410818728.9 | 申请日 | 2024-06-24 |
| 公开(公告)号 | CN118781360A | 公开(公告)日 | 2024-10-15 |
| 申请人 | 重庆恩智熙医疗美容研究(集团)有限公司; | 申请人类型 | 企业 |
| 发明人 | 李程熙; | 第一发明人 | 李程熙 |
| 权利人 | 重庆恩智熙医疗美容研究(集团)有限公司 | 权利人类型 | 企业 |
| 当前权利人 | 重庆恩智熙医疗美容研究(集团)有限公司 | 当前权利人类型 | 企业 |
| 省份 | 当前专利权人所在省份：重庆市 | 城市 | 当前专利权人所在城市：重庆市渝北区 |
| 具体地址 | 当前专利权人所在详细地址：重庆市渝北区双龙湖街道城兴路26号附30号2-4融创·渝北中央公园2-3幢2-商业70 | 邮编 | 当前专利权人邮编：401120 |
| 主IPC国际分类 | G06V10/44 | 所有IPC国际分类 | G06V10/44 ; A61L27/06 ; A61L27/20 ; A61L27/12 ; A61L27/54 ; A61L27/56 ; B33Y70/10 ; B33Y80/00 ; G06V10/74 ; G06V10/774 ; G06N3/0464 ; G06N3/08 ; G06F30/20 ; B22F10/28 ; B33Y10/00 |
| 专利引用数量 | 0 | 专利被引用数量 | 0 |
| 专利权利要求数量 | 7 | 专利文献类型 | A |
| 专利代理机构 | 重庆莫斯专利代理事务所 | 专利代理人 | 兰洁; |
| 摘要 | 本 发明 涉及多孔梯度骨骼 支架 技术领域，具体涉及一种用3D打印可再生功能梯度骨骼支架的制备方法，包括通过CT扫描设备对骨缺损处进行 三维扫描 ，获取图像数据；对所述图像数据进行去床操作，得到去床图像；对所述去床图像进行特征提取，得到扫描特征；基于所述扫描特征利用三维制图 软件 设计梯度模型；基于所述梯度模型以 钛 合金 材料作为多孔骨骼支架材料，利用3D打印SLM成形出环状的梯度多孔支架；将所述梯度多孔支架置于混合溶液中，得到功能梯度多孔仿生复合支架，解决了通过CT扫描设备对骨缺损处进行三维扫描的过程中，会将CT床，以及床上残留的干扰物一并扫描进去，从而影响后续的梯度模型的生成效果的问题。 | ||
| 权利要求 | 1.一种用3D打印可再生功能梯度骨骼支架的制备方法，其特征在于，包括以下步骤： |
||
| 说明书全文 | 一种用3D打印可再生功能梯度骨骼支架的制备方法技术领域[0001] 本发明涉及多孔梯度骨骼支架技术领域，尤其涉及一种用3D打印可再生功能梯度骨骼支架的制备方法。 背景技术[0002] 由于疾病(如癌症)、意外损伤(创伤或损伤)和手术(如肿瘤切除术、翻修手术)可能会导致骨骼缺陷，对于大规模骨缺损(主要是骨折)，常常会出现骨吸收和骨不愈合的情况，骨缺损即无法自行愈合，将严重影响患者生活质量。随着骨肿瘤发病率的增高及车祸等高能量创伤导致的骨缺损的增加，在可预见的未来，临床上可以见到越来越多的骨缺损患者，所以需要探索出对于大段骨缺损有效的治疗手段，以改善患者生活质量。 [0003] 目前临床治疗骨缺损的方法主要是包括：取髂骨等自体骨移植、同种异体骨移植、Masquelet技术、Ilizarov骨延长技术等。但是这些技术都存在不同的缺陷。自体骨移植取材有限，存在出血、感染等供区并发症；同种异体骨移植存在相关疾病传播、诱发免疫反应等缺陷。Ilizarov骨延长技术需要较长时间的外固定治疗，还存在针道感染、关节僵硬等风险。Masquelet技术的缺点包括二次手术，术后存在植骨吸收、骨不愈合，下肢应力性骨折等。 [0004] 目前，现有技术公开了一种用3D打印可再生功能梯度骨骼支架的制备方法，通过CT扫描设备对骨缺损处进行三维扫描获取图像数据，设计出可以移植骨头的尺寸及形态，以钛合金材料作为多孔骨骼支架材料，利用3D打印SLM成形出环状多孔功能梯度结构，外层为体心立方结构，内芯为十字形蜂窝结构，孔隙率由外向内减小，更好地模拟了天然骨的实际孔隙率变化特征，再将含有壳聚糖、羟基磷灰石、淫羊藿苷的混合溶液注射到多孔钛支架的孔隙中，得到功能梯度多孔仿生复合支架，本发明打印出的支架具有可降解、可修复、良好生物相容性和良好骨传导性，并使细胞能够更好地黏附生长，促进骨愈合。 [0005] 采用上述方式，通过CT扫描设备对骨缺损处进行三维扫描的过程中，会将CT床，以及床上残留的干扰物一并扫描进去，从而影响后续的梯度模型的生成效果。 发明内容[0006] 本发明的目的在于提供一种用3D打印可再生功能梯度骨骼支架的制备方法，旨在解决通过CT扫描设备对骨缺损处进行三维扫描的过程中，会将CT床，以及床上残留的干扰物一并扫描进去，从而影响后续的梯度模型的生成效果的问题。 [0007] 为实现上述目的，本发明提供了一种用3D打印可再生功能梯度骨骼支架的制备方法，包括以下步骤： [0008] 通过CT扫描设备对骨缺损处进行三维扫描，获取图像数据； [0009] 对所述图像数据进行去床操作，得到去床图像； [0010] 对所述去床图像进行特征提取，得到扫描特征； [0012] 基于所述梯度模型以钛合金材料作为多孔骨骼支架材料，利用3D打印SLM成形出环状的梯度多孔支架； [0013] 将所述梯度多孔支架置于混合溶液中，得到功能梯度多孔仿生复合支架。 [0014] 其中，所述对所述图像数据进行去床操作，得到去床图像，包括： [0015] 通过所述CT扫描设备获取CT空床扫描图像； [0016] 将所述CT空床扫描图像变换至所述图像数据的图像空间，使所述CT空床扫描图像和所述图像数据匹配，得到匹配图像； [0017] 基于所述匹配图像对所述图像数据进行去床操作，得到去床图像。 [0018] 其中，所述对所述去床图像进行特征提取，得到扫描特征，包括： [0019] 构建深度学习模型； [0020] 使用训练数据集对所述深度学习模型进行训练，得到特征提取模型； [0021] 将所述去床图像输入所述特征提取模型中进行训练，得到扫描特征。 [0023] 其中，所述使用训练数据集对所述深度学习模型进行训练，得到特征提取模型，包括： [0024] 对所述训练数据集进行预处理，得到训练集和验证集； [0025] 使用所述训练集对所述卷积神经网络模型进行训练，通过多次迭代和优化，使得模型能够学习到数据的特征和规律，得到预训练模型； [0026] 使用所述验证集对所述预训练模型进行评估，计算所述预训练模型的准确率、召回率、F1得分和模型的性能和效果，得到评估结果； [0027] 基于所述评估结果对所述预训练模型进行优化，得到特征提取模型。 [0028] 其中，所述对所述训练数据集进行预处理，得到训练集和验证集，包括： [0029] 删除所述训练数据集中的无效、错误或不完整的数据，得到清洗数据； [0030] 对所述清洗数据进行数据标准化、去重和填充缺失值，得到整理数据； [0031] 对所述整理数据进行聚合、拆分和映射，得到变换数据； [0032] 按照8：2的比例将所述变换数据划分成训练集和验证集。 [0033] 其中，所述混合溶液中含有壳聚糖、羟基磷灰石和淫羊藿苷。 [0034] 本发明的一种用3D打印可再生功能梯度骨骼支架的制备方法，通过CT扫描设备对骨缺损处进行三维扫描，获取图像数据；对所述图像数据进行去床操作，得到去床图像；对所述去床图像进行特征提取，得到扫描特征，从而过滤掉CT床及CT床上的干扰物，提高图像的有效性；基于所述扫描特征利用三维制图软件设计梯度模型；基于所述梯度模型以钛合金材料作为多孔骨骼支架材料，利用3D打印SLM成形出环状的梯度多孔支架；将所述梯度多孔支架置于混合溶液中，得到功能梯度多孔仿生复合支架，解决了通过CT扫描设备对骨缺损处进行三维扫描的过程中，会将CT床，以及床上残留的干扰物一并扫描进去，从而影响后续的梯度模型的生成效果的问题。附图说明 [0035] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 [0036] 图1是本发明提供的一种用3D打印可再生功能梯度骨骼支架的制备方法的流程图。 [0037] 图2是对所述图像数据进行去床操作，得到去床图像的流程图。 [0038] 图3是对所述去床图像进行特征提取，得到扫描特征的流程图。 具体实施方式[0039] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。 [0040] 请参阅图1至图3，本发明提供一种用3D打印可再生功能梯度骨骼支架的制备方法，包括以下步骤： [0041] S1通过CT扫描设备对骨缺损处进行三维扫描，获取图像数据； [0042] 具体的， [0043] S2对所述图像数据进行去床操作，得到去床图像； [0044] 具体方式为： [0045] S21通过所述CT扫描设备获取CT空床扫描图像； [0046] S22将所述CT空床扫描图像变换至所述图像数据的图像空间，使所述CT空床扫描图像和所述图像数据匹配，得到匹配图像； [0047] 具体的，将所述CT空床扫描图像变换至所述图像数据的图像空间，包括： [0048] 获取所述CT空床扫描图像的第一扫描参数，以及所述图像数据的第二扫描参数；根据所述第一扫描参数和所述第二扫描参数获取所述CT空床扫描图像和所述图像数据之间的变换关系；根据所述变换关系对所述CT空床扫描图像进行图像空间变换。 [0049] S23基于所述匹配图像对所述图像数据进行去床操作，得到去床图像。 [0051] S3对所述去床图像进行特征提取，得到扫描特征； [0052] 具体方式为： [0053] S31构建深度学习模型； [0054] 具体的，所述深度学习模型为卷积神经网络模型。卷积神经网络(CNN)是最经典的深度学习算法之一。基于卷积神经网络的特征提取方法可以从原始图像中提取出具有高语义的特征，且可从输入层逐渐不断抽象地学习特征。 [0055] S32使用训练数据集对所述深度学习模型进行训练，得到特征提取模型； [0056] 具体的，对所述训练数据集进行预处理，得到训练集和验证集；使用所述训练集对所述卷积神经网络模型进行训练，通过多次迭代和优化，使得模型能够学习到数据的特征和规律，得到预训练模型；使用所述验证集对所述预训练模型进行评估，计算所述预训练模型的准确率、召回率、F1得分和模型的性能和效果，得到评估结果；基于所述评估结果对所述预训练模型进行优化，得到特征提取模型。 [0057] 所述对所述训练数据集进行预处理，得到训练集和验证集，包括： [0058] 删除所述训练数据集中的无效、错误或不完整的数据，得到清洗数据；对所述清洗数据进行数据标准化、去重和填充缺失值，得到整理数据；对所述整理数据进行聚合、拆分和映射，得到变换数据；按照8：2的比例将所述变换数据划分成训练集和验证集。 [0059] S33将所述去床图像输入所述特征提取模型中进行训练，得到扫描特征。 [0060] S4基于所述扫描特征利用三维制图软件设计梯度模型； [0061] 具体的，根据破损骨头，利用三维软件重新设计出可以移植骨头的尺寸及形态；用UG三维制图软件设计出多功能梯度模型，将模型与健康骨骼进行比对，校验模型尺寸是否合适，有无偏差，支架采用环状多层结构设计，模型的外层为体心立方结构，孔隙率为82％，孔径为850μm，内芯为十字形蜂窝结构，孔隙率为47％，孔径为420μm，支架外层结构占整体结构61％的体积，内芯占整体结构的39％体积。 [0062] S5基于所述梯度模型以钛合金材料作为多孔骨骼支架材料，利用3D打印SLM成形出环状的梯度多孔支架； [0063] 具体的，采用气体雾化法制备Ti6Al4V球形粉末，用高频感应线圈进行加热将钛合金原料熔化，使熔液滴流，再用高速的氩气喷射熔液流，使金属液成喷雾状，冷凝后生成Ti6Al4V粉末，将预先设计好的功能梯度多孔支架模型导入SLM打印机中，将Ti6Al4V粉末放入供粉仓中，打印过程中激光功率为270W，扫描速度为1000mm/s，激光直径为52μm，扫描间距为0.12mm，其中支架外层为体心立方结构，孔隙率为82％，孔径为850μm，内芯为十字形蜂窝结构，孔隙率为47％，孔径为420μm；取出后采用无水乙醇清洗去除部分易清除的未熔融粉末，再采用超声清洗，通过超声振动将孔隙间残留的剩余粉末去除。 [0064] S6将所述梯度多孔支架置于混合溶液中，得到功能梯度多孔仿生复合支架。 [0065] 具体的，所述混合溶液中含有壳聚糖、羟基磷灰石和淫羊藿苷。 [0066] 在100ml规格的烧杯中注入0.26mol/L的乙酸97ml，称取1.3g壳聚糖粉末加入乙酸溶液中，在50℃环境下搅拌约32min后形成浓度为1％的壳聚糖溶液；然后加入0.1g的羟基磷灰石粉末，0.25g的淫羊藿苷，继续搅拌直至均匀混合，将配置好的混合液放在室温下进行冷却；将多孔钛支架置于24孔培养板中，用一次性注射器将配置好的混合溶液注射到多孔钛支架的孔隙中，直至溶液将多孔钛支架完全覆盖，注射时应避免气泡的进入，室温静置1h后放入‑20℃环境进行冷冻处理，冷冻13h，最后置入冷冻干燥机冻干，得到多孔钛‑壳聚糖‑羟基磷灰石‑淫羊藿苷复合支架。 [0067] 以上所揭露的仅为本发明一种用3D打印可再生功能梯度骨骼支架的制备方法较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。 |
||
QQ群二维码
意见反馈
意见反馈