Attributes prediction of biocomposite scaffold made from 3D printing using a finite element analysis

Abstract

Bone tissue scaffolds are made from biomaterials that support rapid repair and healing. Scaffold fabricators have produced materials that are able to degrade a biosystem or human body excellently. Thus, this work aims to study the optimization of materials, shape, and the 3D printing process with FDM. Finite element analysis is also used to predict mechanical properties of the scaffold and find the optimal shape and pore size. However, the materials studied include PLA, PCL, and HA.

Objective

โครงเลี้ยงเซลล์ (Scaffold) หรือวัสดุที่มีรูพรุนเพื่อการเจริญเติบโตของเซลล์สู่การกลายเป็นเนื้อเยื่อสำหรับการฟื้นฟูส่วนที่เสียหายของร่างกาย ซึ่งในปัจจุบันมีความเสียหายของเนื้อเยื่อที่เกิดขึ้นจากอุบัติเหตุ โรค เป็นต้น โดยการรักษาแบบดั้งเดิมจะใช้การรับเนื้อเยื่อจากผู้บริจาค แต่ก็อาจไม่เข้ากันกับร่างกายของผู้ป่วยทางวิศวกรรมเนื้อเยื่อจึงได้มีการพัฒนาโครงเลี้ยงเซลล์ขึ้นมาซึ่งจำเป็นต้องมีคุณสมบัติที่สำคัญ ได้แก่ การทนต่อการรับแรง การย่อยสลายภายในร่างกาย และความเข้ากันได้ทางระบบชีวภาพ อย่างไรก็ตามมีความท้าทายมากมายในการพัฒนาวัสดุชีวภาพในโครงเลี้ยงเซลล์ เช่น การรองรับความหนาแน่นของเซลล์ที่เพิ่มขึ้นเนื่องจากการเจริญเติบโต ซึ่งจำเป็นต้องออกแบบรูพรุนภายในโครงเลี้ยงเซลล์ การรับแรงการแรงกดโดยมวลกล้มเนื้อของร่างกาย และเลือกวัสดุที่เหมาะสมเพื่อรองรับการเจริญเติบโตของเซลล์ เป็นต้น

Other Innovations

คณะเทคโนโลยีการเกษตร

Effect of Salt Stress on Seed Quality

คณะสถาปัตยกรรม ศิลปะและการออกแบบ

floating

คณะวิศวกรรมศาสตร์

Penetration Testing Learning Platform (SecurionSphere)

SecurionSphere is the penetration testing learning platform that focuses on web application exploitation. This platform is intended to address concerns seen in existing penetration testing platforms, such as resource sharing that may affect other users and the constant environment configuration the permits the same response leading to copy the answer from others. Supervisors can use templates to address various forms of web application vulnerability threats. Users can generate the instance of supervisor's templates machine. The platform also randomly generates the environment configuration for each machine has the difference environment and the answer. This allows the users get more realistic learning experiences without affecting the resources of others.