摩飞电器榨汁机按键式Tritan机身噪音大吗？

据了解，近年来，3D打印技术在医学上的运用日益广泛，并在我省各级医院落地开花。其中，长沙市第三医院作为长沙市3D打印医学应用服务平台，其技术支撑已经覆盖周边省市20余家大型三级医疗单位。

华声在线12月11日讯(湖南日报·华声在线 李曼斯 唐梦辉)12月8日至9日，SICOT中国部数字骨科学会湖南省分会成立大会暨国家继续教育项目“数字化技术及3D打印技术在骨科临床应用学习班”在长沙举行。来自全国各地的骨科专家带来最前沿的数字化技术及3D打印技术在骨科领域的研究成果及临床理念。

据了解，该团队最近发表题为基于深度学习的自下而上SLA 3D打印程序的应力预测(Deep Learning Based Stress Prediction for Bottom-Up Stereo-lithography (SLA) 3D Printing Process)的论文。

研究人员表示，该架构还能进一步用于训练不同高度的3D组件的更大数据集。后续研发工作将是对3D组件的每一层进行应力预测。结合更多参数，如切片高度和上拉速度，以更逼真地模仿3D打印过程，并更好地控制该程序。

此次大会由国际矫形与创伤外科协会(SICOT)中国部数字骨科学会主办，长沙市第三医院承办。大会上，SICOT中国部数字骨科学会湖南省分会正式成立，长沙市第三医院骨科学科主任、主任医师雷青当选主任委员。

该架构可即时运算CAD模型任何层中引起的应力，以监控自下而上的SLA 3D打印程序。该团队还使用以Autodesk Inventor API创建的数据集，以及ABAQUS python脚本对该数据集执行FE模拟来训练深度学习架构。

骨科专家长沙论剑“3D打印”

纽约州立大学水牛城分校（University at Buffalo）研究团队开发出1种使用深度学习架构预测光固化(SLA)成形3D打印组件中的应力分布的方法。该架构由获取可在实际3D零件中找到的各种几何特征的3D模型数据库所构成。

其重要结论是CNN比FEA模拟速度快得多。创建的数据集有效地工作，有助于确定参数，如峰值应力和对先前层讯息的依赖性，以确定层上的应力分布。总体而言，深度学习模型优于先前用于压力预测的简单神经网络模型。

该团队指出，在个别程序中组件变形和失效是自下而上的SLA 3D打印中常遇到的问题。他们于是利用卷积神经网络(CNN)开发1种深度学习架构来预测压力。

该团队用CNN对多个样品进行实验，结果发现在特定层具有相同横截面的不同组件，在该层处具有不同的应力分布。因此开发了1种新架构，其中前一层的应力讯息也用于给定层的应力预测。