基于神經(jīng)網(wǎng)絡(luò)切片的高精度3D打印系統(tǒng)

來源： EFL生物3D打印與生物制造

光散射的嚴(yán)重影響著微結(jié)構(gòu)的打印，其會導(dǎo)致各種不必要的聚合,，從而導(dǎo)致細(xì)小結(jié)構(gòu)無法打印，降低打印機(jī)的實(shí)際分辨率,。而現(xiàn)有解決辦法或是使用具有更高分辨率的打印機(jī),，或是進(jìn)行曝光時(shí)間與曝光光強(qiáng)的工藝優(yōu)化，兩者皆需耗費(fèi)大量的成本與時(shí)間,。

為克服這一現(xiàn)狀,，來自University of California, San Diego的陳紹琛教授團(tuán)隊(duì)在SPIE會議上發(fā)表了題為“Mitigating scattering effects in DMD-based microscale 3D printing using machine learning”的文章，提出了一種通過機(jī)器學(xué)習(xí)進(jìn)行切片圖像灰度值處理,，從而減少散射效應(yīng)并提高打印精度的3D打印方法,。

研究人員首先搭建了投影式光固化打印系統(tǒng)，其與傳統(tǒng)投影式光固化打印系統(tǒng)不同之處在于：傳統(tǒng)投影式光固化打印系統(tǒng)主要通過調(diào)整打印光強(qiáng)與曝光時(shí)間進(jìn)行工藝調(diào)整,，而研究人員則重點(diǎn)針對切片圖像進(jìn)行處理,，他們設(shè)計(jì)了一種14層全卷積神經(jīng)網(wǎng)絡(luò)，并將不同的灰度圖片與相應(yīng)打印結(jié)果輸入到神經(jīng)網(wǎng)絡(luò)中,，不斷的進(jìn)行訓(xùn)練,，完成訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)可以依照設(shè)計(jì)的形狀生成相應(yīng)的灰度圖像（切片圖像），用于抑制散射,，實(shí)現(xiàn)高精度的打印,。

圖1 3D打印機(jī)和打印結(jié)構(gòu)的示意圖。（a） 基于 DMD 芯片的 3D 打印機(jī),。（b）灰度圖像（切片圖像）輸入到3D打印機(jī)中,，再由3D打印機(jī)輸出結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)將所設(shè)計(jì)結(jié)構(gòu)的理論形狀作為輸入,，并輸出灰度圖像（切片圖像）,。3D打印機(jī)的輸入和輸出用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。（c） 訓(xùn)練灰度圖像（切片圖像）的例子,。（d） 所采用的神經(jīng)網(wǎng)絡(luò)的架構(gòu)

接著,，研究人員為了評估所設(shè)計(jì)的借助神經(jīng)網(wǎng)絡(luò)進(jìn)行切片的3D打印系統(tǒng)的性能，進(jìn)行了如圖2（a）所示結(jié)構(gòu)的打印,，可以看到,，由神經(jīng)網(wǎng)絡(luò)生成的切片結(jié)果在模型邊緣部分增加了像素點(diǎn)以提高能量防止欠曝光，在類孔結(jié)構(gòu)邊緣削減了像素點(diǎn)以降低能量防止過曝光,，符合邏輯,，且使用神經(jīng)網(wǎng)絡(luò)生成的切片結(jié)果打印得到的結(jié)構(gòu)也很好的還原了所設(shè)計(jì)的形狀，展現(xiàn)了研究人員所設(shè)計(jì)3D打印系統(tǒng)的優(yōu)秀精度。

圖2 （a）所設(shè)計(jì)的理論形狀;（b） 神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）;（c）打印得到的結(jié)構(gòu),。（d） 神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）與所設(shè)計(jì)的理論形狀之間的對比

然后,，研究人員比較了神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）與傳統(tǒng)切片方法得到的灰度圖像（切片圖像），由打印結(jié)果可以看到,，傳統(tǒng)切片方法存在局限性,，無論如何調(diào)整打印參數(shù)，其始終無法很好的還原所設(shè)計(jì)模型的一些細(xì)節(jié),，而使用神經(jīng)網(wǎng)絡(luò)進(jìn)行切片則很好緩解了這一問題,，其打印的各類模型都具有較高的精度。

圖3 使用神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）和使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果,。第一列是所設(shè)計(jì)的理論形狀,。第二列到第四列是使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）在50%，75%和100%平均光強(qiáng)下的打印結(jié)果,。第五列是使用神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）得到的打印結(jié)果

最后,，研究人員對神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）和使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果進(jìn)行了定量分析，他們計(jì)算了所有打印結(jié)果的Dice系數(shù)（用于評價(jià)兩個(gè)集合的相似程度,，越接近1越相似）,，可以看到，傳統(tǒng)切片方法由于無法同時(shí)避免欠曝光與過曝光,，使得其Dice系數(shù)較低,，而神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）則具有明顯優(yōu)勢，進(jìn)一步展現(xiàn)了運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行切片的顯著優(yōu)勢,。

圖4 使用神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）和使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果,。（a）-（c）是在不同條件下打印結(jié)果的疊加輪廓。白色輪廓是所設(shè)計(jì)的理論形狀,。紅色輪廓是使用神經(jīng)網(wǎng)絡(luò)給出的灰度圖像（切片圖像）得到的打印結(jié)果。黃色,、綠色和藍(lán)色輪廓分別表示使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果,，其平均光強(qiáng)分別為 100%、75% 和 50%,。（d）-（g） 是 （a） 中虛線框架中的放大視圖,。（h） 打印結(jié)果與理論形狀之間的Dice系數(shù)

文章來源：
https://doi.org/10.1117/12.2577129