基于拓扑优化与SLM成形的个性化下颌骨生物固定板设计与性能研究

《BMC Oral Health》：The topology optimization design and processing of 3D-printed bio-fixed bone plate applied to the mandible

本研究针对传统下颌骨接骨板匹配度差、应力遮挡效应明显等问题，通过逆向工程与正向设计相结合的方法，完成了下颌骨接骨板的个性化建模。研究人员在八种工况下进行应力分析，基于极端工况开展拓扑优化设计，并采用六面体晶格结构填充，最终利用SLM设备成功制备出生物固定式下颌骨接骨板。结果表明：优化后接骨板重量降低49%，最大应力提升64%，最大位移增加45.78%，有效改善了应力遮挡效应。3D打印成形的接骨板表面光滑、孔隙结构清晰，与下颌骨模型匹配紧密，为SLM技术制造个性化生物固定板提供了重要技术支撑。

　　

当我们享受美食时，可能很少想到下颌骨这个默默承担咀嚼重任的"功臣"。作为面部最大的骨骼，下颌骨不仅支撑着牙齿完成切割、撕裂、研磨等精细动作，还参与语言表达、吞咽呼吸等重要功能。然而，疾病、意外损伤或先天畸形可能导致下颌骨连续性中断，严重影响患者生活质量。传统修复方式采用标准化接骨板，医生需要现场手工弯曲调整，往往存在匹配度差、表面贴合不足等问题。更棘手的是，普通接骨板的弹性模量远高于骨组织，会导致"应力遮挡"现象——即载荷主要由接骨板承担，骨组织缺乏必要的力学刺激，延缓愈合进程。

为解决这一难题，周晓宇团队在《BMC Oral Health》发表了一项创新研究，将医学影像处理、拓扑优化和增材制造技术有机结合，开发出具有优异力学性能和生物相容性的个性化下颌骨生物固定板。研究人员采用多学科协同的数字化定制方案，建立了从患者CT数据获取到植入体制造的完整闭环工作流程。

关键技术方法包括：基于Mimics软件的逆向三维重建技术，通过自适应灰度阈值分割精准重建下颌骨模型；利用3-matic软件模拟右侧第一磨牙区骨折并设计匹配接骨板；采用Abaqus进行八种咬合工况的有限元分析；以应变能最小化为目标函数、质量减半为约束条件进行拓扑优化；最后使用SLM设备以Ti6Al4V粉末为材料成形生物固定板。

逆向重建与模拟修复

通过CT扫描数据，研究人员采用自适应灰度阈值分割技术精确重建下颌骨三维模型。结果显示生成的下颌骨与牙齿模型结构清晰、细节丰富，准确再现了原始扫描数据的解剖特征。基于临床常见的磨牙区骨折类型，在右侧第一磨牙位置模拟横断骨折，设计出长度62.66mm、宽度7.86mm的接骨板初始模型，并通过布尔运算创建四个直径3.5mm的螺钉孔，组装后显示各组件接触面贴合紧密，无碰撞干涉现象。

修复下颌骨模型的有限元模拟

通过设置皮质骨弹性模量13.70GPa、牙齿18.60GPa、钛合金116.52GPa的材料参数，研究人员分析了八种咬合工况。发现载荷越接近骨折部位，装配体承受的最大应力值越高。当在右侧第五牙面施加100N载荷时，最大应力值达到峰值214.10MPa，虽低于TC4屈服强度860MPa的安全范围，但应力主要集中在螺钉与接骨板连接处，表明有必要对接骨板进行拓扑优化以改善应力分布。

接骨板的拓扑优化

以极端工况（R5牙加载）为优化基准，研究人员以应变能最小化为目标函数、体积减半为约束条件进行拓扑优化。优化后接骨板最大应力为184.10MPa，最大位移0.6967mm。通过对优化结果进行清理修复，获得几何特征更规则的接骨板模型，重量从5.47g降至2.689g，减重达50.85%。

生物固定板的设计

在拓扑优化模型基础上，研究人员选用六面体晶格结构进行多孔填充。比较60%、70%、80%三种孔隙率发现，孔隙率0.6的结构具有最大的表面积体积比（3.15mm^-1），最有利于骨生长。有限元分析显示，填充孔隙率0.6的多孔结构后，接骨板最大应力350.9MPa，最大位移0.9722mm，与优化前相比应力增加3.8%，位移减少1.8%，重量增加4.9%，表明六面体晶格填充对接骨板性能影响较小。

SLM成形生物固定板的性能

使用SLM420DNN设备成形的生物固定板尺寸误差最大0.07mm，表面粗糙度Ra10μm。微观结构观察显示多孔微结构支柱结合良好，无显著粘粉现象，孔隙连通性理想。与下颌骨模型的装配试验表明，接骨板与宿主骨之间最大间隙仅0.02mm，螺钉固定孔定位精确，安装简便。

该研究通过拓扑优化与多孔结构设计，成功将接骨板重量降低49%，同时使应力分布更加均匀，有效缓解了应力遮挡效应。与简化几何模型的拓扑优化研究相比，本研究基于真实CT数据重建解剖形态，显著提高了匹配精度。虽然研究在螺钉数量分布、多载荷条件优化等方面存在局限，但建立的数字化工作流程为个性化生物固定板制造提供了重要技术支撑。未来结合机器学习算法优化接骨板几何参数、开发梯度多孔结构以及可降解材料的SLM成形工艺，将进一步推动个性化骨科植入物的发展。