Şu anda cerrahlar, 3D hastalara yönelik operasyonları planlamak için farklı veriler gösteren çok sayıda ayrık 2 boyutlu (2D) görüntüleme yöntemlerini inceliyorlar. Ayrıca, bu verileri bir 2D ekranda görüntülemek, toplanan verilerin tam kapsamını tam olarak iletebilir değildir. Görüntüleme yöntemlerinin sayısı arttıkça, birden fazla organizasyon ölçeği sergileyen farklı yöntemlerden daha fazla veri sentezleyebilme yeteneği, daha etkili ve verimli cerrahi planlama için bilgileri yoğunlaştırmak ve küratörlüğünü yapmak için yeni dijital ve fiziksel temsil biçimleri gerektirir.
3D baskılı, hastaya özel modeller, ameliyat süresini ve cerrahi komplikasyonları azalttığı gösterilen cerrahi planlama için yeni bir tanı aracı olarak ortaya çıkmıştır1. Bununla birlikte, 3D baskının standart stereolitografi (STL) yöntemi nedeniyle işlem zaman alıcıdır, bu da görünür bir veri kaybı gösterir ve yazdırılan nesneleri katı, homojen ve izotropik malzemeler olarak işler. Sonuç olarak, cerrahi planlama için 3D baskı kemikli yapılar ve karmaşık organların basit morfolojik tanımları ile sınırlıdır2. Bu sınırlama, üretilen nesnelerin dış sınırlarıyla tam olarak tanımlandığı sanayi devriminin ürünleri ve ihtiyaçları tarafından yönlendirilen eski bir üretim paradigmasının bir sonucudur3. Bununla birlikte, biyomedikal endüstrisinin birden fazla organizasyon ölçeği ve değişen malzeme dağılımları gösteren insan dokusunu çoğaltma ihtiyacı, tüm hacimdeki varyasyonları temsil eden ve nokta nokta değişen yeni temsil biçimleri gerektirir.
Bu sorunu gidermek için, bir 3D görselleştirme ve modelleme tekniği (Şekil 1) geliştirildi ve reçinelerin ultra yüksek çözünürlükte karıştırılması ve birikmesi üzerinde daha fazla kontrol sağlayan yeni, katkılı bir üretim süreci ile birleştirilmiştir. Bitmap baskı adı verilen bu yöntem, 15 μm'ye yaklaşan ileri görüntüleme teknolojisinin mekansal doğruluğu ve mekansal/kontrast çözünürlüğü düzeyinde doğrudan tıbbi görüntülerden 3D baskı ile insan anatomisini çoğaltır. Bu, morfolojik olarak karmaşık yumuşak dokudaki varyasyonları, tanısal kaynak görüntülerden veri kaybı veya değişikliği olmadan çoğaltmak için gereken hassas ve dereceli kontrolü sağlar.