大脑需要在神经元和大规模大脑区域之间进行有效的信息传递。大脑连接遵循可预测的组织原则。在细胞层面,较大的超颗粒锥体神经元具有更大、更多分支的树突树、更多突触,并执行更复杂的计算;在宏观尺度上,区域到区域的连接显示出多样化的架构,高度连接的枢纽区域促进了复杂的信息整合和计算。在这里,我们探讨了这样一种假设,即大规模区域到区域连接的分支结构遵循与神经元尺度类似的组织原则。我们检查了五个人类捐赠者大脑(1 名男性,4 名女性)的 10 个皮质区域的超颗粒锥体神经元(300 1)基底树突树的微尺度连接。树突复杂性被量化为分支点数、树长、树突棘数、树突棘密度和整体分支复杂性。高分辨率弥散加权 MRI 用于构建皮质皮层布线的白质树。使用与树突树相同的方法来检查所得白质树的复杂性,结果表明,异模关联区域具有比主要区域更大、更复杂的白质树(p,0.0001),并且宏观尺度复杂性与微观尺度测量并行,包括输入数量(r=0.677,p=0.032)、分支点(r=0.797,p=0.006)、树长度(r=0.664,p=0.036)和分支复杂性(r=0.724,p=0.018)。我们的研究结果支持整合理论,即大脑连接遵循神经元和宏观尺度上的类似连接原则,并为研究大脑条件下多组织层面的连接变化提供了一个框架。
研究兴趣:物理、生物医学和工程问题的多尺度数学建模,例如:红细胞(RBC)或LDL周围的血浆流动、弯曲血管中的血流(无论是否动脉粥样硬化)、药物输送和吸收、肿瘤生长、多孔介质中的斯托克斯流、纳米级(石墨烯)和宏观尺度下固体材料在不同机械载荷下的行为和特性,以及:由简单和许多具有不同物理特性和几何形状的散射体引起的波传播和散射问题(直接和逆)、移动边界问题、开发和使用非侵入性技术进行医学诊断、测试、识别和重建物体和图像。
风力涡轮机部件由于暴露在极端环境条件下,尤其是海上环境条件下,会承受相当大的应力和疲劳。为此,本研究探索了两种不同的风力涡轮机叶片疲劳损伤估计和剩余使用寿命预测方法。第一种方法使用雨流计数算法。第二种方法来自疲劳损伤模型,该模型描述了由于基质裂纹导致的微观损伤传播,在宏观尺度上表现为刚度损失。这两种技术都使用从著名的风力涡轮机模拟器 FAST(疲劳、空气动力学、结构和湍流)获得的叶片根部力矩传感器信号提供的信息进行了测试。
摘要。功能性MRI能够通过血氧水平依赖性评估个体的认知能力。由于大脑功能的复杂性,探索认知能力和大脑功能连接性之间的关系极具挑战性。最近,已使用图形神经网络来提取用于预测认知评分的功能连接特征。尽管如此,这些方法具有两个主要局限性:1)忽略大脑的层次结构:在每个大脑区域内丢弃细粒度的信息,以及有关大脑功能层次结构的多个尺度的额外的补充信息; 2)忽略大脑的小世界性质:用于产生功能连通性的库租方法可产生定期网络工作,其信息传输效率相对较低。为了解决这些问题,我们提出了一个用于认知预测的小世界脑连接组(SW-HGL)框架的层次图学习。该框架由三个模块组成:金字塔信息提取模块(PIE),小世界大脑连接组构造模块(SW-BCC)和分层图学习模块(HGL)。指定,PIE通过社区聚类和图形池在微观尺度(通信级别)和宏观尺度(区域级别)上识别代表性顶点。SW-BCC通过重新布线定期网络并在区域和社区层面建立功能连接来模拟大脑的小世界本质。MSFEF是一个双支球网络,用于提取和融合微尺度和宏观尺度特征,以进行认知评分预测。与最先进的方法相比,我们的SW-HGL同意在HCP数据集上实现出色的性能。代码可在https://github.com/cuhk-aim-group/sw-hgl上找到。
许多先进的反应堆概念要求材料在长期使用期间能够抵抗恶劣环境中的各种应力。因此,在某个时候,材料降解(例如蠕变、疲劳、脆化)将开始,如果不加以控制,其发展最终可能导致失效。虽然降解过程根据材料、负载和条件的不同而不同,但它们总是从微观结构水平开始,然后发展到宏观尺度,最终断裂。由于停机检查成本极高,因此最好实施在线状态监测,以保持工厂运行,直到需要维护。超声导波与损伤的相互作用使其非常适合状态监测,如下所述。本文研究的在线状态监测系统的要求是 (i) 耐高温和 (ii) 检测早期损伤的能力。
这项研究介绍了用碳黑色)复合材料介绍了PETG-CB(聚(乙二醇乙二醇)乙二醇,这是一种新的形状存储聚合物4D,使用融合沉积模型(FDM)方法打印。纳米复合材料,以增强4D打印应用中PETG的功能性能。采用微观和宏观尺度上的全面表征,包括动态热机械分析(DMTA),扫描电子显微镜(SEM)和机械测试,以评估粘弹性行为,显微结构完整性,以及在热刺激下的质量强度。实验结果表明,CB添加显着改变了玻璃过渡温度并提高机械性能,1%CB复合材料表现出最佳的拉伸强度和增强的形状记忆效应。SEM分析证实了CB的均匀分布