混凝土是最常见的建筑材料。混凝土类型丰富,配方取决于特定用途。混凝土的微观结构通常是强烈的异质性,具有水泥,细和粗骨料,充满空气的毛孔和各种增援。混凝土的计算模型通常会大大降低以确保安全性。更精确的模型可以从材料和CO 2排放方面巨大节省。通过3D计算机断层扫描(CT)观察到的原位机械测试,特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。 大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。 分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。 因此,最近比较了裂纹分割的算法[1],扩展到多尺度裂纹[2,3],适用于纤维增强的混凝土[4,5],甚至是新发明的[6,7]。 对于方法的公平定量比较以及机器学习模型的培训和开发,基于合成裂纹结构的半合成CT图像[8-10]至关重要。 首先,裂纹是作为分数布朗动作的实现[11]。 后来,由于其多功能性,首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。 在[13,14]中研究了裂纹与混凝土微观结构之间的相互作用。通过3D计算机断层扫描(CT)观察到的原位机械测试,特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。因此,最近比较了裂纹分割的算法[1],扩展到多尺度裂纹[2,3],适用于纤维增强的混凝土[4,5],甚至是新发明的[6,7]。对于方法的公平定量比较以及机器学习模型的培训和开发,基于合成裂纹结构的半合成CT图像[8-10]至关重要。首先,裂纹是作为分数布朗动作的实现[11]。后来,由于其多功能性,首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。在[13,14]中研究了裂纹与混凝土微观结构之间的相互作用。这些合成的裂纹结构可以模仿多种裂纹形态,包括局部厚度分布和分支,并具有几个程度的表面粗糙度,因为[12]很好地证明了。到目前为止,合成裂纹并未与将CT图像用作背景的混凝土的微观结构相互作用。特别是,将裂缝分类为周围的混凝土组件。这是通过两步过程实现的。首先,通过模板匹配对裂纹结构进行了分割。然后,根据模板的方向上的灰色值对裂纹进行分类。在这里,我们提出了一种依赖于分割裂纹和聚集体的方法。然后将裂纹分配给两个可能的类别之一:经晶(通过聚集体)或晶间(聚集体之间)。然后,经晶裂纹体素的相对数量产生了一个度量,以量化裂纹行为的差异。在这里,我们研究了相同组成的难治性混凝土样品,但在不同温度下被后加工(烧结)。在压缩应力下扫描样品。他们清楚地表明,裂缝确实与混凝土的微观结构相互作用,请参见图1。裂纹可能沿聚集体,通过它们或通过周围的水泥矩阵传播。在失败之前,分析载荷步骤的经晶和晶间体素的分数进一步量化了烧结温度的影响。我们在两个圆柱形耐火混凝土样品的示例中演示了这一分析,分别在1.000°C和1.600°C下烧结。最近,我们为裂纹结构设计了一种多功能几何模型[8,9],用于方法验证和比较以及机器学习方法的训练 - 由随机Voronoi Tessellation的相位形成的最小表面。最小表面计算的优化方法的改进版本可实现多标准优化[17]。在这里,我们利用了这种新的可能性来生成合成裂纹结构,该结构避免了聚集体或通过图1中的真实混凝土样品中观察到的。
现代航天器和运载火箭的设计更倾向于降低系统级设计和组装的复杂性。为了在降低这些复杂性的同时保持较高的整体系统性能,使用智能材料和智能结构部件是一种众所周知的做法,目前越来越受到空间系统设计人员的关注。本文讨论了智能空间结构的概念,特别是用于航天器和运载火箭应用的嵌入光纤传感器 (OFS) 的碳纤维复合材料结构。本研究重点介绍了此类油箱的操作要求以及光纤传感器实现的智能功能。对于后者,对光纤布拉格光栅传感器 (FBG) 和基于光频域反射仪 (OFDR) 的分布式光纤传感器 (DOFS) 进行了定量比较,以说明它们的核心性能参数,例如灵敏度、传感范围、动态测量能力和空间分辨率。与传统电子传感器相比,光纤传感器在恶劣环境中的性能和可靠性提高,同时尺寸、质量和功耗降低。嵌入碳纤维结构的光纤传感器已证明其能够提供准确的实时温度测量和监测结构完整性,同时精确检测可能的破裂和故障点,如文献综述中讨论和展示的那样。光纤传感在智能推进剂储罐中的应用可能会扩展到检测流体泄漏,还可以通过温度映射提高推进剂计量的精度,并可用于地面鉴定、飞行前测试以及在轨运行、状况和结构健康监测。本文介绍了一种在复合材料压力容器中嵌入 FOS 的最佳方法,并讨论了光纤传感器的相关放置和定位方法,并结合了一个简化的单组分分析应力-应变传递模型,该模型推导出沿最大主方向(即 σ Max Principal )的应力分量。这种新方法被认为可用于在复合材料结构(例如航天器中的压力容器和轻质结构)中最佳地使用嵌入式 FOS。人们相信,简化的模型将为有效的数据解释和处理铺平道路,利用航天器上有限的计算资源。
由于有效采样困难,不同来源的树高观测值的定量比较很少。本研究调查了通过常规现场清查、机载激光扫描 (ALS) 和地面激光扫描 (TLS) 获得的树高观测值的可靠性和稳健性。进行了一项精心设计的无损实验,其中包括斯堪的纳维亚北方森林 18 个样地 (32 m × 32 m) 中的 1174 棵树。ALS 数据的点密度约为 450 点/平方米。TLS 数据是通过从样地中心和四个象限方向进行多次扫描获得的。ALS 和 TLS 数据都代表了最前沿的点云产品。借助现有的树木图,从 ALS 和 TLS 点云中手动测量树高。因此,评估结果揭示了应用激光扫描 (LS) 数据的容量,同时排除了单株树检测等数据处理方法的影响。通过对 ALS、TLS 和基于现场的树高进行交叉比较,评估了不同树高源的可靠性和稳健性。与 ALS 和 TLS 相比,现场测量对林分复杂性、树冠等级和树种更敏感。总体而言,现场测量倾向于高估高大树木的高度,尤其是共显性树冠等级的高大树木。在密集的林分中,中等和抑制树冠等级的小树的现场测量高度也存在很大的不确定性。基于 ALS 的树高估计在所有林分条件下都是稳健的。树越高,基于 ALS 的树高越可靠。由于难以识别树梢,基于 ALS 的树高的最大不确定性来自中等冠级的树木。使用 TLS 时,可以预期低于 15-20 米高的树木的可靠树高,具体取决于林分的复杂性。LS 系统的优势在于数据几何精度的稳健性。LS 技术在测量单个树木高度方面面临的最大挑战在于遮挡效应,这导致 ALS 数据中遗漏了中等和抑制冠级的树木,TLS 数据中高大树木的树冠不完整。
2型糖尿病(T2D)是全球发病率和死亡率的主要原因[1]。与没有糖尿病的人相比,T2D几乎使死亡率的风险几乎增加了一倍[2],主要是由于循环条件,但越来越多地来自癌症或神经退行性原因[3]。种族是T2D的广泛认可的风险因素;例如,与白人种族相比,南亚和黑人种族的人的患病率较高(南亚,黑人和白人种族的普遍存在:分别为7.7%,5.6%,5.0%),发病率增加(2-3次)和较低的诊断年龄(最高10岁)[4-8] [4-8]。eTh-neity在发展与糖尿病相关的补充方面也影响了后续后遗症,因此,通过种族来理解并发症的差异很重要,因为它可以考虑可能影响死亡率风险的人[4]。最近发生了与T2D相关的死亡率的实质性变化[3,9]。与Vascu相关的临床结果已经下降,因此需要对种族差异的最新证据进行审查[3,9]。糖尿病中的全因死亡率总体上降低了,这被认为是由于治疗途径的改善,风险因素的管理和整体生活方式行为[3,9]。虽然较早的评论强调了T2D种族群体之间死亡率的差异,但这些差异并未通过荟萃分析来量化[10,11]。然而,最近的系统综述和荟萃分析不包括其中一些较大的近期队列研究[7,12,15,16]。来自不同国家的几项大型队列研究,比较了不同种族之间的死亡风险[7,12 - 15]。它包括一些历史人群(2000年前),当T2D管理大不相同时,T2D和其他健康状况的人群(例如,患有多种慢性病的人,例如心脏瓦斯氏病,阿尔茨海默氏病或中风),因此可能不会代表每个种族的T2D人群[16]。审查还没有将南亚种族[16]与其他种族进行比较,更广泛地说,以前没有该群体的死亡率定量比较与其他种族。涉及社区中所有2型糖尿病患者(包括南亚种族的糖尿病患者)的一种全群人的方法,将使不同种族之间进行强有力的比较。因此,需要对族裔群体之间T2D的全因死亡率差异进行更现代和强大的分析。这很重要,因为它将具有关键的研究和临床意义,尤其是在推动可以解释任何死亡率风险差异的因素上的进一步研究中,告知未来重点的临床干预措施,并努力努力改善T2D的结果。这项系统审查和荟萃分析的目的是使用基于人群研究的数据来比较来自不同种族的T2D患者的死亡风险。
一小部分易受焦虑影响的个体在一次暴露后就会产生危及生命的恐惧,这种恐惧可能会持续一生。然而,我们既不知道整个大脑对先天急性恐惧的反应,也不知道大脑活动如何随时间演变。持续的神经元活动可能是持续恐惧反应发展的一个因素。我们结合了两种实验方案来激发急性恐惧,从而导致长期恐惧:捕食者应激 (PS),一种在啮齿动物中诱发恐惧的自然方法;以及血清素转运蛋白敲除小鼠 (SERT-KO),该小鼠对 PS 的反应是持续的防御行为。在野生型 (WT) 和 SERT-KO 小鼠中,在 PS 之前、期间以及 PS 之后的短时间和长时间内监测行为。两种基因型都对 PS 做出了防御行为反应。SERT-KO 保持防御行为 23 天,而 WT 小鼠在 9 天内恢复到基线探索行为。因此,在 PS 后 9 天,WT 和 SERT-KO 之间的神经活动差异确定了小鼠持续防御行为的神经相关性。我们采用了纵向锰增强磁共振成像 (MEMRI) 来识别与不同行为相关的全脑神经活动。Mn 2 + 在清醒、行为正常的小鼠中积累,并进行回顾性成像。纵向跟踪相同的两组小鼠,WT 和 SERT-KO,可以通过统计参数映射 (SPM) 对全脑活动进行无偏定量比较。在 WT 的自然行为过程中,仅检测到低水平的活动诱导 Mn 2 + 积累,而在 WT 和 SERT-KO 中,PS 之后立即出现了更多的积累,并在 9 天时演变为一种新的活动模式(p < 0.0001,未校正,T = 5.4)。不同基因型的积累模式不同,SERT-KO 涉及的大脑区域更多,区域内体积也更大。使用我们基于活体小鼠锰增强 MR 图像的 InVivo Atlas 进行的新计算分割分析揭示了每个节段内显著增强体素体积的动态变化,这些体素在 87 个分割区域中的 45 个中因基因型而异。在 PS 后第 9 天,两种基因型的纹状体和腹侧苍白球都活跃,但在 SERT-KO 中更为活跃。SERT-KO 还显示恐惧后和第 9 天之间八个节段的 Mn 2+ 积累量持续或增加,而 WT 中的活动减少或沉默。在成像会话结束时固定的同一只小鼠的大脑的 C-fos 染色(另一种神经活动标记)证实 MEMRI 检测到了活跃的神经元。12 个感兴趣区域 (ROI) 的强度测量支持 SPM 结果。通过 SPM 和 ROI 测量进行的组间比较确定了不同时间点和基因型的特定区域。我们报告了单次急性恐惧暴露后的全脑活动,并且首次报告了在易受持续恐惧影响的个体中,其活动模式会随着时间的推移而演变。我们的研究结果显示,SERT-KO 中多个区域的神经活动发生了动态变化,并且各部分之间的活动平衡被打乱。因此,纵向 MEMRI 是一种强有力的方法,可以发现大脑范围内的活动如何从自然状态演变而来,无论是在经历之后还是在疾病过程中。
与没有这种病变的那些相比,缺血性中风后的预后(3),并且它们经历了更大程度的认知障碍(4)。WML可能是由脑小血管疾病引起的,脑白质血液流量减少(5)。目前,WML的原因通常归因于慢性小血管疾病。一些研究发现,脑灌注减少可能会导致双侧缺血和缺氧,从而导致微循环疾病并恶化神经变性(6)。次要皮质损伤会发生,因为白质纤维之间的连接受损(7)。然而,除了包括年龄和高血压在内的危险因素外,视网膜微血管异常的严重程度与lacunar梗死的发生和发展有关(8)和WMLS(9)(如多项研究中)。减少了视网膜微动菌和微化的数量,以及视网膜内层内层厚度的减小,与认知能力受损,灰色和白色质量较低以及损害的白质网络结构显着相关(10)。
