XiaoMi-AI文件搜索系统
World File Search SystemAXB
AXB 1344-从桌面坠落 - Dsource
2020 年 8 月 7 日，印度航空 1344 航班在卡利卡特机场的台式跑道上坠毁，这一可怕事件震惊了整个航空业。这本图文并茂的书试图从人为因素的角度讲述故事，概述导致这起可怕事故的一系列事件。借助图片和通俗易懂的语言，读者可以了解更多导致这场悲惨事故的因素。本书引发了对导致事故的因素背后的人为因素和社会技术方面的讨论。因此，这本书成为航空业相关人士的必读书籍，同时，它的精心设计也迎合了那些好奇想了解更多事故背后事故动态的普通公众。
各向异性分析算法的剂量比较（...
AAA 算法因其准确性和在放射治疗计划中的广泛应用而广受赞誉，但由于该算法仅依赖于组织密度参数，因此忽略了元素组成这一基本方面，因此存在局限性 [5-7]。这会影响其在组织密度不同和植入原子序数较高的材料的区域的精度。相比之下，Acuros XB (AXB) 是一种先进的算法，可直接求解线性玻尔兹曼传输方程，更有效地提供蒙特卡罗级精度 [8, 9]。AXB 通过将剂量计算分为两个阶段来改进 AAA：模拟加速器头部的辐射束，然后计算患者体内的剂量分布。AXB 的独特之处在于它详细考虑了组织的元素组成，将体素几何形状与 CT 扫描的质量密度和材料组成对齐。这确保了在不同密度环境中的高精度。AXB 主要计算介质剂量，但可以将其转换为水剂量，从而引入一些不确定性。然而，剂量-中等仍然是治疗评估和结果分析的首选，并且正在对最佳临床剂量报告方法进行研究[10, 11]。
dosimetric-comporparison-bettwo-two剂量估计 -
目的：这项研究的目的是比较两种剂量计算算法 - 动物分析算法（AAA）（AAA）和Acuros XB（AXB） - 在立体术中使用Halcyon和TrueBeam辐射疗法的肺癌的组合（sbrt）在立体定向性身体放射治疗（SBRT）中的剂量差异（AXB）。材料和方法：一项回顾性研究，招募了20例在澳门Kiang Wu医院接受SBRT治疗的上叶或中叶的周围定位原发性肺癌或肺转移患者。CT图像被进口到Varian Eclipse治疗计划系统（TPS）版本17.01，用于使用RT设备中的AAA和AXB重新计划。根据放射疗法肿瘤学组（RTOG）-0813和RTOG-0915方案评估了有风险的计划质量和处于危险中的器官（OARS）标准。此外，还记录了监视器单元（MU），光束（BOT）和剂量计算时间，以评估治疗计划和交付效率。用p值<0.05确定统计显着性。结果：AAA提供了比AXB更好的合格性，异质性和R50％（0.91 vs 0.89，0.075 vs 0.096，1.05 vs1.07，p <0.05）。计算算法和RT设备都提供了与桨相比的剂量。值得注意的是，与Halcyon相比，TrueBeam需要更少的MUS（分别为65.1 vs 58.7，P <0.05）才能提供相同的剂量，而基于GPU的AXB的TrueBeam在减少剂量计算时间（P <0.001）方面具有优势。基于GPU的AXB的TrueBeam在RT治疗计划和交付方面非常有效。结论：剂量计算算法和RT设备在SBRT肺癌治疗中均有效，在目标覆盖率上具有很高的精度，而与OAR相当。
自动机器人手眼校准通过基于学习的3D Vision
抽象的手眼校准是基于视觉机器人系统的基本任务，通常配备协作机器人，尤其是对于中小型企业（中小型企业）的机器人应用。大多数手眼校准方法都取决于外部标记或人类援助。我们提出了一种新的方法，该方法可以使用机器人基础作为参考来解决手眼校准问题，从而消除了对外部校准对象或人类干预的需求。使用机器人底座的点云，从相机的坐标框架到机器人底座的转换矩阵被确定为“ i = axb”。为此，我们利用基于学习的3D检测和注册算法来估计机器人基础的位置和方向。该方法的鲁棒性和准确性是通过基于基础真实性的评估来量化的，并且将精度结果与其他基于3D视觉的校准方法进行了比较。为了评估我们的方法论的可行性，我们在不同的关节构造和实验组中使用了低成本结构化的轻扫描仪进行了实验。根据实验结果，提出的手眼校准方法达到了0.930 mm的翻译偏差，旋转偏差为0.265度。此外，3D重建实验表明旋转误差为0.994度，位置误差为1.697 mm。此外，我们的方法提供了在1秒内完成的潜力，这是与其他3D手眼校准方法相比最快的。相关代码在https://github.com/leihui6/lrbo上发布。我们根据手眼校准方法进行室内3D重建和机器人抓握实验。