近年来,许多探测器被发射到月球、行星、小行星和彗星进行科学观测。许多探测器都携带了光探测和测距 (LIDAR) 系统,其测量范围从几十公里到几百公里 [1, 2, 3, 4, 5]。我们已经为远程 LIDAR 接收器开发了定制 IC“LIDARX”,它将安装在火星卫星探测器 (MMX) [6] 上。另一方面,如果航天器降落在月球或行星上进行科学观测或资源勘探,航天器的着陆点通常是未开发地点,这些地点可能并不总是着陆的理想地点。在这些未开发地点进行精确着陆需要三维 (3D) 图像,以便在着陆前立即测量地形、避障和检测相对于地面的姿态。美国宇航局的自主着陆和避险技术 (ALHAT) 项目正在开发一种系统,用于快速自主地识别未来行星着陆装置 GN&C 的安全着陆点 [7, 8, 9]。在 ALHAT 中,Flash LIDAR [10, 11, 12, 13] 被定位为障碍物检测的重要传感器。作为一个典型的例子,2016 年发射的 OSIRIS-REx 使用 Flash LIDAR 进行制导、导航和控制 [14, 15, 16, 17]。Flash LIDAR 是一种以类似于闪光摄影的方式捕获 3D 图像的传感器,通过将激光脉冲散射并照射到相机的视场上,相机会
衍射法可揭示有关晶相体积分数、纹理和残余应力的信息,而断层扫描可提供材料微观结构的互补三维图像。衍射和断层扫描在定制材料设计、加工和寿命评估领域的影响越来越大。光谱学可提供有关化学键合细节的独特信息,并有助于理解原子间的相互作用。目前,工程材料科学对光子和中子的利用情况发展迅速:光子和中子源的通量增加,现有光束线和仪器的翻新以及设计和建造具有优化光束光学和位置敏感探测器的新光束线和仪器,以及数据质量和数量的提高。
我们开发了一种缺血性中风的模型,在其中我们可以产生脉管系统的三维图像,并在三维中可视化单核细胞的活性。使用MIFS轻型显微镜,我们对整个处理的脑组织进行了成像,并研究了同一样品中的多个荧光记者信号。使用我们的模型,我们观察到单核细胞在中风后三天直接与脑血管相互作用。单核细胞表现出一种表型,其中它们沿血管分支对齐并包裹自己。使用同一模型,我们还研究了大脑中的其他免疫细胞以及它们在中风后的表现。总体而言,我们开发的轻型成像模型将允许在整个清除的组织样品中进行各种细胞类型的三维荧光成像。
波音公司认为,787 梦想飞机的新数字技术需要数字化培训解决方案来最大限度地提高培训效果和客户价值,因此开发了全数字化、基于互联网的飞行和维护培训教学系统,以及实时连接到虚拟飞机和飞机系统的培训工具。个人台式计算机、交互式计算机培训、三维图像和桌面模拟的使用使培训效率大大提高。现代飞行训练设备和模拟器与这些工具、数字化交付和基于机队通用性的货币相结合,提供比以前波音培训计划短得多的课程。这些新的培训计划可在子公司 Alteon 的全球 787 培训地点网络中找到。
引言下膜血肿(SDHS)也称为创伤性脑损伤(TBI)。SDH可以在任何年龄发生,但最常见于65岁或以上的老年人口(Kwon等,2022)。硬膜下血肿每100,000个人中约21个,并且变得越来越普遍(Kung&Lin,2020)。计算机断层扫描(CT)是一种成像方式,可使用X射线产生横截面图像。X射线管和检测器围绕感兴趣的区域旋转360度,从而在CT扫描过程中产生横截面图像。这些图像可以在多个平面中重新格式化,甚至可以生成在计算机监视器上查看的三维图像。(Long等,2019)。ct是由于短扫描时间和产生的图像而检测SDHS的首选成像方式。(Kwon等,2022)。
摘要:薄片计算机断层扫描(CT)不仅被广泛用于评估形态,而且用于评估呼吸功能。从薄片CT获得的三维图像提供了肺,气道和血管体积的精确测量。这些体积指数与传统的肺功能测试(PFT)相关。CT还生成肺直方图。低衰减和高衰减区域的体积比与PFT结果相关。这些定量图像分析已被用于研究弥漫性肺部疾病的早期阶段和疾病的进展,从而导致了新型概念的发展,例如智障前阻塞性肺部疾病(前)和间质肺异常。定量分析在19009年大流行期间特别有价值。在这篇综述中,我们介绍了CT分析方法,并在各种肺部疾病的背景下探索其临床应用。我们还强调了技术进步,包括矩阵为1024×1024的图像和0.25 mm的切片厚度,从而提高了这些分析的准确性。
承保政策 用于筛查、诊断或评估注意力缺陷多动障碍 (ADHD) 治疗的单光子发射计算机断层扫描 (SPECT) 属于研究性质,因此不在承保范围内。缺乏足够的高质量同行评审医学文献形式的可靠证据来确定其疗效或对医疗保健结果的影响。描述单光子发射计算机断层扫描 (SPECT) 是一种核成像测试,它使用放射性物质、特殊相机和计算机来创建大脑的三维图像。SPECT 可用于测量某些大脑区域的活动与特定心理功能之间的关系。因此,它据称可用于诊断或评估被认为表现出注意力缺陷多动障碍 (ADHD) 特征的个体,该术语用于描述一组行为特征,包括注意力受损、注意力分散、冲动以及活动减退或多动。但是,证明 SPECT 可改善临床结果的研究有限。
在本文中,我们介绍了一种新的几何深度学习模型 CorticalFlow,该模型通过给定一张三维图像来学习将参考模板变形为目标对象。为了保留模板网格的拓扑属性,我们通过一组微分同胚变换来训练我们的模型。这种新的流常微分方程 (ODE) 框架实现受益于小型 GPU 内存占用,可以生成具有数十万个顶点的曲面。为了减少由其离散分辨率引入的拓扑误差,我们推导出可改善预测三角网格流形性的数值条件。为了展示 CorticalFlow 的实用性,我们展示了它在大脑皮层表面重建这一具有挑战性的任务中的表现。与目前最先进的技术相比,CorticalFlow 可以生成更优质的曲面,同时将计算时间从 9 分半钟缩短到 1 秒。更重要的是,CorticalFlow 强制生成解剖学上合理的曲面;它的缺失一直是限制此类表面重建方法临床意义的主要障碍。