目的是目前可用的增强现实工作流程,需要使用手动或半自动分段创建3D模型,这是一个耗时的过程。作者创建了一种自动分割算法,该算法从单个T1加权MR序列中生成3D模型的皮肤,大脑,心室和对比度增强的肿瘤,并将该模型嵌入自动工作流中,以在云环境中增强现实的解剖结构的3D评估。在这项研究中,作者验证了该自动分割算法对脑肿瘤的准确性和效率,并将其与手动分割的地面真实集进行了比较。包括五十个对比度增强的T1加权序列,这些序列包括对比增强病变,测量至少5 cm 3。手动分割了地面真相集的所有切片。相同的扫描是在云环境中进行的,以进行自动分割。分割时间。将算法的准确性与手动分割的精度进行了比较,并根据Sørensen-Dice相似性系数(DSC),平均对称的表面距离(ASSD)和Hausdorff距离的95%(HD 95)进行了评估。结果自动分割算法的平均值±SD计算时间为753±128秒。平均值±SD DSC为0.868±0.07,ASSD为1.31±0.63 mm,HD 95为4.80±3.18 mm。脑膜瘤(平均0.89和中位0.92)的DSC大于转移(平均0.84和中值0.85)。自动分割的测量DSC(平均0.86和中位数为0.87)和HD 95(平均3.62 mm和中位3.11 mm)的上流转移的准确性要比依次转移的转移(平均0.82和中位数0.81 and 0.81 and dsc;平均值5.26 mm和median 4.72毫米)的HD 95 95毫米(平均0.82和中位数0.81),用于H.472 95 95 95 95 95 95 95 95 95 95毫米。结论通过提供3D增强对比度增强颅内病变的现实可视化,测量至少5 cm 3,基于云的分割算法是可靠,准确且足够快的,可以在日常临床实践中有助于神经外科医生。下一步涉及将其他序列合并并通过3D微调提高准确性,以扩大增强现实工作流程的范围。
抽象理解控制下三叠纪邦特斯坦群体的时间和空间演化的因素,法国东部,不仅对古环境重建而言重要,而且还重要,因为它是上层若细胞园中富含锂富含碱性的地热的含量的重要储层。这项研究的感兴趣间隔,下grèsVosgien组(LGV)由c组成。 200米的混合河流和风化的碎屑沉积物。鉴于露头和矿物质和热勘探区域之间的距离,该地区为露头和储层之间的定量分析和相关性提供了独特的机会。LGV是Buntsandstein群中最厚的形成。但是,迄今为止,尚未发布详细的体系结构分析来揭示其沉积元素的控制因素。在这项研究中,高分辨率相分析用于13个露头和核心,以量化河流和风化的沉积体系结构,并在沉积过程中理解古环境条件。确定了两个相协会。河道相的关联,主要由沉积在狭窄较差的砂岩(偶尔临时通道)中的砂岩组成,对应于总厚度的93%。对以下,过渡和上流机制沉积结构进行特征的800多组地层的分析,分布在不同的建筑元素内,使时间和空间变化的区别以及河流palaeohydraulaulaulaulaulaulaulaulaulaulaulaulaulaulaulaulaulaulaulicaulicaulicaulics的区别。风和水相协会占总厚度的7%的7%,记录了一个由波动的水表和短暂的洪水控制的建筑。的结果表明,风体沙丘和沙片在不同的时间时刻积累。记录在核心中的垂直趋势表明,两种相互关联之间的互动频率的上升增加,并且河流起源较厚的跨层砂岩集的发生率下降,这与LGV的整体逆转堆叠模式相关,将其解释为LGV的整体逆转堆叠模式,被解释为保存的分布式系统(大型分布式系统)(DF)。出现横向广泛的风格沉积物,上覆盖的河流沉积物,通常与在区域尺度上相对干旱条件的作者相关联。但是,证据表明渠道带撕裂是建立这两个相协会的替代解释。这些发现增强了关于编织河流和风化的沉积控制因子的知识