2.1 (a) 垂直 MEMS 耦合器的 (a) 关闭状态和 (b) 开启状态示意图 - 图片取自 [14] (c) MEMS 开关单元的 SEM - 图片取自 [22] . . 7 2.2 MEMS 开关元件的代表性传递函数。 . . . . . . . . . . . . . 8 2.3 (a) 128x128 SiPh MEMS 纵横开关 (b) 4x4 CMOS 高压驱动芯片倒装芯片接合到 SiPh MEMS 芯片的 GDS 屏幕截图。 . . . . . . . . . . . . 9 2.4 (a) SuperSwitch 1 高压驱动芯片的显微照片 (b) 驱动芯片的卡通布局图。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.5 假设采用单个 CMOS 芯片,则激活 128 行中的 1 行的简单原理图。 . 11 2.6 假设采用 4x4 CMOS 芯片阵列,则控制 128x128 开关的原理图。 12 2.7 (a) N c = 1 时第 0 列和第 1 列的逻辑 (b) N c = 2 时第 0 列和第 1 列的逻辑。 13 2.8 (a) 带有用于调试的环回多路复用器的 SuperSwitch1 控制芯片扫描架构的最终原理图。 (b) SuperSwitch1 控制器芯片的最终参数。 . . . . . 14 2.9 (a) SuperSwitch1 高压驱动电路原理图。 (b) 所有电源及其标称值的列表。 . . . . . . ... 19 2.13 (a) HVDD = 70 V、HVSS = 65 V 时所有角的 VSS 电阻 shmoo 图。 (b) 相同图,但 HVDD = 70 V、HVSS = 66 V。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.16 (a) 凸块 CMOS 焊盘的显微照片。(b) Au UBM 和 Au 微凸块的横截面。(c) 使用不同厚度的 UBM 在 SiPh 芯片上补偿 CMOS 焊盘高度差异的键合工艺说明。. . . . . . . . . 22
目的:我院于2021年2月引进的计算机断层扫描(CT)设备增加了利用人工智能(AI)技术的新型图像重建方法。这种重建方法被称为深度学习重建(Deep Learning Reconstruction,以下简称DLR),佳能称之为高级智能Clear-IQ引擎(Advanced intelligent Clear-IQ Engine,以下简称AiCE)。本研究的目的是评估各重建方法的物理特性和实用性,例如利用AI技术的新型图像重建方法AiCE和目前我院使用的迭代重建方法自适应迭代剂量减量3D(以下简称AIDR 3D)。 方法:通过(1)噪声评估(使用径向频率法测量噪声功率谱(NPS))、(2)低对比度分辨率评估(使用自制模型测量对比度噪声比(CNR))和(3)空间分辨率评估(使用圆边缘法测量调制传递函数(MTF))(1)来评估物理特性。假设成像条件为腹部区域,改变管电流来比较四种重建方法(滤波反投影 (FBP)、AIDR 3D Mid、AIDR 3D 增强 Mid 和 AiCE Body Mid)。 结果:在 NPS、CNR 和 MTF 测量中,AiCE 通常在所有 mAs 值下均显示出最佳结果。然而,在 NPS 测量的低频区域,AiCE 与其他重建方法相比并没有表现出显著差异。 此外,当比较 AIDR 3D 和 AiCE 的重建时间时,AiCE 所花的时间是 AIDR 3D 的 3 到 4 倍。 结论:本研究中,AiCE 在腹部条件下检查的三个物理特性方面优于 AIDR 3D,并且在图像质量方面有用。然而,在考虑重建时间时,需要考虑AiCE图像的运行可能会影响检查进度的可能性。
摘要 长期心理压力会严重影响大脑结构和功能。然而,只有少数研究使用脑电图 (EEG) 来检验这一事实。本研究展示了一种脑机接口 (BCI),用于对不同心理状态下长期心理压力的 EEG 相关因素进行分类。这项研究针对 26 名健康的右利手大学生进行,考试期被视为长期精神压力源。根据感知压力量表 (PSS-14) 评估的压力水平,选择两组受试者。在受试者睁眼静息状态下以及暴露于自我评估人体模型问卷 (SAM) 评分的正向和负向情绪刺激时收集他们的 EEG 数据。从 EEG 数据中提取了几种类型的特征,包括功率谱密度 (PSD)、侧化指数 (LI)、相关系数 (CC)、典型相关分析 (CCA)、幅度平方相干估计 (MSCE)、互信息 (MI)、相位斜率指数 (PSI)、格兰杰因果关系 (GC) 和有向传递函数 (DTF)。随后,使用几种类型的分类器对提取的特征进行区分,包括 k-最近邻 (KNN)、支持向量机 (SVM) 和朴素贝叶斯 (NB) 分类器。通过一种遗漏方法验证了所提出的 BCI,并在不同的时间窗口中使用低频和高频分辨率、分别 7 个和 36 个频带进行了调查。结果表明,所提出的系统可以准确识别受试者在不同心理状态下的压力水平。此外,与其他特征提取方法相比,MI 作为功能和 DTF 作为有效的连接方法可产生最高的分类准确率。关键词:长期心理压力、脑电图、情绪状态、分类。
摘要背景:最近,计算机断层扫描 (CT) 制造商已经开发出基于深度学习的重建算法来弥补迭代重建 (IR) 算法的局限性,例如图像平滑和空间分辨率对对比度和剂量水平的依赖性。目的:评估人工智能深度学习重建 (AI-DLR) 算法与混合 IR 算法对胸部 CT 图像质量和剂量减少的影响,对比不同临床适应症。方法:在用于胸部 CT 条件的五个剂量水平 (CTDI vol: 9.5/7.5/6/2.5/0.4 mGy) 下对 CT 美国放射学会 (ACR) 464 和 CT Torso CTU-41 体模进行采集。使用滤波反投影、两级 IR(iDose 4 级别 4 (i4) 和 7 (i7))和五级 AI-DLR(精确图像;更平滑、平滑、标准、清晰、更清晰)重建原始数据。计算了噪声功率谱 (NPS)、基于任务的传递函数和可检测性指数 (d ′):d ′ 模型检测软组织纵隔结节(纵隔内的低对比度软组织胸部结节 [LCN])、毛玻璃影 (GGO) 或高对比度肺 (HCP) 病变。两名放射科医生独立评估胸部拟人幻影图像的主观图像质量。他们使用常用的四或五分量表评估了纵隔图像的图像噪声、图像平滑度、纵隔血管与脂肪之间的对比度、实质图像的支气管与肺实质之间的视觉边界检测以及整体图像质量。结果:从标准到平滑水平,平均而言,噪声幅度降低(所有剂量水平:纵隔图像为 - 66.3% ± 0.5%,实质图像为 - 63.1% ± 0.1%),平均 NPS 空间频率降低(所有剂量水平:纵隔图像为 - 35.3% ± 2.2%,实质图像为 - 13.3% ± 2.2%),三种病变的可检测性 (d′) 增加。从标准到清晰水平则发现了相反的模式。从平滑到清晰水平,
ADC 模拟数字转换器 AGC 自动增益控制 ASCII 美国信息交换标准代码 ASPRS 美国摄影测量与遥感协会 BRDF 双向反射分布函数 CAAD 计算机辅助建筑设计 CAD 计算机辅助设计 CAM 计算机辅助制造 CCD 电荷耦合器件 CCIR 国际无线电咨询委员会 (Comité consultatif international pour la radio) CD-ROM 光盘 - 只读存储器 CID 电荷注入装置 CIE 国际照明委员会 (Commission Internationale de l'Éclairage) CIPA 国际建筑摄影测量委员会 (Comité International de Photogrammétrie Architecturale) CMM 坐标测量机 CMOS 互补金属氧化物半导体 CT 计算机断层扫描、层析成像 CTF 对比度传递函数 DAGM 德国模式识别协会 (Deutsche Arbeitsgemeinschaft für Mustererkennung) DCT 离散余弦变换 DGPF 德国摄影测量与遥感协会und Geoinformation(德国摄影测量、遥感和地理信息学会) DGZfP Deutsche Gesellschaft für Zerstörungsfreie Prüfung(德国无损检测学会) DIN Deutsches Institut für Normung(德国标准化研究所) DLT 直接线性变换 DMD 数字镜面装置 DOF 自由度 DRAM 动态随机存取存储器 DSM 数字表面模型 DTP 桌面出版 DVD数字多功能(视频)磁盘 DXF autocad 数据交换格式 EP 入瞳 E'P 出瞳 EPS 封装后记 FFT 全帧传输或快速傅里叶变换 FMC 前向运动补偿 FOV 视场 FPGA 现场可编程门阵列 FT 帧传输 GIF 图形交换格式 GIS 地理(图形)信息系统 GMA Gesellschaft für Meß- und Automatisierungstechnik(计量与自动化技术学会) GPS 全球定位系统 HDTV 高清电视
摘要:在过去几年中,基于运动图像(MI)的大脑 - 计算机界面引起了很多关注。他们提供了通过使用大脑活动来控制外部设备的能力,例如假肢和轮椅。一些研究人员报告了运动任务期间多个大脑区域的交流,因此很难隔离发生运动活动的一个或两个大脑区域。因此,对大脑神经模式的更深入的了解对于BCI来说很重要,以便提供更有用和有见地的特征。因此,大脑连接性提供了一种有希望的方法,可以通过在运动想象中考虑通道间/区域关系来解决所述的缺点。这项研究以部分定向相干性(PDC)和定向传递函数(DTF)为大脑中的有效连通性,作为运动成像(MI)分类的非常规的特征集。进行了基于MANOVA的分析以识别统计上显着的连接对。此外,该研究试图通过使用四种分类算法(SVM,KNN,决策树和概率神经网络)来预测MI模式。研究使用从Physionet EEG数据库中提取的两类MI数据对所有分类方法进行了比较分析。基于概率神经网络(PNN)作为分类器和PDC作为特征集的提议技术优于其他分类,并且具有较高分类精度和较低差异率的其他分类和提取技术。研究发现表明,当PDC用作特征集时,PNN的总体平均准确性最高98.65%,而同一分类被用于达到DTF的最大精度为82.81%。本研究通过与常规特征相比,通过大脑连通性获得更好的分类结果来验证运动任务期间多个大脑区域的激活。由于PDC的表现优于DTF作为具有出色分类精度和低误差率的特征集,因此它具有在基于MI的脑部计算机接口中应用的巨大潜力。
血流动力学反应函数 (HRF) 表示将神经活动与功能性磁共振成像 (fMRI) 信号联系起来的传递函数,用于对神经血管耦合进行建模。由于 HRF 受非神经因素的影响,迄今为止,它在很大程度上被视为混杂因素,或在许多分析中被忽略。然而,潜在的生物物理学表明 HRF 可能包含有意义的神经活动关联,而这些关联可能无法通过传统的 fMRI 指标获得。在这里,我们通过对 25 名健康对照者(扫描两次)和 44 名强迫症 (OCD) 成人(接受 4 周强化认知行为疗法 (CBT) 之前和之后)的纵向样本的静息态 fMRI 数据进行反卷积来估计 HRF。在包括尾状核在内的区域中,OCD 的 HRF 反应高度、达峰时间和半峰全宽 (FWHM) 在治疗前异常,治疗后恢复正常。使用机器学习,治疗前 HRF 预测治疗结果(OCD 症状减轻)的准确率为 86.4%。治疗前尾状核头部的 HRF 反应高度和尾状核尾部的峰值时间是治疗反应的主要预测因素。尾状核尾部的峰值时间可能具有新的重要性,而尾状核尾部是使用传统 fMRI 激活或连接测量方法在强迫症研究中通常不会识别的区域。此外,尾状核头部的反应高度可预测治疗后的强迫症严重程度(R=-0.48,P=0.001),并与治疗相关的强迫症严重程度变化相关(R=-0.44,P=0.0028),强调了其相关性。由于 HRF 是一种对大脑功能、强迫症病理和干预相关变化敏感的可靠标记,这些结果可以指导未来的研究,找到通过传统 fMRI 方法(如标准 BOLD 激活或连接)无法实现的新发现。
目的:本研究旨在比较精确 IQ 引擎 (PIQE) 和高级智能 Clear-IQ 引擎 (AiCE) 算法在心脏计算机断层扫描 (CT) 协议中根据剂量水平对图像质量的性能。材料和方法:使用 CT ACR 464 幻影在三个剂量水平(体积 CT 剂量指数:7.1/5.2/3.1 mGy)下使用前瞻性心脏 CT 协议进行采集。使用 AiCE 和 PIQE 的三个级别(轻度、标准和强)重建原始数据。计算了骨骼和丙烯酸插入物的噪声功率谱 (NPS) 和基于任务的传递函数 (TTF)。计算可检测性指数 (d ') 来模拟冠状动脉腔 (350 Houns 场单位和 4 毫米直径) 和非钙化斑块 (40 Houns 场单位和 2 毫米直径) 的可检测性。结果:PIQE 的噪声幅度值低于 AiCE (轻度为 13.4 § 6.0 [标准差 (SD)] %、标准为 -20.4 § 4.0 [SD] % 和强度为 -32.6 § 2.6 [SD] %)。PIQE 的平均 NPS 空间频率比 AiCE 向更高频率移动 (轻度为 21.9 § 3.5 [SD] %、标准为 20.1 § 3.0 [SD] % 和强度为 12.5 § 3.5 [SD] %)。对于丙烯酸插入物,PIQE 的 TTF 值在 50% (f 50 ) 值下比 AiCE 移向更高频率,但对于骨插入物,发现 f 50 值接近。无论剂量和 DLR 水平如何,两种模拟心脏病变的 d ' 值在 PIQE 中都高于在 AiCE 中。对于模拟冠状动脉腔,所有剂量水平的轻度 d ' 值平均好 35.1 § 9.3 (SD) %,标准剂量水平好 43.2 § 5.0 (SD) %,强剂量水平好 62.6 § 1.2 (SD) %。结论:与 AiCE 相比,PIQE 降低了噪音,提高了模拟心脏病变的空间分辨率、噪音纹理和可检测性。PIQE 似乎在心脏 CT 采集中具有更大的减少剂量的潜力。© 2023 Société française de radiologie。由 Elsevier Masson SAS 出版。保留所有权利。
代数和特征值分析。2。学习与矢量代数和微分方程有关的解决问题的工具。3。学习复杂分析和各种系列4的基础知识。获得有关张量的知识5。To acquire proficiency in integral transform UNIT I Vector Algebra and Calculus: Vector algebra, vector calculus, Green's theorem, Stokes' theorem, Linear algebra, Matrices: operations, determinants, eigenvalues and eigenvectors, diagonalization, linear systems, Cayley-Hamilton Theorem and its applications, Fourier series, Fourier transform.拉普拉斯变换。UNIT II Differential Equations and Special Functions: Linear ordinary differential equations, separable equations, integrating factor methods, linear equations, exact equations, homogeneous and non-homogeneous equations, solution methods (undetermined coefficients, variation of parameters), Runge-Kutta method, Bessel functions, Hermite functions, Legendre polynomials, Laguerre polynomials,这些功能的属性和应用。第三单元复杂分析:复杂分析,分析功能的要素; Taylor&Laurent系列;杆,残基和积分的评估。基本概率理论,随机变量,二项式,泊松和正常分布。中央限制定理。入门群体理论:SU(2),O(3)。单一组的年轻图及其对SU(2)和SU(3)的简单应用。单元IV张量分析:张量代数,线性组合,直接产品,收缩,张量密度,仿射连接的转换,仿射连接的转化,协变量,梯度,梯度,弯曲和差异,Unit-V Green的功能和群体的功能和群体理论:绿色的功能,绿色的功能,绿色的功能,绿色的功能,绿色的功能,绿色的功能,绿色的功能,对点的功能,点,点,绿色的功能,点,点,绿色的功能,点,绿色的功能,点,绿色的功能,点,以绿色的功能,点,以绿色的功能,绿色的功能,点,绿色的功能,点,以绿色的功能,点,绿色的功能,点,以绿色的功能,点,绿色的功能。球形极坐标膨胀,狄拉克三角洲函数。单元V积分转换:傅立叶积分,傅立叶变换定理,卷积定理,动量表示,传递函数,neumann系列,可分离内核,Hilbert-Schmidt理论。
摘要 本文介绍了 FLEXOP H2020 EU 项目框架内无人驾驶实验飞机减速板的建模、系统识别、仿真和飞行测试。由于飞机配备了响应缓慢的喷气发动机,因此在加速飞机进行颤振测试后,需要使用减速板来增加减速,以便保持在当局批准的有限空域内进行飞行测试。减速板由伺服电机、开启机构和减速板控制面本身组成。在简要介绍了演示飞机、减速板设计和实验测试台后,本文参考了以前的工作,对建模和系统识别进行了深入描述。系统识别包括确定高度非线性(饱和和负载相关)伺服执行器动力学以及非线性气动和机械特性,包括刚度和惯性效应。相对于之前的工作,新的贡献是考虑了负载打开或关闭的统一伺服角速度极限模型,考虑了整个偏转和飞机空速范围的减速板法向力和阻力模型的详细构建和评估,提出了统一的气动-机械非线性模型,给出了减速板角度、动态压力和伺服扭矩之间的直接关系,以及基于传递函数的机构刚度和惯性效应建模。确定的伺服动力学模型包括系统延迟、内部饱和、前面提到的负载相关角速度极限模型和传递函数模型。基于考虑减速板整个开启角度和动态负载范围的试验台测量验证了伺服模型。还考虑了新的、未发表的测量结果,其中伺服负载随着伺服移动而逐渐增加,以在更现实的情况下验证模型。然后构建完整的减速板模型并在模拟中测试以检查实际行为。下一步,通过在软件在环 (SIL) Matlab 仿真中使用飞机的基线控制器飞行模拟测试轨迹,对集成到 FLEXOP 飞机非线性仿真模型中的减速板模型进行测试。首先,将独立的减速板仿真与 SIL 结果进行比较,以验证减速板模型与非线性飞机仿真的完美集成。最后,使用实际飞行数据来验证和更新减速板模型并显示减速板的有效性。然后比较有和没有空气制动器的减速时间,强调空气制动器在测试任务中的实用性。