hal是一个多学科的开放访问档案,用于存款和传播科学研究文件,无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
屏幕截图反馈比书面反馈具有支持参与和颁布的优势,但是同行屏幕截图反馈的潜力仍然没有得到充实。这项研究采用了一个小尺度(n = 8),深入,三角,定性的方法来解决这一差距,采用社会材料镜头来调查在紧急偏远学期中使用对话对话同伴屏幕截图的使用。屏幕截图同行反馈可增强深度,从而扩展书面评论,重点介绍屏幕截图中的“全局”方面和文本中的“本地”方面。使用反馈提供者的摄像机帮助学习者管理和处理反馈的情感影响,鼓励吸收并支持通过正在进行的技术介导的面向制定的对话来维持的关怀反馈社区的发展。结果揭示了各种社会和物质因素与代理和参与反馈实践的出现“纠缠”。这些发现对大流行及以后的在线,混合和混合条件中的教学具有重大影响。
摘要 — 本文提出了一种用于 PET 扫描中标准化摄取值 (SUV) 计算的新方案。将结果与 GE 医疗集团知名应用软件中的 SUV 进行比较。使用从广泛使用的标准 PET 幻像扫描中获取的 DICOM 文件评估该方案的性能。对 45 个图像切片中的 2 个不同 ROI 大小进行了比较,并使用了 Pearson 相关性。结果表明,两个系统以 95% 的置信度显著相关。因此,结果确保了他的标准化摄取值 (SUV) 计算新方案提供了正确的 SUV 值。该方案的优势在于,无需任何供应商的特殊应用软件即可方便地完成 DICOM 文件的互换。关键词 — 正电子发射断层扫描联合计算机断层扫描 (PET/CT)、标准化摄取值 (SUV)、医学数字成像和通信 (DICOM)
Instituto de Acústica, CSIC。Serrano 144, 28006 Madrid (西班牙), iacpc24@ia.cetef.csic.es 摘要:由于尺寸与波长之比的限制,被动系统本质上无法在低频范围内提供吸收。另一方面,主动控制系统在低频下工作。然后可以设想一种混合被动-主动系统,它通过主动控制补充被动吸收器的低频范围。如果配置正确,这种混合系统能够提供宽带吸收。1.简介 主动控制系统可以与传统被动元件相结合,以提供宽带吸收,包括低频 [1-2]。被动吸收器可以由气腔前面的多孔层和不透水端壁组成。主动系统包括误差传感器、执行器和自适应控制器。如果误差传感器是被动层后面的麦克风,则主动系统会在气腔输入处释放压力 [3]。这通过压力释放提供主动控制器。另一方面,如果在气腔中有两个麦克风和一个反卷积电路,则可以分别测量入射和反射分量。取消气腔中反射分量的主动系统称为阻抗匹配器 [4]。主动系统的性能取决于被动元件的设计。Cobo 等人[5-6] 表明,当被动元件的阻抗减小时,阻抗匹配条件的主动吸收效果更佳。否则,只要被动元件设计得当,压力释放条件的效果会更好。因此,在实施混合被动-主动吸收系统之前,有必要通过适当的模型预测其性能。本文讨论了压力释放条件下的混合被动-主动吸收系统的理论建模和实验验证。被动元件可以是多孔层或微穿孔板 (MPP)。2.平面波混合吸收模型让我们考虑一个管道,其中平面波向下和向上传播。左侧某处的主要源在每一层产生入射平面波 A i 和反射平面波 B i ,如图 1 所示。管道另一侧的被动吸收器可以是多孔层,其声阻抗为 Z a ,传播常数为 Γ a ,厚度为 d ,也可以是 MPP ,其
质谱成像 (MSI) 正在成为一种强大的分析工具,可通过对薄组织切片进行原位质谱分析,对内源性和外源性分子进行检测、量化和同时进行空间分子成像,而无需化学标记。MSI 可生成所施用药物和代谢物的化学特异性和空间分辨的离子分布信息,这可用于涉及药物吸收、分布、代谢、排泄和毒性 (ADMET) 各个阶段的研究的众多应用。基于 MSI 的药代动力学成像分析提供了有关动态药物分布和代谢过程的组织学背景和细胞环境,并有助于了解药物的空间药代动力学和药效学特性。在此,我们讨论了 MSI 的当前技术发展,这些技术可提供临床前和临床组织标本中小分子药物、抗体和寡核苷酸大分子药物及其代谢物的定性、定量和空间位置信息。我们重点介绍全身、脑、肺、肝、肾、胃、肠组织切片、类器官中的宏观和微观药物分布,以及 MSI 在药物 ADMET 研究中的最新应用。
UCP 正在与其他用户社区、行业、服务提供商和研发部门合作,汇集不同应用领域的专业知识和见解,分享经验,并通过鼓励跨学科合作来加强欧盟创新者网络
CEA,并在实验室中开发了包括Fifrelin在内的几种核裂变守则。代码依赖于四个免费参数,这些参数是为了重现平均中子和伽玛多重性的四个免费参数。这些输出均以各自的不确定性计算。在这项工作中,Fifrelin被视为黑匣子,我们从中没有任何先验知识。目的是找到合适的自由参数列表,以获取特定的输出数据。由于蒙特 - 卡洛方法,对目标不确定性(约9分钟)的计算时间相对较高,为0.01或0.03-取决于组件。因此,随机探索输入空间(4个维度)是很耗时的。在本文中,我们建议使用机器学习来克服此类问题。由于输入和输出数量少,并且我们对输出的不确定性所使用的机器学习方法的事实是高斯过程回归,也称为Kriging [1]。我们提出的方法结合了这种Kriging方法和目标中的优化算法,以找到与给定输出相对应的自由输入参数。以下第2节介绍了算法Fifrelin,该作品的目标是在第3节中确定的。第4节是关于高斯流程回归背后的数学和关于我们开发的算法的第5部分。最后,我们在6中显示了结果,并得出了结论。
检测比MEV更重的轴线暗物质受到其小波长的阻碍,这限制了传统实验的有用体积。可以通过直接检测中等激发来避免此问题,后者的〜MEV - EV能量与检测器的大小是解耦的。我们表明,对于磁场内的任何目标,电磁轴轴的吸收率由介电函数确定。结果,可以将以前用于子GEV暗物质搜索的候选目标重新定义为宽带轴测检测器。我们发现,具有与最近测量值相当的噪声水平的kg yr暴露足以探测实验室测试目前未探索的参数空间。降低噪声仅减少几个数量级,才能对〜10 MeV - 10 eV质量范围内的QCD轴敏感。
使用气候模型登山者-X,我们提出了一种有效的方法,可以吸收涵盖现在22000至6500年的最后一次脱位的表面温度的时间演化。数据同化方法结合了数据和管理气候系统的基本动力学原理,以提供系统的状态估计,这比仅使用数据或单独模型可以获得的系统要好。在应用集合Kalman滤波器方法时,我们利用并行数据同化框架(PDAF)中的进步,该框架(PDAF)提供了并行数据同化功能,计算时间的增加相对较小。我们发现数据同化溶液在很大程度上取决于腐烂的冰盖的背景演变,而不是同化的温度。两种不同的冰盖侦察结构会导致不同的冰川融化病史,影响了大规模的海洋结构,从而影响了表面温度。我们发现,数据同化的影响在区域尺度上比全球平均值更为明显。尤其是,数据同化在千禧一代变暖和冷却阶段的效果更强,例如BØlling-AllerØD和年轻的Dryas,尤其是在具有异质温度模式的高纬度地区。我们的方法是对多千年时间尺度进行全面的古平方分析迈出的一步,包括将可用的古气候数据纳入了代表区域气候的不确定性。
我们评估了政府规定的疫苗接种要求证明对进入公共场所和非必需企业对COVID-19疫苗接种的影响的影响。我们发现,授权的宣布与新的疫苗接种(每周首次剂量增加60 \%)的迅速和显着激增相关,该措施在加拿大省份的这些措施的时间变化中的变化是在差异差异方法中。对每个省以及法国,意大利和德国的时间序列分析证实了这一发现,我们估计省级疫苗接种率的累计收益最高5个百分点,截至2021年10月31日,加拿大的总剂量为790,000个或更多的首次剂量(省级授权后的5至13周)。我们还发现法国(3至5亿剂量),意大利(约6亿吨)和德国(约3.5亿吨)(大约3.5亿吨)的疫苗接种率很大,在疫苗接种授权公告证明后11至16周。