图 10 ZEISS Xradia Versa XRM 系列摘要。ZEISS Xradia Versa 平台提供 RaaD 功能、优化的对比度和出色的图像质量,适用于最广泛的样品类型。ZEISS Xradia 515 Versa 为该平台添加了最新的分辨率功能以及现代易用性和灵活性。ZEISS Xradia 6XX Versa 进一步增加了更高的吞吐量、增强的用户体验、更高的可靠性和更低的拥有成本,成为性能最高的下一代 3D X 射线显微镜。
其他制造商,尤其是电子行业的制造商,正在依靠循环经济原则为已达到使用寿命的产品注入新的生命。例如,通过为旧款 MRI 扫描仪安装更新的电子设备和软件,制造商正在将这种昂贵设备的可用性扩展到以前买不起的社区。由于这些努力,几家医疗成像制造商发现,为低强度的剩余机器安装新的电子设备和软件可以提高图像质量——也许可以在此过程中挽救生命。
医学图像通常需要重新缩放到各种空间分辨率,以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而,现有的基于 INR 的方法需要重复执行神经网络 (NN),这既慢又低效。在本文中,我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像,其输入是低分辨率图像,输出是解析函数的参数化。通过单个 NN 推理获得解析表示后,可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示,NExpR 比基于 INR 的方法快得多。除了速度之外,我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集(包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集)以及计算机断层扫描 (CT) 数据集(特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集)上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级,实现了超过 100 倍的加速,同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
特性与优势 • 高图像质量 – 高对比度和宽色域可实现生动的图像 – 电影般的图像:高填充系数 (>90%) – 分辨率选项从 nHD (640 x 360) 到 4K • 灵活性和可扩展性 – 短焦和超短焦光学器件可在短距离内实现大图像 – 几乎任何表面都可以成为显示器 – 可集成紧凑型光学引擎,而不会影响产品尺寸和美观度 • 高光学效率 – 低功耗、高亮度显示器 – 所需的热管理最少,包括高性能无风扇设计
过去,具有足够成像能力的卫星解决方案对于许多行业来说成本过高,而且无法提供真正有用的持久覆盖范围。L3Harris 长期以来一直生产一些最值得信赖的太空“眼睛”,它通过重新设计其高端光学器件、专利结构和出色的图像质量产品来满足这一需求,从而生产出 SpaceView 系列高性能成像有效载荷。SpaceView 系统专为小型卫星群量身定制,以实惠的价格实现更快的重访率和更大的覆盖范围——同时仍能提供关键情报。
图像质量是 ARRILASER 最突出的特点。中间材料上具有 2.046 状态 M 密度以上的全动态范围,可以覆盖任何给定的对比度范围。由于线性平台和偏转镜在两个方向上产生完美的直线,因此可以实现完美的图像线性。图像的位置和大小可以任意调整。在 ARRILASER 中,完美形状的激光束被描绘在胶片上,没有任何眩光。所有三个激光器(红色/绿色/蓝色)都经过调整以匹配一个点。因此,整个图像的色彩融合得到了完美调整。
图像质量是 ARRILASER 最突出的特点。由于具有 2.046 状态 M 密度以上的全动态范围,中间材料可覆盖任何给定的对比度范围。由于线性平台和偏转镜在两个方向上产生完美的直线,因此可以实现完美的图像线性。图像的位置和大小可任意调整。在 ARRILASER 中,完美形状的激光束被描绘在胶片上,没有任何眩光。所有三个激光器(红/绿/蓝)都经过调整以匹配一个点。因此,整个图像的色彩融合得到了完美调整。
摘要。计算机断层扫描是第一种需要计算机化解决逆问题的成像方式,以便从传感器硬件获取的数据中生成有用的图像。因此,计算机化解决方案(称为图像重建算法)已成为每台售出的 CT 扫描仪的重要组成部分。我们回顾了商业部署的 CT 重建算法的历史,并考虑了在不同时间点导致创新和围绕某些广泛有用的算法融合的力量。这些力量包括新硬件功能的出现、竞争压力、计算能力的可用性以及监管考虑。我们考虑了四个主要的历史时期和转折点。最初的 EMI 扫描仪是使用迭代重建算法开发的,但创新的爆发加上对旧文献的重新发现导致了整个 20 世纪 70 年代早期替代算法的开发。大多数 CT 供应商很快转向使用滤波反投影 (FBP) 算法,尽管该算法在投影数据和图像域中都分层了各种专有校正以提高图像质量。螺旋扫描和多行探测器等创新都得益于 FBP 在 20 世纪 90 年代和 21 世纪的其他应用的发展。最后,在过去的二十年里,迭代重建又重新兴起,人工智能方法也开始引入,这些方法受益于计算能力的提高,可以减少辐射剂量并提高图像质量。© 2021 光学仪器工程师协会 (SPIE) [DOI:10.1117/1.JMI.8.5.052111]
日期 程序 NISTIR 标题 2014-03-20 FATE 7995 自动年龄估计算法的性能 2015-04-20 FATE 8052 自动性别分类算法的性能 2014-05-21 FRTE 8009 人脸识别算法的性能 2017-03-07 FRTE 8173 FIVE - 视频中的人脸评估:非合作对象的人脸识别 2017-11-23 FRTE 8197 FRPC - 2017 年 IARPA 人脸识别奖挑战赛 2020-01-03 FRTE 草案第 1 部分:验证 2019-09-11 FRTE 8271 第 2 部分:识别 2019-12-11 FRTE 8280 第 3 部分:人口统计影响2020-03-04 FATE 8292 第 4 部分:MORPH - 自动人脸变形检测性能 2020-03-06 FATE 草案第 5 部分:人脸图像质量评估 2020-07-24 FRTE 8311 第 6A 部分:使用新冠疫情前算法的戴口罩人脸识别准确率 2022-01-20 FRTE 8331 第 6B 部分:使用新冠疫情后算法的戴口罩人脸识别准确率 2022-07-13 FRTE 8381 第 7 部分:无纸化旅行和移民的身份证明 2022-09-30 FRTE PDF 第 8 部分:总结人口统计学差异 2022-09-30 FRTE 8439 第 9A 部分:区分人脸的人脸识别验证准确率Twins 2023-09-20 FATE 8491 第 10 部分:基于软件的被动演示攻击检测 (PAD) 算法的性能 2023-09-20 FATE 8485 第 11 部分:人脸图像质量向量评估:特定图像缺陷检测
总共招募了260名患者,并分配给快速或标准CMR。扫描时间(首先到最后一个图像时间戳),并评估了图像质量(2个观测值的共识)。结果协议1:常规应力成像的平均年龄为36分钟(范围24 - 52分钟,n = 80)。快速的Perpu-sion CMR平均需要23分钟(范围14至31分钟,n = 120),平均节省13分钟(P <0.001)协议2:常规的非对抗CMR的平均节省时间为15.0(范围11至20)分钟。快速的非对比度CMR花费了9.9(范围5-13)分钟,包括内联分析,平均保存为5.1分钟 - 但此较短的扫描包括Inline AI分析,这是另外的报告节省。对于协议1和2,扫描质量被认为相似(3/3,好)。结论纳入AI方法的快速CMR协议允许在扫描持续时间节省大量节省,而无需明显的图像质量惩罚。扫描可以在不到25分钟的时间内持续进行,而对于非对抗性的扫描)。这些可以在NHS临床服务中实施。后遗症在这项试验之后,在我们站点的患者中,快速的CMR方法已成为常规的常规方法,并且在所有CMR预订日记上,预订插槽已降低到50分钟(从1小时),每天每天的活动增加+3例患者,随之而来的是等待列表。