دانلود و نمایش مقالات مرتبط با کنتراست::صفحه 1
روز مهندس
نتیجه جستجو - کنتراست

تعداد مقالات یافته شده: 14
ردیف عنوان نوع
1 STrategically Acquired Gradient Echo (STAGE) imaging, part III: Technical advances and clinical applications of a rapid multi-contrast multi-parametric brain imaging method
تصویربرداری گرادیان اکو (STAGE) استراتژیک ، بخش سوم: پیشرفت های فنی و برنامه های بالینی از یک روش تصویربرداری سریع مغزی چند پارامتری سریع با کنتراست-2020
One major thrust in radiology today is image standardization with a focus on rapidly acquired quantitative multi-contrast information. This is critical for multi-center trials, for the collection of big data and for the use of artificial intelligence in evaluating the data. Strategically acquired gradient echo (STAGE) imaging is one such method that can provide 8 qualitative and 7 quantitative pieces of information in 5 min or less at 3 T. STAGE provides qualitative images in the form of proton density weighted images, T1 weighted images, T2* weighted images and simulated double inversion recovery (DIR) images. STAGE also provides quantitative data in the form of proton spin density, T1, T2* and susceptibility maps as well as segmentation of white matter, gray matter and cerebrospinal fluid. STAGE uses vendors product gradient echo sequences. It can be applied from 0.35 T to 7 T across all manufacturers producing similar results in contrast and quantification of the data. In this paper, we discuss the strengths and weaknesses of STAGE, demonstrate its contrast-to-noise (CNR) behavior relative to a large clinical data set and introduce a few new image contrasts derived from STAGE, including DIR images and a new concept referred to as true susceptibility weighted imaging (tSWI) linked to fluid attenuated inversion recovery (FLAIR) or tSWI-FLAIR for the evaluation of multiple sclerosis lesions. The robustness of STAGE T1 mapping was tested using the NIST/NIH phantom, while the reproducibility was tested by scanning a given individual ten times in one session and the same subject scanned once a week over a 12-week period. Assessment of the CNR for the enhanced T1W image (T1WE) showed a significantly better contrast between gray matter and white matter than conventional T1W images in both patients with Parkinsons disease and healthy controls. We also present some clinical cases using STAGE imaging in patients with stroke, metastasis, multiple sclerosis and a fetus with ventriculomegaly. Overall, STAGE is a comprehensive protocol that provides the clinician with numerous qualitative and quantitative images.
Keywords: Quantitative magnetic resonance imaging | Susceptibility weighted imaging | T1 mapping | Quantitative susceptibility mapping | Multi-parametric magnetic resonance imaging | Strategically acquired gradient echo
مقاله انگلیسی
2 Establishing structure-property localization linkages for elastic deformation of three-dimensional high contrast composites using deep learning approaches
ایجاد پیوندهای محلی سازی ساختار و خاصیت برای تغییر شکل الاستیک کامپوزیت های کنتراست بالا سه بعدی با استفاده از روشهای یادگیری عمیق-2019
Data-driven methods are attracting growing attention in the field of materials science. In particular, it is now becoming clear that machine learning approaches offer a unique avenue for successfully mining practically useful process-structure-property (PSP) linkages from a variety of materials data. Most previous efforts in this direction have relied on feature design (i.e., the identification of the salient features of the material microstructure to be included in the PSP linkages). However due to the rich complexity of features in most heterogeneous materials systems, it has been difficult to identify a set of consistent features that are transferable from one material system to another. With flexible architecture and remarkable learning capability, the emergent deep learning approaches offer a new path forward that circumvents the feature design step. In this work, we demonstrate the implementation of a deep learning feature-engineering-free approach to the prediction of the microscale elastic strain field in a given threedimensional voxel-based microstructure of a high-contrast two-phase composite. The results show that deep learning approaches can implicitly learn salient information about local neighborhood details, and significantly outperform state-of-the-art methods.
Keywords: Materials informatics | Convolutional neural networks | Deep learning | Localization | Structure-property linkages
مقاله انگلیسی
3 A ( k , n ) Threshold Partial Reversible AMBTC-based Visual Cryptography Using One Reference Image
A (k ، n) رمزنگاری تصویری مبتنی بر AMBTC قابل برگشت جزئی با استفاده از یک تصویر مرجع-2019
Recently, Yang et al. introduced a ðk; nÞ approach called Reversible Absolute moment block truncation coding Visual Cryptography Scheme (RAVCS) (Yang et al., 2017) to conceal a secret image into n AMBTC shares. However, a large number of reference images is used in their method. To reduce the number of reference images, a ðk; nÞ PRAVCS using one AMBTC reference image is introduced. In encoding phase, a binary secret image is shared into n AMBTC shadow images according to the base matrices generated by two proposed constructions. In decoding phase, the secret image is recovered by stacking sufficient bitmaps, and the AMBTC reference image is partially recovered as well. When n AMBTC shares are used, losslessly reconstruction for the reference image is obtained. Theoretical analysis and experiments by the proposed method are demonstrated to show the effectiveness. Moreover, Construction 1 has larger contrast, while Construction 2 achieves higher reversibility for more thresholds.
Keywords: Visual cryptography | Block truncation coding | Partial reversible | Meaningful share | Contrast | Reference image
مقاله انگلیسی
4 A mesh-free method for interface problems using the deep learning approach
روش بدون مش برای مسائل واسط با استفاده از روش یادگیری عمیق-2019
In this paper, we propose a mesh-free method to solve interface problems using the deep 7 learning approach. Two types of PDEs are considered. The first one is an elliptic PDE with 8 a discontinuous and high-contrast coefficient. While the second one is a linear elasticity equa9 tion with discontinuous stress tensor. In both cases, we represent the solutions of the PDEs 10 using the deep neural networks (DNNs) and formulate the PDEs into variational problems, 11 which can be solved via the deep learning approach. To deal with inhomogeneous boundary 12 conditions, we use a shallow neural network to approximate the boundary conditions. Instead 13 of using an adaptive mesh refinement method or specially designed basis functions or numer14 ical schemes to compute the PDE solutions, the proposed method has the advantages that it 15 is easy to implement and is mesh-free. Finally, we present numerical results to demonstrate 16 the accuracy and efficiency of the proposed method for interface problems. 17 AMS subject classification: 35J20, 35R05, 65N30, 68T99, 74B05.
Keywords: Deep learning | variational problems | mesh-free method | linear elasticity | 19 high-contrast | interface problems
مقاله انگلیسی
5 چارچوب بازیابی کیفیت تصویر برای افزایش کنتراست تصاویر ماهواره ای سنجش از دور
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 21 - تعداد صفحات فایل doc فارسی: 39
پژوهش ها در حوزه ی تصاویر ماهواره ای سنجش از دور عمدتاً بر افزایش کنتراست و حذف نویز از تمرکز دارند، این بر قابلیت درک داده ها و وضوح آنها تأثیر می گذارد. در نتیجه، همیشه با چالشی در پردازش تصاویر ماهواره ای سنجش از دور به منظور دستیابی به تصاویری با کیفیت بالاتر و افزایش قابلیت دیداری و تصاویری با کمترین میزان آرتیفکت برای ارتقای ارزش کاربردی آنها مواجهیم. در این مقاله، یک چارچوب مؤثر بهبود کیفیت پیشنهاد می شود، که عمدتاً بر افزایش کنتراست تصاویر ماهواره ای سنجش از دور تمرکز دارد. چندین تصویر ماهواره ای سنجش از دور در تأیید اثربخشی روش پیشنهادی در مقایسه با دیگر روش های موجود ارتقای سنجش از دور ارزیابی شدند، و نتایج کمّی آنها با NIQMC (معیار کیفیت تصویر بدون مرجع برای انحراف کنتراست)، BIQME (معیار کور کیفیت تصویر برای تصاویر بهبودیافته)، MICHELSON (کنتراست مایکلسون)، DE انتروپی گسسته)، EME (معیار بهبود) و PIXDIST (فاصله ی پیکسل) و همراه با مقایسه ی نتایج کیفی تأیید شد. نتایج نشان می دهد که بهبود بصری به دست آمده با استفاده از روش پیشنهادی بر سایر روش های بهبود بصری برتری دارد. نهایتاً نتایج شبیه سازی مشخص نمود که روش پیشنهادی برای تصاویر ماهواره ای سنجش از دور، مؤثر و کارامد است.
کلیدواژه: سنجش از دور | کنتراست | بازیابی | کیفیت
مقاله ترجمه شده
6 الگوریتم های قطعه ایی عروق خونی – مروری بر روش ها ، پایگاه داده ها و معیارهای ارزیابی
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 21 - تعداد صفحات فایل doc فارسی: 62
هدف : قطعه بندی عروق خونی یکی از موضوعات مورد علاقه در تحلیل تصویربرداری پزشکی است زیرا تحلیل عروق برای تشخیص ، برنامه ریزی برای درمان و انجام درمان ، ارزیابی پیامدهای کلینیکی در زمینه های مختلف ، مانند لارنگولوژی ، جراحی مغز و اعصاب و چشم پزشکی بسیار مهم و الزامیست . قطعه بندی بصورت خودکار و یا نیمه خودکار میتواند پزشکان را در انجام این وظایف حمایت کند . روشهای مختلف تصویر برداری که هم اکنون مورد استفاده قرار میگیرند و انتخاب مناسب الگوریتم قطعه بندی برای رویارویی با روشهای تصویربرداری مورد پذیرش حایز اهمیت هستند (برای مثال ، رزولوشن ، صدا و تباین عروقی) . هدف : هدف از این مطالعه بررسی الگوریتم های قطعه بندی عروق خونی در حال حاضر است . در میان الگوریتمها و رویکردهایِ مد نظر ، ما عمیقا به بررسی جدیدترین قطعه بندی عروق خونی پرداخته ایم که شامل موارد زیر است : یادگیری ماشین ، مدل فرم پذیر و رویکردهای مبتنی بر ردیابی . روش ها : در این مطالعه به تجزیه و تحلیل بیش از صد مقاله میپردازیم که روی روشهای قطعه بندی عروق خونی تمرکز داشته اند . برای هر کدام از رویکردهای تجزیه و تحلیل، جداولی بصورت خلاصه ذکر شده که گزارشی از تکنیک های تصویر برداری مورد استفاده ، ناحیه اناتومیک و معیارهای اندازه گیری عملکرد را ارایه میدهند. مزایا و معایب هر یک از روش ها بصورت برجسته نشان داده شده است . بحث: علیرغم پیشرفتهای مستمر و تلاش های انجام شده در این زمینه ، مسایل چندی وجود دارند که همچنان نیازمند بررسی هستند . محدودیت های مربوطه شامل قطعه بندی عروق آسیب شناسی میشود . متاسفانه پژوهش های مستمری در زمینه بررسی این موضوع انجام نشده است . تحقیقات تا زمانی مورد نیاز است که فرضیات اصلی برای عروق سالم (مانند سطح مقطع خطی و دایره ایی) بافتهای آسیب شناسی را مورد بررسی قرار نمیدهند ، که از طرف دیگر نیازمند مدل های فرم پذیر جدید برای رگ ها میباشد . علاوه بر این ، افت شدت تصویر ، نویز (صدا) و کنتراست پایین همچنان بعنوان یک مانع مهم برای دستیابی به کیفیت بالا خود را نشان میدهد . این امر بویژه برای تصویربرداری نوری درست است ،جایی که کیفیت تصویر معمولا به دلیل صدا و کنتراست نسبت به تشدید مغناطیسی و انژیوگرافی به روش پرتونگاری مقطعی کامپیوتری پایین تر است . نتیجه گیری : هیچ کدام از روش های قطعه بندی برای انواع مختلف نواحیی آناتومیک و یا کیفیت تصویربرداری مناسب نیست ، بنابراین هدف اصلی این بررسی فراهم کردن منابع جدید و اطلاعات مناسب در مورد وضعیت هنر الگوریتم قطعه بندی است ، بنابراین مناسب ترین روش را میتوان بر اساس نوع کار انتخاب نمود .
مقاله ترجمه شده
7 Heritable genotype contrast mining reveals novel gene associations specific to autism subgroups
معادله کنتراست ژنتیکی انتزاعی نشان می دهد که ژن های جدید ژن خاص برای زیرگروه های اوتیسم هستند-2018
Though the genetic etiology of autism is complex, our understanding can be improved by identifying genes and gene-gene interactions that contribute to the development of specific autism subtypes. Identifying such gene groupings will allow individuals to be diagnosed and treated according to their precise characteristics. To this end, we developed a method to associate gene combinations with groups with shared autism traits, targeting genetic elements that distinguish patient populations with opposing phenotypes. Our computational method prioritizes genetic variants for genome-wide association, then utilizes Frequent Pattern Mining to highlight potential interactions between variants. We introduce a novel genotype assessment metric, the Unique Inherited Combination support, which accounts for inheritance patterns observed in the nuclear family while estimating the impact of genetic variation on phenotype manifestation at the individual level. High-contrast variant combinations are tested for significant subgroup associations. We apply this method by contrasting autism subgroups defined by severe or mild manifestations of a phenotype. Significant associations connected 286 genes to the subgroups, including 193 novel autism candidates. 71 pairs of genes have joint associations with sub groups, presenting opportunities to investigate interacting functions. This study analyzed 12 autism subgroups, but our informatics method can explore other meaningful divisions of autism patients, and can further be applied to reveal precise genetic associations within other phenotypically heterogeneous disorders, such as Alzheimer’s disease.
Keywords: Data mining ، Autistic disorder ، Genetics ، Frequent pattern mining
مقاله انگلیسی
8 Dendritic Cell Recognition in Computer Aided System for Cancer Immunotherapy
تشخیص سلول دندریتیک در سیستم کامپیوتری برای ایمونوتراپی سرطان-2017
Immunotherapy is an entirely advanced class of cancer treatment which has been highly active and exciting field in clinical therapeutics. In numerous procedures, cancer immunotherapy demands a laborious practice to recognise and count Dendritic Cells (DCs) in the vaccine preparation. Conventionally, the laser-based technology that provides a rapid analysis such as Flow Cytometry can affect the DCs viability as the staining procedure is involved. Another highly promising method which is Phase Contrast Microscopy (PCM) involves experienced pathologists to visually examine the respective microscopy images. In facts, PCM confronts complex issues regarding to imaging artifacts which can deteriorate the recognition process. As the DCs counting is crucial in cancer treatment procedures, this paper proposes a pioneering system called CasDC which implement an image processing algorithm to recognise and count DCs with a label-free method. The aim of developing this system is to establish a reliable and time saving-tool as a second reader in the clinical practice. In the meantime, the treatment procedure can be administered and therefore, improve the patient’s survival rate. Our proposed system has an enormous potential towards helping Cancer Research Institute in which the system offers rapid and high throughput cancer immunotherapy vaccine preparation and automated live cell investigation.© 2016 The Authors. Published by Elsevier B.V.Peer-review under responsibility of organizing committee of the 2016 IEEE International Symposium on Robotics and Intelligent Sensors (IRIS 2016).© 2017 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).Peer-review under responsibility of organizing committee of the 2016 IEEE International Symposium on Robotics and Intelligent Sensors(IRIS 2016).
Keywords: Dendritic cells | Cancer immunotherapy | Image processing | Pattern recognition | Phase contrast microsocopy | Computer vision
مقاله انگلیسی
9 Vision enhancement through single image fog removal
افزایش دید از طریق حذف مه آلود بودن تصویر-2017
Contrast and color of the captured pictures are degraded under foggy weather conditions and this degra- dation is often attributed to attenuation and airlight. To reduce the number of road accidents through vision enhancement in turbid weather, an efficient fog removal technique plays a vital role as fog greatly reduces the visibility and hence affects the computer vision algorithms such as surveillance, tracking and Fog Vision Enhancement System (FVES). In this paper, a novel and effective algorithm is proposed for sin- gle image fog removal that’s capable of handling images of gray and color channels. The proposed algo- rithm introduces Dark Channel Prior (DCP) followed by Weighted Least Square (WLS) and High Dynamic Range (HDR) based fog removal scheme. The qualitative and quantitative analysis is applied for the assessment of defogged images obtained from the proposed methodology and is additionally compared with the different fog removal algorithms to establish its superiority. The foremost dominant advantage of the proposed algorithm is its capability to preserve sharp details whereas maintaining the color quality.© 2016 Karabuk University. Publishing services by Elsevier B.V. This is an open access article under the CCBY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Keywords: Air-light | Contrast gain | Colorfulness index | High Dynamic Range | Weighted Least Square | Transmission map | Dark Channel Prior
مقاله انگلیسی
10 هیبرید نانو خوشه های گادولینیم اکسید – طلا پروتئین تثبیت برای تصویربرداری چندجمله ای و دارورسانی
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 36 - تعداد صفحات فایل doc فارسی: 35
یک چند منظوره ترانوستیک نانو پلت فرم پروتئین تثبیت مانند هیبرید نانو خوشه های گادولینیم اکسید – طلا (Gd2O3-AuNCs)، تصویربرداری چند جمله ای و دارو رسانی ساخته شده است. نانو هیبرید Gd2O3-AuNCsاز طریق گنجاندن و یکپارچه سازی نانو کریستال های Gd2O3 و نانوخوشه های طلا در داربست آلبومین سرم گاوی به عنوان یک ماده تثبیت کننده، توسعه یافته است. نانوهیبریدزیست سازگاری مطلوب را نشان می دهد و قادر به افزایش کنتراست در رزونانس مغناطیسی (MR) و تصویرببرداری توموگرافی (CT) ﺍﺷﻌﻪ ﺍﻳﻜﺲ ﻛﺎﻣﭙﻴﻮﺗﺮﻱ است. در این میان، جزء AuNCs یکپارچه شده نه تنها نانوهیبرید را برای تولید فلورسانس قرمز به همراه دارد، بلکه تولید اکسیژن تکی(1O2) را در برانگیختگی نزدیک به مادون قرمز لیزری در 808 نانومترنیز حساس می کند.آلبومین سرم گاوی اطراف نانوذرات، Gd2O3-AuNC را یک حامل عالی برای تحویل ایندوسیانین سبز (ICG)می سازد. بارگذاری ICG نانوکامپوزیت Gd2O3-AuNCs-ICG را با قابلیت تصویربرداری فلورسانس نزدیک مادون قرمز به ارمغان می آورد و و قابلیت فوتوترمال و خاصیت فتودینامیکی آن را بهبود می بخشد.سرانجام، آزمایش های بیشتر نشان دادند که نانوکامپوزیت Gd2O3-AuNCs-ICG یک عامل ترانوستیک امیدوارکننده برای تصویر هدایت درمان سرطان محسوب می شود.
واژگان کلیدی: گادولینیم اکسید | نانو خوشه طلا | فلورسانس نزدیک مادون قرمز | تصویربرداری رزونانس مغناطیسی | ﺗﻮﻣﻮﮔﺮﺍﻓﻲ ﺍﺷﻌﻪ ﺍﻳﻜﺲ ﻛﺎﻣﭙﻴﻮﺗﺮﻱ | درمان فوتوترمال/ فوتودینامیک.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi