随着行业4.0系统的不断增长的复杂性，开发出旨在改善能源可持续性的植物能源管理系统变得同样复杂。基于基于模型的系统工程分析，本文旨在提供一种通用方法，以对制造业的自主能源管理系统进行整体开发。该能源管理系统（EMS）将能够不断提高其评估，预测和行动的能力，以通过监视和控制制造系统的能源可持续性来改善。该方法是通过系统建模语言（SYSML）实现的。
translated by 谷歌翻译
心脏磁共振成像通常用于评估心脏解剖结构和功能。左心室血池和左心室心肌的描述对于诊断心脏疾病很重要。不幸的是，在CMR采集程序中，患者的运动可能会导致最终图像中出现的运动伪像。这种伪像降低了CMR图像的诊断质量和对程序的重做。在本文中，我们提出了一个多任务SWIN UNET变压器网络，用于在CMRXMOTION挑战中同时解决两个任务：CMR分割和运动伪像分类。我们将细分和分类作为多任务学习方法，使我们能够确定CMR的诊断质量并同时生成口罩。 CMR图像分为三个诊断质量类别，而所有具有非严重运动伪像的样本都被分割。使用5倍交叉验证训练的五个网络的合奏实现了骰子系数为0.871的分割性能，分类精度为0.595。
translated by 谷歌翻译
脊柱裂（SB）是在妊娠早期阶段出现的出生缺陷，脊髓周围的脊柱闭合不完全。对仍在怀孕子宫中的胎儿进行的对胎儿镜脊柱叶片修复的兴趣日益增加，这促使需要进行适当的训练。此类过程的学习曲线非常陡峭，需要出色的程序技能。基于计算机的虚拟现实（VR）模拟系统提供了一个安全，成本效益且可配置的培训环境，而没有道德和患者安全问题。但是，据我们所知，目前尚无用于胎儿镜SB修复程序的商业或实验VR培训模拟系统。在本文中，我们为SB-Repair的核心手动技能培训提供了新颖的VR模拟器。通过获得14位临床医生的主观反馈（面部和内容有效性），进行了初始的模拟现实主义验证研究。总体模拟现实主义平均在5分李克特量表上标记为4.07（1-非常不现实，5-非常现实）。它作为SB-REPAIR以及学习基本腹腔镜技能的有用性分别标记为4.63和4.80。这些结果表明，胎儿镜手术的VR模拟可能会导致外科训练，而不会使胎儿及其母亲处于危险之中。它还可以促进更广泛的胎儿镜手术适应，以代替更具侵入性的开放性胎儿手术。
translated by 谷歌翻译
胎儿镜检查激光光凝是一种广泛采用的方法，用于治疗双胞胎输血综合征（TTTS）。该过程涉及光凝病理吻合术以调节双胞胎之间的血液交换。由于观点有限，胎儿镜的可操作性差，可见性差和照明的可变性，因此该程序尤其具有挑战性。这些挑战可能导致手术时间增加和消融不完全。计算机辅助干预措施（CAI）可以通过识别场景中的关键结构并通过视频马赛克来扩展胎儿镜观景领域，从而为外科医生提供决策支持和背景意识。由于缺乏设计，开发和测试CAI算法的高质量数据，该领域的研究受到了阻碍。通过作为MICCAI2021内窥镜视觉挑战组织的胎儿镜胎盘胎盘分割和注册（FETREG2021）挑战，我们发布了第一个Largescale Multencentre TTTS数据集，用于开发广义和可靠的语义分割和视频摩擦质量algorithms。对于这一挑战，我们发布了一个2060张图像的数据集，该数据集是从18个体内TTTS胎儿镜检查程序和18个简短视频剪辑的船只，工具，胎儿和背景类别的像素通道。七个团队参与了这一挑战，他们的模型性能在一个看不见的测试数据集中评估了658个从6个胎儿镜程序和6个短剪辑的图像的图像。这项挑战为创建通用解决方案提供了用于胎儿镜面场景的理解和摩西式解决方案的机会。在本文中，我们介绍了FETREG2021挑战的发现，以及报告TTTS胎儿镜检查中CAI的详细文献综述。通过这一挑战，它的分析和多中心胎儿镜数据的发布，我们为该领域的未来研究提供了基准。
translated by 谷歌翻译
在对抗Covid-19的斗争中，对人们的生活产生灾难性影响的关键步骤是对患有严重COVID-19症状的诊所中出现的患者进行有效筛查。胸部射线照相是有前途的筛查方法之一。许多研究报告说，使用深度学习准确地检测到胸部X射线射线的Covid-19。对许多已发表的方法的严重局限性是对解释深度学习模型做出的决定的不足。使用可解释的人工智能方法，我们证明模型决策可能依赖于混杂因素而不是医学病理学。在分析了在胸部X射线图像上发现的潜在混杂因素后，我们提出了一种新颖的方法来最大程度地减少其负面影响。我们表明，我们所提出的方法比以前试图应对混杂因素（例如ECG铅的胸部X射线铅）的尝试更强大，这些因素通常会影响模型分类决策。除了强大之外，我们的方法还达到了与最先进的结果相当的结果。源代码和预训练的权重可在（https://github.com/tomek1911/pother）上公开获得。
translated by 谷歌翻译