Analysis of Radiographic Contrast Markers for X-ray Digital Image Correlation of Tissue-Simulants Under Dynamic Load
Notice bibliographique
Résumé
The study of traumatic brain injury is critical to the improvement of protective equipment.Numerical models of brain deformation require real-world data for validation.In preparation for upcoming cadaver studies, a novel method of measuring displacement and strain fields of optically inaccessible internal planes using high-speed X-ray, embedded contrast markers and digital image correlation (DIC) is presented herein.An uncoupled scintillator and optimally-selected highspeed camera enable continuous X-ray imaging through a human head at 10,000 fps.As varying composition creates radiographic contrast, contrast within a human brain is limited, therefore, artificial contrast markers are required.Markers must be dynamically coupled to the bulk material and provide sufficient X-ray contrast.An analytical tool was developed to design of contrast markers.The impact of contrast-to-noise ratio and out-of-plane motion on DIC accuracy were quantified.Finally, a feasibility study using a biofidelic headform subjected to a NOCSAE drop test is presented.iiiAs I turn the page on this chapter of my life, I cannot help but to reflect on the enormous contributions of an incredible team of collaborators that made it all possible.The completion of this work is due in no small part to my advisor, Professor Oren Petel.His support and passion for my research, made this experience enjoyable.You have provided me with unique opportunities to explore my field over the last two years, encouraging personal growth, and leading me to ask the important question.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».