مهندسی نورومورفیک

مهندسی نورومورفیک یک رشته نسبتاً جوان است که تلاش می کند با استفاده از مدارهای الکترونیکی پیاده سازی شده در فناوری یکپارچه سازی در مقیاس بزرگ ، تحقق فیزیکی مدل های بیولوژیکی واقع گرایانه سیستم های عصبی را ایجاد کند. در حالی که در ابتدا بر روی مدل های حاشیه حسی با استفاده از مدارهای عمدتا آنالوگ تمرکز شده بود ، این رشته رشد کرده و گسترش یافته است و شامل مدل سازی سیستم های پردازش عصبی است که شامل نقش محاسباتی بدن ، مدل یادگیری و فرایندهای شناختی و اجرای توزیع گسترده افزایش شبکه های عصبی با استفاده از انواع تکنیک ها و فن آوری های طراحی. 

مهندسی نورومورفیک

مهندسی نورومورفیک ، همچنین به عنوان محاسبات نورومورفیک شناخته می شود ،  استفاده از سیستم های یکپارچه سازی در مقیاس بسیار بزرگ (VLSI) حاوی مدارهای الکترونیکی آنالوگ برای تقلید از ساختارهای عصبی بیولوژیکی موجود در سیستم عصبی است. در چند وقت اخیر ، اصطلاح نورومورفیک برای توصیف سیستم های آنالوگ ، دیجیتال ، حالت مختلط آنالوگ / دیجیتال VLSI و نرم افزاری که مدل های سیستم های عصبی را اجرا می کنند (برای درک ، کنترل حرکتی یا ادغام چند حسی) استفاده شده است. پیاده سازی محاسبات نورومورفیک در سطح سخت افزاری را می توان توسط ممریستورهای مبتنی بر اکسید ، حافظه اسپینترونیک ، سوئیچ های آستانه ای و ترانزیستورها تحقق بخشید.

یک جنبه اصلی مهندسی نورومورفیک ، درک نحوه شکل گیری تک تک سلول های عصبی ، مدارها ، برنامه ها و معماری کلی ، ایجاد محاسبات مطلوب است ، بر نحوه نمایش اطلاعات تأثیر می گذارد ، بر استحکام آسیب تأثیر می گذارد ، شامل یادگیری و توسعه است ، با تغییرات محلی (انعطاف پذیری) سازگار است ، و تغییرات تکاملی را تسهیل می کند.

مهندسی نورومورفیک موضوعی میان رشته ای است که با الهام از زیست ، فیزیک ، ریاضیات ، علوم کامپیوتر و مهندسی الکترونیک برای طراحی سیستم های عصبی مصنوعی ، مانند سیستم های بینایی ، سیستم های چشم ، پردازنده های شنوایی و ربات های خودمختار ، که فیزیکی آنها اصول معماری و طراحی بر اساس اصول سیستم عصبی بیولوژیکی است.  در اواخر دهه 1980 توسط کارور مید ساخته شد.

استفاده از رادیولوژی CBCT در پزشکی قانونی دندانپزشکی

چکیده

رادیولوژی پزشکی در زمینه خاصی از فناوری های تصویربرداری پزشکی وجود دارد که برای کمک به پزشکان استفاده می شود. فناوری رادیولوژی به طور فزاینده ای به طور قابل توجهی پیشرفت و توسعه یافته است. توموگرافی کامپیوتری مخروطی مخروطی (CBCT) یکی از جراحی های دندان پزشکی قانونی برای معاینات تجزیه و تحلیل تصویر است.  

آیا تصویر توموگرافی رایانه ای با پرتو مخروطی توانایی نظارت بر پاسخ به رادیوتراپی بدن استریوتاکتیک ریه را دارد؟

سرطان ریه سلول کوچک (NSCLC) متداول ترین نوع سرطان ریه است که 85٪ کل سرطان های ریه را تشکیل می دهد. با پیش آگهی ضعیف و میزان بقای کم مشخص می شود (1). چندین مطالعه تجزیه و تحلیل کمی از ویژگی های مختلف پس از درمان رادیوتراپی بدن استریوتاکتیک (SBRT) در سرطان ریه ، با استفاده از مطالعات توموگرافی کامپیوتری (2) ، به طور خاص ، با روش توموگرافی کامپیوتری پرتو مخروط (CBCT) که برای ارزیابی بیمار استفاده می شود ، انجام داده اند. 

مطالعه انتقال اشعه گاما از طریق کولیماتور در کاربردهای پزشکی هسته ای

تابع گسترش نقطه (PSF) در روشهایی مانند توموگرافی رایانه ای با انتشار تک فوتون (SPECT) نقش مهمی دارد. این تابع اغلب با استفاده از توزیع گاوسی ، به عنوان یک کاربرد مناسب برای استفاده ، تقریب می یابد. در این کار یک مدل هندسی ساخته شده است که اجازه می دهد تا توزیع شدت شار کوانتوم گاما را از یک منبع نقطه ای پس از عبور از کولیماتور تخمین بزنید. 

جذب و انتشار

تکنیک های طیف سنجی اتمی

طیف الکترومغناطیسی

فوتونیک نورومورفیک

مهندسی نورومورفیک. پردازش سنبله فوتونیک. سیستم عامل های فناوری برای معماری نورومورفیک. چالش هایی برای سیستم عامل های فوتونیک نوظهور. تاریخچه مختصر اپتیک در محاسبات. منطق نوری شبکه های عصبی نوری. شبکه های نوری روی تراشه. دامنه های برنامه پردازش فرکانس رادیویی در زمان واقعی. برنامه نویسی غیرخطی سازمان این کتاب منابع. آغازگر پردازش سنبله و تحریک پذیری. آشنایی با شبکه های عصبی. افزایش شبکه های عصبی. مدل عصبی سنبله دار. مکانیسم های تحریک پذیری. 

فوتونیک نورومورفیک

این کتاب قصد دارد پل هایی را بین حوزه های فیزیک دستگاه فوتونیک و شبکه های عصبی ایجاد کند ، و یک نمای کلی از زمینه در حال ظهور "فوتونیک نورومورفیک" ارائه می دهد. این شامل یک بحث کامل در مورد تکامل فوتونیک نورومورفیک از ظهور نورون های فیبر نوری به مدرن ترین سلول های عصبی لیزر امروزی است ، که تمرکز فعلی تحقیقات بین المللی است. Neuromorphic Photonics معماری ها و دستگاه های اتصال متقاضی شبکه های عصبی منحصر به فرد ، همراه با قابلیت های کلیدی مانند یادگیری را کاوش می کند. این مقاله در سطحی قابل دسترسی برای دانشجویان تحصیلات تکمیلی نوشته شده است ، ضمن اینکه قصد دارد به عنوان مرجعی جامع برای متخصصان این رشته باشد.