Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakSCH: A physics-informed machine learning approach to dynamic blood flow analysis from static subtraction computed tomographic angiography imaging
Proyek riset & pengembangan

SCH: A physics-informed machine learning approach to dynamic blood flow analysis from static subtraction computed tomographic angiography imaging

Ringkasan tujuan riset

Model neural terkendala fisika dan Bayesian menginferensikan aliran darah dinamis dari sinogram sCTA bertimestamp melalui adveksi–difusi kontras serta prediksi velocity dan tekanan relatif.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2205265Periode tercatat 2022-09-01 sampai 2027-08-31.NSF 2205265MulaiAkhir tercatat202220282022-09-012027-08-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Citra yang biasanya dipakai untuk anatomi statis dapat menyimpan informasi dinamika kontras. Proyek ini merepresentasikan konsentrasi, kecepatan tiga dimensi, serta tekanan dengan jaringan neural, lalu mencocokkan sinogram aktual terhadap line integrals hasil forward model. Hukum aliran dan adveksi–difusi menjadi kendala, sedangkan formulasi Bayesian menangani derau. Diferensiasi otomatis menurunkan parameter hemodinamika; simulasi serta PIV in vitro akan memvalidasi metode tanpa menambahkan protokol atau perangkat keras CT baru.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Wisconsin-Milwaukee
Program
Smart and Connected Health
Periode pendanaan tercatat
2022-09-01 → 2027-08-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • CSE - Core Programs

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.