The concept with photon weights, used in MCML to speed upthe simulatio dịch - The concept with photon weights, used in MCML to speed upthe simulatio Việt làm thế nào để nói

The concept with photon weights, us

The concept with photon weights, used in MCML to speed up
the simulations drastically, becomes obscure as this concept allows absorption in each interaction
between an excitation photon and the tissue. Thus an emission photon should be created in each
such interaction, to be followed until it dies. That this acceleration is not useful in fluorescence
Monte Carlo, together with the fact that very few of the emitted photons will reach a detector,
makes the conventional Fluorescence Monte Carlo simulations very time consuming.
In order to speed up this type of simulations, we invented a novel concept to perform such
simulations. This concept employs the symmetry of the problem used in MCML, i.e. that the
tissue is layered. This symmetry makes it favourable to simulate the excitation and emission paths
separately and then perform a convolution of the two solutions. In the general case this would
require one simulation for the excitation light and one simulation per voxel for the emission light
(the origin of the emission can be anywhere in the volume). By employing the symmetry of the
layered media, it is possible to reduce the simulations for the emission light from one per voxel to
one per depth (since simulations of the light emission path originating from a voxel at a certain
depth will be identical independent on its lateral position). This will lead to a drastically reduced
computation time. It was also shown that this can be further drastically improved, by identifying
that the probability for a photon to find its way from position A to B is identical to the probability
of the reverse path from B to A. One can thus replace all the emission simulations with one
simulation, now starting from the detection fibre. This means that the problem can be solved with
two simulations and a convolution.
0/5000
Từ: -
Sang: -
Kết quả (Việt) 1: [Sao chép]
Sao chép!
Khái niệm với trọng lượng quang, được sử dụng trong MCML để tăng tốc độCác mô phỏng mạnh, trở nên mờ mịt như khái niệm này cho phép sự hấp thụ trong mỗi tương tácgiữa một photon kích thích và các mô. Do đó tạo ra một photon phát thải trong mỗitương tác như vậy, để được theo sau cho đến khi nó chết. Gia tốc này không phải là hữu ích trong huỳnh quangMonte Carlo, cùng với một thực tế rất ít của photon phát ra sẽ tiếp cận với một máy dò,làm cho các mô phỏng huỳnh quang Monte Carlo thường rất tốn thời gian.Để tăng tốc độ loại mô phỏng, chúng tôi đã phát minh ra một khái niệm mới lạ để thực hiện như vậyMô phỏng. Khái niệm này sử dụng các đối xứng của vấn đề được sử dụng trong MCML, tức là có cácmô lớp. Đối xứng này làm cho nó thuận lợi để mô phỏng các đường dẫn kích thích và bức xạmột cách riêng biệt và sau đó thực hiện một convolution hai giải pháp. Trong trường hợp tổng quát này nàoyêu cầu một mô phỏng ánh sáng kích thích và một mô phỏng mỗi voxel cho phát xạ ánh sáng(nguồn gốc của sự phát thải có thể bất cứ nơi nào trong khối lượng). Bằng cách sử dụng các đối xứng của cáclớp phương tiện truyền thông, nó có thể làm giảm các mô phỏng cho phát xạ ánh sáng từ mỗi voxel đểmỗi chiều sâu (từ các mô phỏng của đường phát xạ ánh sáng có nguồn gốc từ voxel tại một sốchiều sâu sẽ là độc lập giống hệt nhau vào vị trí bên). Điều này sẽ dẫn đến một quyết liệt giảmthời gian tính toán. Nó đã được cũng chỉ ra rằng điều này có thể được thêm đáng kể cải thiện, bằng cách xác địnhxác suất cho một photon để tìm cách của mình từ vị trí A đến B là giống hệt với xác suấtcủa đường đi ngược từ B đến A. Một do đó có thể thay thế tất cả các mô phỏng xạ với mộtMô phỏng, bây giờ bắt đầu từ sợi phát hiện. Điều này có nghĩa rằng các vấn đề có thể được giải quyết vớihai mô phỏng và một convolution.
đang được dịch, vui lòng đợi..
Kết quả (Việt) 2:[Sao chép]
Sao chép!
Các khái niệm với trọng lượng photon, được sử dụng trong MCML để tăng tốc độ
mô phỏng mạnh, trở nên mơ hồ như là khái niệm này cho phép hấp thụ trong mỗi tương tác
giữa photon kích thích và các mô. Vì vậy, một photon phát xạ nên được tạo ra trong mỗi
tương tác như vậy, để được theo sau cho đến khi nó chết. Đó là gia tốc này là không hữu ích trong huỳnh quang
Monte Carlo, cùng với thực tế là rất ít các photon phát ra sẽ đạt được một phát hiện,
làm cho truyền huỳnh quang Monte Carlo mô phỏng rất tốn thời gian.
Để tăng tốc độ loại mô phỏng, chúng tôi phát minh một khái niệm mới để thực hiện như
mô phỏng. Khái niệm này sử dụng đối xứng của các vấn đề được sử dụng trong MCML, tức là các
mô là lớp. Đối xứng này làm cho nó thuận lợi để mô phỏng các kích thích và phát đường dẫn
riêng biệt và sau đó thực hiện một chập của hai giải pháp. Trong trường hợp chung này sẽ
đòi hỏi một mô phỏng cho ánh sáng kích thích và một mô phỏng mỗi voxel cho ánh sáng phát xạ
(nguồn gốc của bức xạ có thể là bất cứ nơi nào trong khối lượng). Bằng cách sử dụng các đối xứng của các
phương tiện truyền thông lớp, nó có thể làm giảm các mô phỏng cho ánh sáng phát ra từ một trong mỗi voxel đến
một mỗi chiều sâu (từ mô phỏng của con đường phát xạ ánh sáng có nguồn gốc từ một voxel một lúc nào đó
sâu sẽ được độc lập giống hệt nhau trên nó vị trí bên). Điều này sẽ dẫn đến một giảm đáng kể
thời gian tính toán. Nó cũng chỉ ra rằng điều này có thể được cải tiến tốt hơn đáng kể, bằng cách xác định
rằng xác suất cho một photon để tìm đường của nó từ vị trí A đến B là giống hệt nhau đến xác suất
của con đường ngược lại từ B đến A. Một như vậy có thể thay thế tất cả các khí thải mô phỏng với một
mô phỏng, bây giờ bắt đầu từ các sợi phát hiện. Điều này có nghĩa rằng vấn đề có thể được giải quyết với
hai mô phỏng và một chập.
đang được dịch, vui lòng đợi..
 
Các ngôn ngữ khác
Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.

Copyright ©2024 I Love Translation. All reserved.

E-mail: