Avancerad sökning
Visar resultat 1 - 5 av 67 uppsatser som matchar ovanstående sökkriterier.
1. Hur relevant är gonadskydd på män vid joniserande undersökningar? : En litteraturöversikt
Uppsats för yrkesexamina på grundnivå, Luleå tekniska universitet/Institutionen för hälsa, lärande och teknikSammanfattning : Introduktion: Dagens strålskyddsprinciper om gonadskydd är i grunden baserade på ALARA principen utöver de olika lagar och författningar som implementeras med tidens gång. Att uppnå diagnostisk kvalitet på bilden utan att ta bort vital information är därför av intresse för röntgensjuksköterskan. LÄS MER
2. Arbetstillfredsställelsen hos röntgensjuksköterskor med fokus på psykosocial arbetsmiljö : Enkätstudie
Kandidat-uppsats, Uppsala universitet/Institutionen för kirurgiska vetenskaperSammanfattning : Bakgrund: Röntgensjuksköterskor har en viktig roll inom vården men det råder brist på röntgensjuksköterskor på den nuvarande arbetsmarknaden i Sverige. Att öka nivån av arbetstillfredsställelse för röntgensjuksköterskor skulle kunna hjälpa arbetsgivare att attrahera och behålla medarbetarna. LÄS MER
3. Quality enhancement of time-resolved computed tomography scans with cycleGAN
Master-uppsats, Lunds universitet/Synkrotronljusfysik; Lunds universitet/Fysiska institutionenSammanfattning : Time-resolved x-ray tomography enables us to dynamically and non-destructively study the interior of a specimen. The obtainable temporal resolution is limited by the x-ray flux and the desired spatial resolution. LÄS MER
4. Deep Learning-based Regularizers for Cone Beam Computed Tomography Reconstruction
Master-uppsats, KTH/Matematisk statistikSammanfattning : Cone Beam Computed Tomography is a technology to visualize the 3D interior anatomy of a patient. It is important for image-guided radiation therapy in cancer treatment. During a scan, iterative methods are often used for the image reconstruction step. LÄS MER
5. Identification of Fibers in Micro-CT Images of Paperboard Using Deep Learning
Uppsats för yrkesexamina på avancerad nivå, Lunds universitet/Hållfasthetslära; Lunds universitet/Institutionen för byggvetenskaperSammanfattning : This master thesis project explores the possibility of using deep learning to segment individual fibers in three-dimensional tomography images of paperboard fiber networks. We test a method which has previously been used to segment fibers in images of glass fiber reinforced polymers. LÄS MER