論文の概要: Pathloss modeling for in-body optical wireless communications
- arxiv url: http://arxiv.org/abs/2105.02829v1
- Date: Thu, 6 May 2021 17:17:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-07 13:09:30.462776
- Title: Pathloss modeling for in-body optical wireless communications
- Title(参考訳): 体内光無線通信のためのパスロスモデリング
- Authors: Stylianos E. Trevlakis, Alexandros-Apostolos A. Boulogeorgos, and
Nestor D. Chatzidiamantis
- Abstract要約: 光無線通信(OWC)は、次世代の体内ナノスケールネットワークとインプラントの候補として認識されている。
本稿では,体内OWCの一般パスロスモデルについて述べる。
- 参考スコア(独自算出の注目度): 65.33908037519238
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Optical wireless communications (OWCs) have been recognized as a candidate
enabler of next generation in-body nano-scale networks and implants. The
development of an accurate channel model capable of accommodating the
particularities of different type of tissues is expected to boost the design of
optimized communication protocols for such applications. Motivated by this,
this paper focuses on presenting a general pathloss model for in-body OWCs. In
particular, we use experimental measurements in order to extract analytical
expressions for the absorption coefficients of the five main tissues'
constitutions, namely oxygenated and de-oxygenated blood, water, fat, and
melanin. Building upon these expressions, we derive a general formula for the
absorption coefficient evaluation of any biological tissue. To verify the
validity of this formula, we compute the absorption coefficient of complex
tissues and compare them against respective experimental results reported by
independent research works. Interestingly, we observe that the analytical
formula has high accuracy and is capable of modeling the pathloss and,
therefore, the penetration depth in complex tissues.
- Abstract(参考訳): 光無線通信(OWC)は、次世代のナノスケールネットワークとインプラントの候補として認識されている。
異なる種類の組織の特徴を調節できる正確なチャネルモデルの開発は、そのような用途に最適化された通信プロトコルの設計を促進することが期待されている。
そこで本研究では,生体内OWCに対する一般的なパスロスモデルを提案する。
特に, 5つの組織構成, 酸素および脱酸素血液, 水, 脂肪, メラニンの吸収係数の解析式を抽出するために, 実験式を用いた。
これらの式に基づいて, 生体組織の吸収係数評価の一般式を導出した。
この式の有効性を検証するために, 複合組織の吸収係数を計算し, 独立研究で報告された各実験結果と比較する。
興味深いことに, 解析式は精度が高く, パスロスをモデル化できるため, 複雑な組織への浸透深さを推定できる。
関連論文リスト
- Mechanics and Design of Metastructured Auxetic Patches with Bio-inspired Materials [0.5033155053523042]
本研究は, 絹フィブロインから作製した正弦波状構造を有する触覚パッチのニューラルネットワークによる計算モデルに焦点をあてる。
提案する枠組みは, 医療用バイオインスパイアされた生体組織の設計において, 重要な進歩を示すものである。
論文 参考訳(メタデータ) (2025-01-08T03:57:20Z) - Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。
我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。
我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
論文 参考訳(メタデータ) (2024-11-10T16:40:27Z) - CMINNs: Compartment Model Informed Neural Networks -- Unlocking Drug Dynamics [1.7614751781649955]
本稿では,PKとPK-PDモデリングを統合した革新的な手法を提案する。
提案手法は物理インフォームドニューラルネットワーク(PINN)と分数物理インフォームドニューラルネットワーク(fPINN)を用いる。
その結果、この手法は、薬物吸収率と分散遅延応答のモデル描写を著しく強化する堅牢なフレームワークを提供することを示した。
論文 参考訳(メタデータ) (2024-09-19T15:01:33Z) - KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
本稿では,網膜血管分割のためのKLDDモデルを提案する。
我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。
実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
論文 参考訳(メタデータ) (2024-09-19T14:21:38Z) - Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。
回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文 参考訳(メタデータ) (2024-05-23T13:22:17Z) - Exploring hyperelastic material model discovery for human brain cortex:
multivariate analysis vs. artificial neural network approaches [10.003764827561238]
本研究の目的は、ヒト脳組織において最も好ましい物質モデルを特定することである。
我々は、広く受け入れられている古典モデルの一般化に、人工ニューラルネットワークと多重回帰法を適用した。
論文 参考訳(メタデータ) (2023-10-16T18:49:59Z) - Score Approximation, Estimation and Distribution Recovery of Diffusion
Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。
適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。
推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文 参考訳(メタデータ) (2023-02-14T17:02:35Z) - A Physics-Guided Neural Operator Learning Approach to Model Biological
Tissues from Digital Image Correlation Measurements [3.65211252467094]
本稿では, 生体組織モデリングにおけるデータ駆動型相関について述べる。これは, 未知の負荷シナリオ下でのデジタル画像相関(DIC)測定に基づいて変位場を予測することを目的としている。
ブタ三尖弁リーフレット上の多軸延伸プロトコルのDIC変位追跡測定から材料データベースを構築した。
材料応答は、負荷から結果の変位場への解演算子としてモデル化され、材料特性はデータから暗黙的に学習され、自然にネットワークパラメータに埋め込まれる。
論文 参考訳(メタデータ) (2022-04-01T04:56:41Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳(メタデータ) (2021-10-26T07:02:14Z) - High-dimensional Bayesian Optimization of Personalized Cardiac Model
Parameters via an Embedded Generative Model [7.286540513944084]
ベイズ最適化の目的関数に生成的変分オートエンコーダ(VAE)を組み込む新しい概念を提案する。
生成コードに関するVAE符号化された知識は、探索空間の探索を導くために使用される。
本発明の方法は、心臓電気生理学的モデルにおける組織興奮性の推定に応用される。
論文 参考訳(メタデータ) (2020-05-15T22:14:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。