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
- Analyzing Neural Network-Based Generative Diffusion Models through
Convex Optimization [54.01594785269913]
拡散モデルは画像、ビデオ、オーディオ生成に広く使われている。
スコアベース拡散モデルでは,入力データ分布のスコア関数を推定する必要がある。
この研究は、ニューラルネットワークベースの拡散モデルが漸近的でない環境で何を学ぶかを理解するのに寄与する。
論文 参考訳(メタデータ) (2024-02-03T00:20:25Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳(メタデータ) (2024-01-18T18:06:22Z) - 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) - Extending the Relative Seriality Formalism for Interpretable Deep
Learning of Normal Tissue Complication Probability Models [0.0]
Kallmanらの相対直列モデルは、単純な畳み込みニューラルネットワークに正確に対応していることを示す。
このアプローチは、畳み込み層と積み重ねた中間プール層におけるフィードフォワード結合を、傍観者効果や階層的な組織構造の観点から自然に解釈する。
論文 参考訳(メタデータ) (2021-11-25T00:34:46Z) - 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) - Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。
本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。
我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
論文 参考訳(メタデータ) (2020-06-16T18:45:20Z) - 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。