Rentgenová počítačová tomografie je univerzální technika umožňující nedestruktivní trojrozměrné (3D) zobrazování. Je široce používána v průmyslu pro metrologii a charakterizaci materiálů. V poslední době našla svůj význam také v biologii a vývojové vědě, kde 3D rekonstruovaná data poskytují komplexnější informace o vzorku než konvenční 2D zobrazovací metody. Kromě toho může vytvářet vysoce kvalitní snímky různých biologických vzorků. Překážkou při zobrazování biologických vzorků může být velmi podobný koeficient útlumu měkkých tkání, a proto je nutné použít barvení chemickou látkou. Tato práce si klade za cíl pomocí mikropočítačové tomografie vizualizovat a kvalitativně vyhodnotit srdce embryonálních myší E17.5 a představit nejlepší barvící protokol. Dále byla zavedena metodika pro zvýraznění rozdílů mezi myší divokého typu a mutantem. Rigaku nano 3DX byl použit pro experimenty s mezi-komorovou přepážkou myšího srdce a po nastavení specifických parametrů zařízení byl použit algoritmus pro zvýraznění fáze. Nakonec byla provedena validace $\mu$ CT dat se snímkami z konfokálního mikroskopu.

The work resulted in computer application which simulates X-ray projection and projection-reconstruction imaging in voxel space. Application user becomes acquainted with terms of acquisition contrast of X-ray projection and projection-reconstruction imaging. The thesis takes detailed look at algorithms of computing ray integrals and X-ray projection and projection-reconstruction imaging. The potential of modern computer graphics is also discussed.

First part of this thesis is a theoretical essay which deals with the basics of scanning electron microscopy, with structure and function of a scanning electron microscope, its’ special case of an various pressure scanning electron microscope, electron interaction with surrounding environment and with a scintillation detector. The applied part of the thesis is focused on evaluation of material contrast on Cu-W specimen. Material contrast is evaluated for different pressures of water vapors in the microscope specimen chamber and for different detection conditions.

This thesis concentrates on the methodology of semiconductor samples preparation for low voltage scanning electron microscopy. In the first part a detailed theory of sample imaging using electron beam and difference between classical scanning electron microscopy (SEM) and low voltage scanning electron microscopy (LVSEM) is described. It is given a description of a contrast formation in SEM and LVSEM and theories describing a contrast formation of differently doped semiconductors. The second part contains experimental data. The advantages and disadvantages of cleavage and focused ion beam (FIB) milling as sample preparation techniques are discussed. FIB was found as the best method for sample preparation for the analysis of precisely defined location on the sample. It is necessary to use the lowest possible FIB accelerating voltage for final polishing, ideally 1 kV.

This magister’s thesis is about modern lighting of vehicles, the visual range and afterglow in poor visibility. The first part of the thesis provides a detailed analysis of the current situation and problems, including a comprehensive description of the sources of light radiation, lamps, structures, and describe the systems used in modern lighting technology of vehicles. In the second part of the thesis there are the scientific methods to determine the issue of visual range and afterglow of the headlights. The second part is about the application of acquired techniques to detect an afterglow and the visual range of vehicles with modern headlights with a light source with xenon lamp, compared with a vehicle with a halogen lamp and a vehicle with an older halogen headlight.

This master's thesis deals with the analysis of comparison the results of experimental measurements of visibility with the software Dohľadnosť 2.0. Based on the specifications obtained by measuring in the field evaluates, whether the results acquired from the software by simulating an identical situation are consistent and therefore applicable for an expertise activities in solving the analysis of road-traffic accident.

Syfte: Syftet med detta projekt var att utvärdera kvaliteten på de digitala röntgenbilder som genereras med en On-Board imager® (OBI), monterad på en medicinsk linjäraccelerator på radioterapiavdelningen på Karolinska Universitetssjukhuset. Dessa kilovoltbilder används för att verifiera patientens position på behandlingsbordet, inför behandling, för att reducera risken att friskvävnad bestrålas i onödan. Detta utförs genom en online ortogonal 2D-2D matchningsteknik innan strålningen leveras. Material och metoder: OBI-system, utvecklad av Varian Medical System, erbjuder en protokoll med exponeringsparametrar för att hjälpa användaren att välja lämpliga inställningar för exempelvis lämplig rörström och spänning under bildtagningen de digitala kilovoltbilderna. Under detta projekt skapades flera testbilder tagna med ändrade exponeringsparametrarna i de befintliga protokollen. Dessa testbilders kontrast bedömdes sedan och jämfördes med bilder tagna med de förinställda parametrar från Varians protokoll. Resultat och slutsats: En utvärdering av de experimentella testbilderna, i jämförelse med bilder skapade med det befintliga protokollet, visade att en justering av exponeringsfaktorer inte leder till något signifikant förbättring av bildernas kontrast. / Purpose: The purpose of this project was to evaluate the quality of kilo Voltage- digital radiography images that are provided by an On-Board imager® (OBI) mounted on a medical linear accelerator at the Radiotherapy department of Karolinska University Hospital. The digital kV-images are used to verify patient position on the treatment table, in order to reduce healthy tissue irradiation, using an online orthogonal set of 2D-2D matching technique, before the treatment delivery. Material and methods: The OBI- system elaborated by Varian Medical System offers an exposure factor protocol in order to help users to choice proper exposure factors, as proper tube current and tube voltage, during acquisition of kV-images. In this project several test images were performed by changing the exposure factors. Further the test images quality regarding, quality index contrast, was assessed and compared with the image performed by the existent Varian protocol. Result and Conclusion: Evaluation of the tests images shows that changing of the exposure factors doesn’t result in any significant improvement of kV-images contrast as compared to images created with the existent protocols parameters.

Tato práce se zaměřuje na pokročilou zobrazovací technologii, rentgenovou počítačovou tomografii (CT). Tato nedestruktivní technika je využívána pro výzkum různých biomateiálů ve tkáňovém inženýrství a materiálové vědě obecně (skafoldy, polymery, keramické materiály, kompozity aj.). Vizualizace a kvantifikace ve 3D jsou výhodné v rámci multidisciplinárního přístupu, který je často v těchto odvětvích uplatňován. Záměr této práce lze rozdělit do dvou oblastí. Prvním tématem je optimalizace měřicí procedury různých měkkých materiálů pomocí CT s laboratorními rentgenovými zdroji. To zahrnuje převážně zobrazování ve fázovém kontrastu, konkrétně metodu volného šíření záření (VŠZ). Tato práce teoreticky popisuje VŠZ a demonstruje tento jev na řadě experimentů. Následné nezbytné zpracování dat získaných VŠZ je implementováno a vyhodnoceno na základě míry zlepšení obrazových dat. Druhé téma ukazuje konkrétní aplikace CT v materiálovém inženýrství. Několik studií s různými CT zařízeními ukazuje příklady možných aplikací a obrazového zpracování. Příklady korelace CT dat s jinými doplňkovými technikami ukazují, jak může být CT aplikována v multioborovém přístupu ke komplexnímu řešení vědeckých problémů.

In the banking world trades of securities are finalized every day, on behalf of the banks themselves or of their clients. When the trades have been booked by the front office the confirmations sent by the counterparty have to be checked and connected to the correct trade by hand, posing the question whether this process could not be automated using machine learning techniques. There is no straightforward solution to this problem since the confirmations differ between counterparties, and can contain different enriched information or even be in different formats. This thesis addresses the problem of matching trades with their corresponding confirmations via deep learning methods. A model is trained using contrastive learning methods on generated pairs of trades and confirmations, with the goal of matching the pairs in the latent space by using nearest neighbor classification. Accuracy is measured by dividing the correctly classified samples by the total number of samples in a testing batch. The model achieves an accuracy as high as 97.8% over 100 trade-confirmation samples with a 30-dimensional latent space, and it is shown that similar contrastive methods can indeed be used in order to solve this problem. / Banker handlar varje dag med värdpapper av olika slag, antingen för sin egen vinning eller för sina kunders. När en affär har blivit beslutad mellan två parter så bokförs denna i bägge parternas interna system. En konfirmation kommer sedan skickas från den andra parten som manuellt måste paras ihop med affären vilket väcker frågan om huruvida detta inte kan automatiseras med hjälp av maskininlärning. Det finns inte en uppenbar lösning på detta problemet då konfirmationsmeddelandena kan skiljer sig åt mellan olika parter och kan innehålla olika tillagd information eller till och med vara i olika format. En model tränas genom att använda kontrast-inlärning på genererade par av affärer och konfirmationer av affärer för att kunna para ihop paren i det latenta rummet genom att se vilka grannar som ligger närmast. Nogrannheten mäts genom att dela antalet korrekt klassificerade exempel med det totala antalet par i en grupp test-par. Modellen uppnår en noggrannhet så hög som 97.8% på 100 affärs-konfirmationspar med ett 30-dimensionellt latent rum, och det visas att kontrast-inlärning kan användas för att lösa problemet. Det är dock svårt att säga mycket om hur väl modellen kan generalisera de inlärda kunskaperna eftersom träningsdatan behövde genereras och därför saknar en del av komplexiteten av ett äkte data set.

Framgången av mönsterigenkänning inom AI (artificiell intelligens) har skapat höga förväntningar om att AI ska kunna appliceras inom vården, framför allt inom radiologi. Det danska företaget Radiobotics har utvecklat en maskininlärningsbaserad programvara som diagnostiserar knäartros, för att assistera vårdpersonalen i deras arbete. Denna AI-programvara vid namn RBknee analyserar en röntgenbild utifrån tre diagnostiska parametrar som förekommer vid knäartros, för att sedan sammanställa de radiologiska fynden i en skriftlig rapport tillsammans med en slutgiltig diagnos. För att få förståelse för hur RBknees analysförmåga påverkas av en bildkvalitetsförsämring undersöktes för vilken kontrast och brusnivå som RBknee genererar ett felaktigt utlåtande gällande de diagnostiska parametrarna och slutdiagnosen. Vidare undersöktes om graden av knäartros påverkade RBknee analysförmåga vid en bildkvalitetsförsämring. Ett bildunderlag med kliniskt tagna slätröntgenbilder av knän degraderades med avseende på kontrast och brus för att sedan analyseras av RBknee. Förändringar av RBknees utlåtande för de degraderade bilderna jämfört med originalbildens utlåtande sammanställdes och studerades. Resultatet visade att det inte gick att identifiera en specifik försämringsgrad av bildkvaliteten där RBknee genererade ett felaktigt utlåtande. RBknees förmåga att generera ett korrekt utlåtande var bättre vid en kontrastdegradering än vid en brusdegradering. Det konstaterades att en ökad brusnivå ökade risken för ett felaktigt utlåtande av RBknee, samt att brusets position på röntgenbilden hade en påverkan. Det gick även att fastställa att röntgenbilder av knän med en lägre grad av knäartros i högre grad riskerade att få felaktiga utlåtanden av RBknee. / The success of pattern recognition in AI (artificial intelligence) has brought high expectations for AI to be applied in healthcare, especially in radiology. A machine learning software for knee osteoarthritis diagnosis has been developed by the Danish company Radiobotics. The AI software, named RBknee, analyses digital radiographs and annotates osteoarthritis related findings. The findings, together with a conclusion, are compiled in a written report. RBknee is intended to assist healthcare professionals in radiographic analysis. How RBknees analytical ability is affected by a reduced image quality was studied by examining the contrast and noise level which cause RBknee to generate incorrect findings and conclusions. If the image quality reduction caused RBknees analytically ability to differ with different degrees of knee osteoarthritis, was also studied. The image quality of clinical digital radiographs of knees was reduced and analysed by RBknee. RBknees findings and conclusion were compared with the report of the original image, where the changes were compiled into tables. No specific reduction of image quality that restricted RBknee analytically ability was established in the study. An increased noise level seemed to increase the risk of receiving an incorrect report by RBknee. RBknees ability to generate correct report was better for contrast degraded images than for images with increased noise level. The position of the noise in the radiograph also seemed to have an impact on RBknees analytical ability. It was also possible to establish that knees with a lower degree of knee osteoarthritis were more likely to receive an incorrect report from RBknee.