Práce se zabývá návrhem magnetoreologické (MR) vzpěry vibroizolačního systému (VIS) pro kosmický nosič. V rešeršní části jsou popsány vybrané VIS a vzpěry těchto systémů, které byly v kosmických nosičích využity v minulosti. Každá z těchto vzpěr obsahující kapalinu byla těsněna pomocí statických těsnění a pružných vlnovců vyrobených z oceli. Důkladněji byla analyzována vzpěra pasivního systému VIS s označením ELVIS, jehož konstrukce se stala inspirací pro tuto práci. Jedná se o tříparametrický systém, v němž je tlumič uložen na pružině, jejíž tuhost přibližně odpovídá objemové tuhosti vlnovců respektive jejímu průmětu do axiálního směru (pressure thrust stiffness). V práci je představena metodika pro stanovení “pressure thrust stiffness” na základě geometrie vlnovce a také uvedeny parametry vlnovce díky kterým je možné měnit poměr mezi axiální a “pressure thrust stiffness” vlnovce. Tento poměr ovlivňuje v dané koncepci vzpěry její dynamické chování a tím i chování celého VIS. Pro predikci dynamického chování vzpěry byl vytvořen multi-body model VIS založeného na Stewartově plošině a detailnější model jediné vzpěry. Simulace provedené v tomto modelu odhalily parametry, které mají vliv na výkonost tlumiče ve VIS: časová odezva a dynamický rozsah. Díky modelu byl určen rozsah těchto parametrů, ve kterých bude zaručena efektivní funkce vzpěry ve VIS, konkrétně: časová odezva: 0-5ms, dynamický rozsah: 5-10. Před finálním návrhem vzpěry byla sestrojena vzpěra experimentální vzpěra, jejíž parametry byly přesně naměřeny a využity pro verifikaci jednotlivých modelů. Poznatky získané během experimentů byly využity při návrhu finální vzpěry. Jeden z nejdůležitějších poznatků byla nutnost náhrady feritového magnetického obvodu s ohledem na jeho křehkost. Proto byl odvozen tvarový přístup k navrhování rychlých magnetických obvodů z oceli s využitím 3D tisku, který byl následně patentován. Navržená vzpěra obsahuje magnetoreologický ventil jehož odezva je predikována na 1.2 ms a dynamický rozsah 10. V závěru práce je představena metodika, díky které byla vzpěra navržena.

Epilepsy affects more than 50 million people and is one of the most prevalent neurological disorders and has a high impact on the quality of life of those suffering from it. However, 70% of epilepsy patients can live seizure free with proper diagnosis and treatment. Patients are evaluated using scalp EEG recordings which is cheap and non-invasive. Diagnostic yield is however low and qualified personnel need to process large amounts of data in order to accurately assess patients. MindReader is an unsupervised classifier which detects spectral anomalies and generates a hypothesis of the underlying patient state over time. The aim is to highlight abnormal, potentially epileptiform states, which could expedite analysis of patients and let qualified personnel attest the results. It was used to evaluate 95 scalp EEG recordings from healthy adults and adult patients with epilepsy. Interictal Epileptiform discharges (IED) occurring in the samples had been retroactively annotated, along with the patient state and maneuvers performed by personnel, to enable characterization of the classifier’s detection performance. The performance was slightly worse than previous benchmarks on pediatric scalp EEG recordings, with a 7% and 33% drop in specificity and sensitivity, respectively. Electrode positioning and partial spatial extent of events saw notable impact on performance. However, no correlation between annotated disturbances and reduction in performance could be found. Additional explorative analysis was performed on serialized intermediate data to evaluate the analysis design. Hyperparameters and electrode montage options were exposed to optimize for the average Mathew’s correlation coefficient (MCC) per electrode per patient, on a subset of the patients with epilepsy. An increased window length and lowered amount of training along with an common average montage proved most successful. The Euclidean distance of cumulative spectra (ECS), a metric suitable for spectral analysis, and homologous L2 and L1 loss function were implemented, of which the ECS further improved the average performance for all samples. Four additional analyses, featuring new time-frequency transforms and multichannel convolutional autoencoders were evaluated and an analysis using the continuous wavelet transform (CWT) and a convolutional autoencoder (CNN) performed the best, with an average MCC score of 0.19 and 56.9% sensitivity with approximately 13.9 false positives per minute.

В последние годы распространенность сердечно-сосудистых заболеваний, а также уровень смертности растет, что серьезно угрожает здоровью человека, что требует от врачей ранней диагностики сердечно-сосудистых заболеваний, чтобы выиграть время для последующего лечения пациентов, а результаты сегментации ультразвуковых изображений левого желудочка могут помочь врачам в диагностике сердечно-сосудистых заболеваний, но ультразвуковые изображения левого желудочка имеют характеристики сильного шума, слабых границ и сложной структуры ткани, что делает сегментацию изображения сложной, низкой эффективностью и плохой точностью. Одним из важнейших этапов оценки здоровья сердца является отслеживание и сегментация эндокардиальной границы левого желудочка (ЛЖ) с помощью ЭхоКГ, которая используется для измерения фракции выброса и оценки движения региональной стенки. Недостатком этих методов является необходимость применения обработки изображений вручную или в полуавтоматическом режиме, что требует специальных знаний и навыков. В результате вопрос автоматического отслеживания и сегментации ЛЖ на ЭхоКГ-изображениях является актуальной и практической проблемой. В моем проекте изучается способность полностью обученных моделей глубокого обучения U-Net, U-Net++, MANet, LinkNet, FPN, PSPNet, PAN, DeepLabv3 и DeepLabv3+ автоматически определять область левого желудочка. В то же время в архитектурах U-Net, U-Net++, MANet, LinkNet, PSPNet, PAN, FPN, DeepLabv3 и DeepLabv3+ модули кодировщика затем последовательно заменялись на ResNet18, ResNet34, ResNet5, ResNet101, EfficientNet-b0, EfficientNet-b1, EfficientNet-b3, EfficientNet-b5, EfficientNet-b7 и MobileNetv2, а ImageNet использовался в качестве весов предварительной подготовки; Добавление магистральных сетей в архитектуру модели приводит к более высокой точности сегментации по сравнению с исходной моделью. В рамках той же архитектуры модели EfficientNet в качестве кодировщика достигает лучших результатов сегментации, а EfficientNet-b3 работает лучше. Аналогично, в рамках серии ResNet ResNet34 работает лучше. В модели сегментации этого эксперимента Deeplabv3+ показывает превосходную производительность. Это указывает на то, что в архитектуре модели этого эксперимента интеграция модулей ResNet34 и EfficientNet-b3 в качестве кодировщиков может эффективно и осуществимо автоматизировать распознавание эндокардиальной границы левого желудочка на ультразвуковых изображениях. Кроме того, аугментация данных также в определенной степени повысит точность сегментации модели. / In recent years, the prevalence of cardiovascular diseases. as well as the mortality rate is increasing, which has seriously threatened human health, which requires doctors to diagnose cardiovascular diseases early to gain time for patients' later treatment, and the segmentation results of left ventricular ultrasound images can assist doctors in the diagnosis of cardiovascular diseases, but the left ventricular ultrasound images have the characteristics of strong noise, weak edges and complex tissue structure, which makes the image segmentation difficult, low efficiency and poor precision. One of the most important steps in estimating the health of the heart is the tracking and segmentation of the left ventricular (LV) endocardial border from EchoCG, which is used for measuring the ejection fraction and assessing the regional wall motion. The disadvantage of these methods is the necessity to apply image processing manually or in a semi-automatic mode, which requires special knowledge and skills. As a result, the issue of an automatic tracking and segmentation of the LV on EchoCG-images is an actual and practical problem. In my project, the ability of fully trained Deep Learning Models U-Net, U-Net++, MANet, LinkNet, FPN, PSPNet, PAN, DeepLabv3and DeepLabv3+ to automatically identify the left ventricular region is explored. At the same time, in the U-Net, U-Net++, MANet, LinkNet, PSPNet, PAN, FPN, DeepLabv3 and DeepLabv3+ architectures, the encoder modules were then sequentially replaced with ResNet18, ResNet34, ResNet5, ResNet101, EfficientNet-b0, EfficientNet-b1, EfficientNet-b3, EfficientNet-b5, EfficientNet-b7and MobileNetv2, and ImageNet was used as the pre-training weights; The addition of backbones to the model architecture leads to higher segmentation accuracy compared to the original model. Within the same model architecture, EfficientNet as the encoder achieves better segmentation results, with EfficientNet-b3 performing the best. Similarly, within the ResNet series, ResNet34 performs better. In the segmentation model of this experiment, Deeplabv3+ shows superior performance. This indicates that in the model architecture of this experiment, integrating ResNet34 and EfficientNet-b3 modules as encoders can effectively and feasibly automate the recognition of the endocardial boundary of the left ventricle in ultrasound images. Furthermore, data augmentation will also enhance the model’s segmentation accuracy to a certain extent.

This thesis describe detection of direction receiving sound with small–size microphone array. Work is based on analyzing methods of time delay estimation, energy decay or phase difference signal. Work focus mainly on finding of angle of arrival in small time difference. Results of measuring, as programming sound, so sound recorded in laboratory conditions and real enviroment, are mentioned in conclusion. All calculations were done by platform Matlab

Электроретинография (ЭРГ) — это неинвазивный способ измерения электрической активности сетчатки с помощью световой стимуляции. Сигналы ЭРГ содержат несколько различных компонентов, которые можно использовать для диагностики различных заболеваний сетчатки. Некоторые из этих заболеваний включают дистрофии, связанные с колбочками и палочками, возрастную дегенерацию желтого пятна, диабетическую ретинопатию, глаукому и пигментный ретинит. В этой диссертации использовались различные методы для анализа сигналов ЭРГ, включая методы временной области, частотной области и частотно-временной области. Процесс начался с очистки базы данных сигналов и предварительной обработки извлеченных сигналов. Затем были вычислены стандартные компоненты сигнала, включая a- и b-волны и неявное время, и был проведен анализ сигналов во временной области. Анализ во временной области включал изучение амплитуд и задержек различных компонентов волны, что может дать представление о функционировании различных типов клеток сетчатки. Корреляционный анализ также проводился для изучения взаимосвязи между возрастом пациентов и компонентами сигнала, результаты которого показывают очень слабую корреляцию между возрастом и компонентами, с некоторой значительной корреляцией между отдельными компонентами. В частотной области преобразование Фурье использовалось для извлечения частот сигналов для анализа. Частотное содержимое сигналов ЭРГ может раскрыть информацию о базовых физиологических процессах и потенциальных отклонениях. Однако из-за инвариантной во времени природы частотной области делать выводы, основанные исключительно на этом анализе, может быть сложно. Для анализа частотно-временной области использовалось кратковременное преобразование Фурье (STFT) вместе с анализом спектрограмм. STFT позволяло изучить, как частотное содержимое сигналов менялось с течением времени, обеспечивая более полное представление динамики сигнала. Кроме того, признаки извлекались с использованием различных окон и размеров окон для обучения классификатора машинного обучения с целью классификации сигналов. Вычисленные спектрограммы также использовались для обучения моделей глубокого обучения с различными архитектурами, и результаты сравнивались на основе используемых окон. Результаты показывают, что нет заметной корреляции между возрастом и другими компонентами сигнала во временной области. Это говорит о том, что возраст сам по себе не может быть надежным предиктором характеристик сигнала ERG. В частотной области делать выводы, основанные исключительно на частотном содержании, оказалось сложно из-за инвариантной во времени природы анализа. Более того, очевидно, что размеры окон оказывают более существенное влияние на результирующие признаки по сравнению с функциями окна. Большие размеры окон обеспечивают улучшенное разрешение по частоте, в то время как меньшие окна обеспечивают более высокое разрешение по времени. Это означает, что разрешение по времени и частоте играет более существенную роль в формировании результирующих признаков, чем обработка сигнала, выполняемая самой функцией окна. Анализ сигналов ERG с использованием различных методов, включая методы временной области, частотной области и частотно-временной области, дает ценную информацию о функции сетчатки и потенциальных расстройствах. Сочетание этих подходов, наряду с методами извлечения признаков и машинного обучения, предлагает комплексную структуру для понимания и интерпретации сигналов ERG. Однако тщательное рассмотрение таких факторов, как размеры окон и компромиссы разрешения, имеет решающее значение для получения значимых и точных результатов. / Electroretinography (ERG) is a non-invasive way of measuring the electrical activity of the retina with the help of light stimulation. ERG signals contain several different components which can be used to diagnose various retinal disorders. Some of these disorders include cone and rod related dystrophies, age-related macular degeneration, diabetic retinopathies, glaucoma and retinitis pigmentosa. In this thesis, various methods were utilized to analyze ERG signals, including time-domain, frequency-domain, and time-frequency domain techniques. The process began with cleaning the signals database and preprocessing the extracted signals. Next, standard signal components including the a- and b-waves and implicit times were computed, and time-domain analysis was conducted on the signals. The time-domain analysis involved examining the amplitudes and latencies of the different wave components, which can provide insights into the functioning of different retinal cell types. Correlation analysis was also conducted to examine there’s relationship between the patients’ age and the signal components which the results show very little correlation between the age and the components, with some significant correlation between the individual components. In the frequency domain, Fourier Transform was used to extract signal frequencies for analysis. The frequency content of the ERG signals can reveal information about the underlying physiological processes and potential abnormalities. However, due to the time-invariant nature of the frequency domain, drawing conclusions based solely on this analysis can be challenging. For time-frequency domain analysis, short-time Fourier transform (STFT) was employed along with spectrogram analysis. The STFT allowed for the examination of how the frequency content of the signals evolved over time, providing a more comprehensive representation of the signal dynamics. Additionally, features were extracted using different windows and window sizes for machine learning classifier training to classify the signals. The spectrograms computed were also used to train deep learning models with different architectures, and the results were compared based on the windows used. The findings indicate that there is no discernible correlation between age and other signal components in the time domain. This suggests that age alone may not be a reliable predictor of ERG signal characteristics. In the frequency domain, drawing conclusions based solely on the frequency content proved challenging due to the time-invariant nature of the analysis. Moreover, it is evident that window sizes have a more significant impact on the resulting features compared to window functions. Larger window sizes yield improved frequency resolution, while smaller windows offer higher time resolution. This implies that the time and frequency resolution play a more substantial role in shaping the resulting features than the signal processing performed by the window function itself. The analysis of ERG signals using various techniques, including time-domain, frequency-domain, and time-frequency domain methods, provides valuable insights into retinal function and potential disorders. The combination of these approaches, along with feature extraction and machine learning techniques, offers a comprehensive framework for understanding and interpreting ERG signals. However, careful consideration of factors such as window sizes and resolution trade-offs is crucial for obtaining meaningful and accurate results.

L'élaboration de composites à matrice céramique denses et à fibres continues multidirectionnelles par de nouveaux procédés hybrides a été étudiée. Les procédés développés reposent sur le dépôt d'interphases autour des fibres par Infiltration Chimique en phase Vapeur (CVI) puis sur l'introduction de poudres céramiques au sein de préformes fibreuses par infusion de suspensions aqueuses colloïdales concentrées et stables, et enfin sur la consolidation des préformes soit par frittage flash, soit par imprégnation réactive de métaux liquides.La consolidation des composites par frittage flash est très rapide (palier de maintien en température inférieure à 5 minutes) et permet d'obtenir des composites denses. Durant le frittage, la dégradation des fibres de carbone a pu être évitée en adaptant le cycle de pression afin de limiter l'évolution des gaz au sein du système.La densification totale des composites par imprégnation de métaux liquides a été obtenue en contrôlant attentivement les paramètres d'imprégnation afin d'éviter de piéger des espèces gazeuses au sein des préformes fibreuses.Les composites à fibres de carbone consolidés par frittage flash ou par imprégnation réactive de métaux liquide possèdent un comportement mécanique de type élastique endommageable ainsi qu'une contrainte à rupture en flexion voisine de 300 MPa. Ces composites ont montré leur capacité à s'autocicatriser dans des conditions oxydantes. Comparés aux composites à matrice céramiques élaborés par CVI, les composites densifiés par imprégnation de métaux liquide sont eux parfaitement denses et ont un comportement mécanique en traction à température ambiante similaire avec notamment une contrainte à rupture en traction de 220 MPa. / The fabrication of multidirectional continuous carbon fibers reinforced dense self healing Ceramic Matrix Composites by new short time hybrid processes was studied. The processes developed are based, first, on the deposition of fiber interphase and coating by chemical vapor infiltration, next, on the introduction of ceramic powders into the fibrous preform by Slurry Impregnation and, finally, on the densification of the composite by liquid-phase Spark Plasma Sintering (SPS) or by Reactive Melt Infiltration of silicon (RMI).The homogeneous introduction of the ceramic particles into the multidirectional fiber preforms was realized by slurry impregnation from highly concentrated (> 32 %vol.) and well dispersed aqueous colloid suspensions. The densification of the composites by spark plasma sintering was possible with a short (< 5 minutes) dwelling period in temperature. The chemical degradation of the carbon fibers during the fabrication was prevented by adapting the sintering pressure cycle to inhibit gas evolution inside the system. The composites elaborated are dense. The fully densification of the composites by RMI was realised by carefully controlling the impregnation parameters to avoid to entrap some gaseous species inside the fiber preforms. Our carbon fiber reinforced ceramic matrix composites processed by Spark Plasma Sintering or Reactive Melt Infiltration have a damageable mechanical behaviour with a room temperature bending stress at failure around 300 MPa and have shown their ability to self-healing in oxidizing conditions. Compared to the CMC processed by CVI, the composites processed with a final consolidation step by RMI are fully dense and have a similar room temperature tensile test behaviour with an ultimate tensile stress around 220 MPa.