I nuklearmedicinska verksamheten utsätts personal för strålning på olika vis. Huvudsakligen genom administrering av radiofarmaka som injicering eller avfallshantering men även genom att befinna sig nära patient efter injektion av radiofarmaka. Med strålning finns risker för skador som förekommer i cellnivå. Två typer av effekter förekommer vid bestrålning av vävnaden, deterministiska och stokastiska skador. För att minska risken för skador har strålsäkerhets-myndigheten (SSM) föreskrivit dosgränser som inte får överskridas. Syftet med studien var att kartlägga stråldoser till personal inom nukleamedicinska verksam-het. I studien kontrollerades fingerdoser för personal inom PET/CT, där små termoluminiscenta dosimetrar (TLD) placerades på sex fingertoppar hos personal-en. Stråldoserna mättes vid tre arbetstillfällen; uppackning av 18F, injicering med automatisk injektor samt manuellt uppdrag och injicering av 18F märkt läkemedel. För att fastfälla risken för internkontamination av personal vid ventilationsunder-sökningar med 99mTc-aresol, placerades personalen under en gammakamera och antalet pulser som fastställdes översattes till aktivitet genom en fantommätning. Dessutom mättes doshastigheten hos patienter injicerade med 18flour märkta läke-medel. Ett dosratinstrument (Ram GENE mark iii) användes för att mäta dos-hastigheten vid sju olika mätpunkter och tre olika avstånd. Enligt resultaten upp-nådde ingen SSM’s dosgränser. Skillnad mellan injicering manuellt och med auto-matisk injektor visade en stor variation vid erhållna resultat. Dosratmätningarna visade en mycket tydlig sänkning för varje gångavstånd ökade. Mätningarna för internkontamination visade att personalen inte utsattes för höga stråldoser med avseende på internkontamination. Den minsta detekterbara aktivitet var 0,0008 MBq. Det som konstateras utifrån studien är att hantering 18F ger högre stråldoser än 99mTc (200 keV), då den har en mycket högre fotonenergi (511 keV). / Working staff in nuclear medicine are exposed for radiation in different ways. Mainly by the administration of radiopharmaceuticals, such as injection or dis-posal, even by being close to the patient after injection of radiopharmaceuticals. With radiation there are risks of damage occurring at the cellular level. Two types of effects are found in the irradiation of tissues, deterministic and stochastic injuries. To reduce the risk of injury, the Swedish radiation safety authority (SSM) has prescribed dose limits that cannot be exceeded. Among other doses, there are limits for the fingers per year. The purpose of the study was to control radiation doses to personnel working in nuclear medicine. In the study finger doses were controlled for personnel within PET / CT, where thermoluminescent dosimeters (TLDs) were placed at six fingertips. Radiation doses were measured at three moments; unpacking of 18F, injection with automatic injector and manual injection of 18F labeled drug. To determine the risk of internal contamination of personnel that performs ventilation studies with 99mTc aresol, staff were placed under a gamma camera and the number of pulses detected were translated into activity through measurement of a radiation source (cylinder filled with known activity). In addition, the dose rate was measured around patients injected with 18flour-labeled drugs. A dose rate detector (Ram GENE mark iii) was used to measure the dose rate at seven different measuring points and three different distances. Difference between injection manually and with automatic injector showed a large variation in results obtained and SSM’s dose limits weren’t reached. The dose rate measurements showed a very clear reduction for each time the distance increased. Internal contamination measurements showed that staff were not exposed to high radiation doses regarding internal contamination and the least detectable activity was 0.0008 MBq. The study showed that handling 18F produces higher radiation doses than 99mTc (200 keV), as it has a much higher photon energy (511 keV).

In quantified safety engineering, mathematical probability models are used to predict the risk of failure or hazardous events in systems. Markov processes have commonly been utilized to analyze the safety of systems modeled as discrete-state stochastic processes. In continuous time Markov models, transition time between states are exponentially distributed. Semi-Markov processes expand this modeling framework by allowing transition time between states to follow any distribution. This master thesis project seeks to extend the semi-Markov modeling framework even further by allowing hierarchical states, which further relaxes Markov-assumptions by allowing models to keep memory even in state transition. To achieve this, the master thesis proposes a method using the phase-type distribution to replace Markov-chains of states to a single state. For application purposes, it is shown how semi-Markov chains with phase-type distributed transitions can be evaluated by a method using the Laplace-Stieltjes transform. Furthermore, to replace semi-Markov chains, a method to approximate these by the phase-type distribution is presented. This is done by deriving the moments of the time to absorption in a semi-Markov process with a method using the Laplace-Stieltjes transform, and fitting a phase-type distribution with these moments. To evaluate the methods, some case studies are performed on appropriate models. Analytical results are compared with Monte-Carlo simulations and Laplace-transform inverse methods. The results are used to show how hierarchical semi-Markov models can be replaced in an exact manner, and how semi-Markov models can be replaced approximately with varying accuracy. An important conclusion is that by enabling hierarchical modeling, it is possible to predict the safety of systems which demand a more realistic model, as relaxing Markov assumptions allows for more complexity. / Matematiska sannolikhetsmodeller används inom kvantifierad säkerhetsteknik för att utvärdera risken för fel eller farliga olyckor i system. Ett vanligt sätt att analysera säkerheten i system som kan modelleras som stokastiska processer med diskreta tillstånd är att använda Markovprocesser. I tidskontinuerliga Markovprocesser är tidsövergången mellan tillstånd exponentialfördelade. Semi-Markov processer utökar denna modelleringsteknik ytterligare genom att tillåta tidsövergångar som är fördelade enligt alla möjliga fördelningar. Detta examensarbete har som mål att utöka modelleringsmöjligheterna med Semi-Markov processer genom att tillåta hierarkiska tillstånd, som därmed ytterligare utmanar antaganden inom Markov-modeller genom att bibehålla minne efter tillståndsövergång. För att uppnå detta föreslås i denna rapport en metod som använder phase-type-fördelningen för att byta ut Markovkedjor med ett enda tillstånd. För att tillämpa metoden visas hur semi-Markov kedjor kan utvärderas med hjälp av Laplace-Stieltjes-transformen. För att kunna ersätta semi-Markov kedjor med samma metod presenteras även en approximationsmetod för att åter igen använda phase-type-fördelningen. Detta görs genom att använda Laplace-Stieltjes-transformen för att generera momenten av tiden till absorption i semi-Markov processer, och anpassa dessa till momenten av en phase-type-fördelning. För att utvärdera metoderna presenteras en del exempel. Analytiska resultat jämförs med Monte-Carlo simulering och inverteringsmetoder för Laplace-transformen. Resultaten används för att visa hur hierarkiska Markov modeller kan ersättas exakt, och hur semi-Markov processer kan approximeras med varierande noggrannhet. En viktig slutsats är att genom att tillåta hierarkisk modellering är det möjligt att utvärdera säkerheten i system som kräver mer realistiska modeller, då detta öppnar upp för mer komplexitet.

Digitalisering, datainsamling och de kraftigt utökade databaser som idag finns tillgängliga är något som resulterat i stora förändringar i hur man arbetar, detta gäller många branscher och inte minst fastighetsbranschen. Den ökade mängden tillgängliga data är ett stort hjälpmedel när det kommet till att ta beslut. För att på bästa sätt ta vara på all denna data krävs det dock att nya metoder och verktyg utvecklas eller gamla anpassas. Oavsett hur mycket data som finns tillgänglig kommer det dock alltid finnas osäkerheter att ta hänsyn till. Stokastiska modeller har tagits fram just för att hantera både stora mängder data och som hjälpmedel för att uppskatta osäkerhet. Idag används stokastiska modeller inom många olika branscher såsom finans, medicin samt inom forskning i fysik, matematik och statistik. Än idag har de dock en mycket liten roll när det kommer till investeringsbeslut inom fastighetsbranschen Syftet med detta arbete är att undersöka om stokastiska modeller i framtiden kommer att ha en större roll när det kommer till investeringsbeslut inom fastighetsbranschen, samt vad den idag begränsade användningen beror på. Dessutom syftar arbetet på att belysa de skillnader, samt för- och nackdelar som finns hos och mellan deterministiska och stokastiska modeller tillämpade för att assistera beslutsprocessen kring investeringar i fastigheter. Det kommer göras dels genom en intervjustudie med verksamma inom branschen med erfarenhet av arbete med investeringsbeslut. Detta för att höra deras syn på huruvida det idag finns ett motstånd mot stokastiska modeller och om de tror att stokastiska modeller kommer ha en större roll i framtiden. Men också genom en litteraturstudie av tidigare arbeten. Slutsatsen från arbetet är det tydligt att det finns skillnader mellan deterministiska och stokastiska modeller, något som även gör att det till viss del ger olika resultat, även om avvikelserna som betraktades under detta arbete inte var speciellt omfattande. Detta kan stöttas av Jensen`s Inequality samt The Flaw of Averages, vilket tyder på att det kan var så att både risk och möjlighet idag under- eller överskattas. När det kommer till stokastiska modellers framtid inom investeringsbeslut i fastigheter var respondenterna relativt eniga i att de inte skulle bli någon större skillnad mot idag. Detta skulle dock kunna förändras om några skulle börja använda modellerna då detta skulle kunna leda till att fler följer efter. Effekten skulle också kunna accelereras om digitalisering, förbättrade databaser och AI skulle ge modellerna möjlighet att uppskatta mjuka parameter och ta med dessa i sina beräkningar. / Digitalization, data collection and the significantly increased databases that today are accessible have resulted in new work methods in several different industries, one of them being the real estate industry. The increased amount of data accessible can assist in a lot of different situations, for example being a great basis for decision making. To be able to utilize the data in the best way possible, however, either new methods and tools or a change in current methods to adapt to the new conditions that exist is needed. These methods also must be able to handle uncertainty since it will always exist, no matter the amount of data. Stochastic models are previously developed to do just that, handle large amounts of data and at the same time work as a tool for working with uncertainty. Stochastic models are today used in a lot of different industries including finance, medicine, and computer science but also to assist research in mathematics, physics, and statistics. Still today, however, the use is very limited when it comes to real estate investments. The aim of this thesis is to research the possibility of an increased use of stochastic models in real estate investments in the future and the reason for it being very limited today. The thesis also aims to illustrate the differences between deterministic and stochastic models and the pros and cons that follows. To achieve this several interviews with real estate professionals with experience in investment decisions were conducted. In addition to this a literature review was made to analyze previous work on the topic and to collect information considering the differences between deterministic and stochastic models. To summarize the results from this study there are some clear differences between deterministic and stochastic models which in this case also lead to different results, even if it in this study is a minor difference. This finding is supported by Jensen’s Inequality and The Flaw of averages which shows that models used today may both under- and overestimate both the risk and opportunity of an investment. When it comes to the future of stochastic models in real estate investments the respondents were quite united in their believe that not much will change from today. This could change however, if some started to use the models many thought other would follow. This effect might also be accelerated if digitalization, increased databases, and AI could result in better estimates of soft parameters and use it in its calculations.

Many novel graph neural network models have reported an impressive performance on benchmark dataset, but the theory behind these networks is still being developed. In this thesis, we study the trajectory of Gradient descent (GD) and Stochastic gradient descent (SGD) in the loss landscape of Graph neural networks by replicating Xing et al. [1] study for feed-forward networks. Furthermore, we empirically examine if the training process could be accelerated by an optimization algorithm inspired from Stochastic gradient Langevin dynamics and what effect the topology of the graph has on the convergence of GD by perturbing its structure. We find that the loss landscape is relatively flat and that SGD does not encounter any significant obstacles during its propagation. The noise-induced gradient appears to aid SGD in finding a stationary point with desirable generalisation capabilities when the learning rate is poorly optimized. Additionally, we observe that the topological structure of the graph plays a part in the convergence of GD but further research is required to understand how. / Många nya grafneurala nätverk har visat imponerande resultat på existerande dataset, dock är teorin bakom dessa nätverk fortfarande under utveckling. I denna uppsats studerar vi banor av gradientmetoden (GD) och den stokastiska gradientmetoden (SGD) i lösningslandskapet till grafiska faltningsnätverk genom att replikera studien av feed-forward nätverk av Xing et al. [1]. Dessutom undersöker vi empiriskt om träningsprocessen kan accelereras genom en optimeringsalgoritm inspirerad av Stokastisk gradient Langevin dynamik, samt om grafens topologi har en inverkan på konvergensen av GD genom att ändra strukturen. Vi ser att lösningslandskapet är relativt plant och att bruset inducerat i gradienten verkar hjälpa SGD att finna stabila stationära punkter med önskvärda generaliseringsegenskaper när inlärningsparametern har blivit olämpligt optimerad. Dessutom observerar vi att den topologiska grafstrukturen påverkar konvergensen av GD, men det behövs mer forskning för att förstå hur.

A finite element model of the CubeSat MIST was created, in order to assess the stresses that occur in the satellite in response to loads during its launch. Due to size limits of thesoftware used, simplifications had to be made to the geometry of the model. The loads assessed were quasi-static accelerations, random vibrations, shock loads, as well as a combined quasi-static acceleration and random vibration case. The study assumed the worst possible loads from a list of different potential launch vehicles for the satellite. Non-linear boundary conditions could not be modelled, and instead different linear boundary condition combinations were assessed. The results showed that the satellite showed positive margins of safety for the quasi-static loads. The lowest natural frequency for the satellite was above 130 Hz. For the random vibration loads, positive margins of safety could be shown if adverse stresses attributed to the boundary conditions inthe worst case were ignored. The model proved too conservative to qualify the satellite for the shock loads. Shock testing is therefore recommended for future work, unless requirements for waiving the shock testing can be met. The random vibration and combined loads analysis showed that the −X shear panel experienced high stresses in the corners of its windows, and the part should be inspected once environmental tests are conducted. The −X shear panel only showed adverse stresses in the most extreme boundary condition case, where its deformation was deemed unrealistic. / En finit elementmodell av nanosatelliten MIST skapades for att undersöka dess respons till lasterna under uppskjutning. På grund av storleksbegränsningar i programvaran behövde modellens geometri förenklas. Lasterna som undersöktes var kvasistatiska accelerationer, stokastiska vibrationer, chocklaster samt ett kombinerat kvasistatiskt accelerations- och stokastiskt vibrationsfall. Studien använde de värsta tänkbara lasterna från en lista över olika potentiella bärraketer för satelliten. Icke-linjära gränsvillkor kunde inte modelleras och istället utvärderades olika kombinationer av linjära gränsvillkor. Resultaten visade positiva säkerhetsmarginaler för kvasistatiska belastningar. Den lägsta naturliga frekvensen för satelliten var över 130 Hz. För de stokastiska vibrationsbelastningarna kunde positiva säkerhetsmarginaler motiveras om hänsyn togs till oegentligheter orsakade av gränsvillkoren i det extremaste fallet. Chocklastanalysen visade på begränsningar i modellen. Mekaniska chocktester kommer därmed behövas för att undersöka chocklasterna, om inte kraven for att hoppa över chocktestning uppfylls. Analyserna av de stokastiska vibrationerna och det kombinerade lastfallet visade att skjuvpanelen på −X-sidan upplever höga spänningar i hörnen på sina fönster, och bör inspekteras när experimentella tester genomförs. Skjuvpanelen på −X-sidan upplevde enbart för höga spänningar i fallet med mest extrema gröäsvillkor, där deformationerna bedömdes vara orealistiska.

Convolutional artificial neural networks can be applied for image-based object classification to inform automated actions, such as handling of objects on a production line. The present thesis describes theoretical background for creating a classifier and explores the effects of introducing a set of relatively recent techniques to an existing ensemble of classifiers in use for an industrial sorting system.The findings indicate that it's important to use spatial variety dropout regularization for high resolution image inputs, and use an optimizer configuration with good convergence properties. The findings also demonstrate examples of ensemble classifiers being effectively consolidated into unified models using the distillation technique. An analogue arrangement with optimization against multiple output targets, incorporating additional information, showed accuracy gains comparable to ensembling. For use of the classifier on test data with statistics different than those of the dataset, results indicate that augmentation of the input data during classifier creation helps performance, but would, in the current case, likely need to be guided by information about the distribution shift to have sufficiently positive impact to enable a practical application. I suggest, for future development, updated architectures, automated hyperparameter search and leveraging the bountiful unlabeled data potentially available from production lines.