Szóval a hidrogénatomunkban tanyázó kis protonunk alapállapotában forog szépen körbe (erre a forgásra mondta azt a kémiatanár, hogy van neki spínje). Ez a protonunk alapállapota, így forog magában, mert ez neki jó. Magától nem is pörög másképpen. Ekkor azonban jövünk mi és adunk neki egy ipari lökést a ménkű nagy mágnesünkkel!
A protonunk forgástengelyére merőlegesen létrehozott mágneses mező hatására a proton forgástengelye 90 fokban elfordul, “irányba áll”. Ha ez megvan, már nyertünk, ugyanis ahogy a mágneses mezőt megszüntetjük, a makacs proton visszabillen a neki kedves állapotba és ez az elmozdulás egy icipici rádiófrekvenciás energiahullámot gerjeszt, amit mi meglátunk egy érzékeny antennával.
Nézzük meg ezt egy pár videón. Az első videóban a kis iránytű jelképezi a protonunk forgástengelyét:
A következőben 12 hidrogén nukleusz (= ami most 12 proton) pörög, majd jön a mágneses impulzus, ami 90 fokot fordít rajtuk, végül az impulzus megszűnésével a protonok a gerjesztett állapotukból a normálisba visszatérve energiát bocsájtanak ki:
Az MR eszközben egy nagyon erős (0.5-3.0 Tesla) homogén elektromágnessel gerjesztik a hidrogén nukleuszaidat. Az ilyen erős elektromágnes létrehozásához folyékony hélium vagy nitrogén hűtéssel előállított szupravezetőt használnak.
Miután az érzékeny antennák felfogják a kisugárzott jeleket, az adatokat Fourier-transzformációval alakítják képpé (A Fourier-transzformáció definíciója: Egy időben változó jel előállítható különböző frekvenciájú, fázisú és amplitúdójú jelek összegeként. A Fourier-transzformáció az a művelet, amely egy adott jelhez megadja ezt a felbontást).
Végül nézzük meg a tőlem sokkal hozzáértőbb Dr. Howard Jart Jr.-tól az egész magyarázatát:
Míg a 3D modellezésben láthatatlan vertexek definiálják a modelleket alkotó látható poligonokat, addig a diagnosztikában használt eszközök voxel alapon dolgoznak. A voxel a 2 dimenziós kép egy pixelének megfelelő egység a 3D térben. A vertex vs. voxel különbség szemléltetésére loptam egy képet a gamernexus.net-ről. A bal oldali fickót vertexek, a jobb oldalit voxelek építik fel:
Az MR milliméter pontosságú voxelszeleteket fényképez – ezekből a szeletekből áll össze némi küzdelem árán a 3D nyomtatható vertexes modell. Szóval ott tartunk, hogy van egy köbméter adatunk, amit az MR berendezéshez fejlesztett szoftverrel vizualizálni is tudunk, amiben így néz ki Bart Simpson eFi mondjuk balról szeletelve:
Ebből kell nekünk például a nagyagy nyomtatható 3D modell formájában. Az tisztán látszik, hogy most egy csomó felesleges sallangunk van, amitől minél gyorsabban meg szeretnénk szabadulni – ehhez azonban átadom a szót Dr. Bíró Gergelynek, akinek a scant köszönhetem és aki tőlem sokkal mélyebbre merült már a témában:
Először át kell konvertálni FSL nifti formátumba, mondjuk ezzel aztán ez már megeszi – kiváló, nagyon részletes és olvasható leírás arról, hogy mi történik (de a default értékek is tökéletesek erre a felhasználásra). Aztán a View-Surface Display oldalsávban a .pial.cortex.dfs végűt save-el obj formába érdemes menteni, de ezt az obj-t nem veszi be minden (ez egy MNI OBJ nevű alfaj, ha nem tévedek). Szerencsére van egy python “szkriptgyűjtemény” program BrainVISA néven (jó nagy, sok minden van benne) abban van egy konverter, ami a programból indítva szépen lefut. Megpróbáltam kiszedni belőle, de nem jártam sikerrel. Szóval azzal át lehet konvertálni ply-be és kész is:
]]>
A struktúra annyira bonyolult, hogy a szűk 8 cm3 térfogatú test kinyomtatása majd 20 percet vett igénybe.
Gergő sokat mesélt a gyógyászatban használatos háromféle 3 dimenziós scannelési eljárásról (ultrahang, CT, MRI) – az agy modellje az MRI (=Magnetic Resonance Imaging) technológia segítségével készült el. Jövő héten jövök és tanulunk egy kicsit erről a fantasztikus technikáról, valamint ha minden jól megy, gyártunk egy sokkal nagyobb agyat is.
Stay tuned!]]> 

















14 méteres körben 6 méter tévedés = 0 pont
50 méteres körben 14 méter tévedés = 1 pont
Ez itt túl szorosra sikeredett 🙂
729775 méteres körben 729386 méteres tévedés = 4153 pont. Ezt csak tippelni tudtam, hosszú kilométereken keresztül csak az USÁban látott, platójukon zárható acéldobozzal közlekedő terepjárók jöttek szembe, meg rengeteg, Street View által be nem járt földút.
181 méteres körben 180 méter tévedés = 15 pont (my personal best!-)
Summa summarum, egy ~28000 pont feletti challenge-nél eléggé fel kell kötni a nadrágot!
Dr. Watson]]>