Главная страница Случайная страница
Разделы сайта
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
Небезпека враження людини електричним струмом
|
|
Враження людини електричним струмом може спричинити ряд небезпечних наслідків(таблиця 3.9.1).
Таблиця 3.9.1 – Джерела небезпеки
| № | Джерело небезпеки | Наслідок |
| Пошкоджені кабелі чи несправні вузли | Ураження працівника струмом, як наслідок пошкодження шкірного покриву – опіки, механічні ушкодження; отримання інших електротравм, що можуть стати летальними для працівників | |
| Деталі комп’ютерної техніки, що знаходяться під напругою | ||
| Відсутність ізоляції |
Потрібно чітко визначити заходи, щоб уникнути травматизму працівників внаслідок враження електричним струмом(таблиця 3.9.2).
Таблиця 3.9.2 – Заходи для уникнення травматизму
| № | Заходи | Реалізація | |
| Організаційні | Перевірка електричних апаратів за допомогою мегомметра не менше одного разу на рік. Малі напруги, захисне розділення мереж, профілактика пошкодження ізоляції, розміщення неізольованих струмоведучих елементів на недоступний висоті 2.5 м від підлоги, захисне заземлення, захисне відключення. Інструктажі з правил електробезпеки | ||
| Технічні | в обл. | Своєчасна заміна будь-яких деталей комп’ютерної техніки чи МРТ, що вийшли з ладу чи пошкоджені | |
| в прим. | Пристрої захисного відключення мережі з часом спрацювання не більше 0.05 с марки ВА 04-36 | ||
| ЗІЗ | Не передбачено |
3.10 Небезпека пожежі
Пожежа – найгірше, що може статися в приміщенні, тому потрібно визначити основні джерела можливості спричинення пожежі(таблиця 3.10.1).
Таблиця 3.10.1 – Джерела небезпеки
| № | Джерело небезпеки | Небезпечний фактор | Наслідок |
| Несправності електропроводки, розеток | Коротке замикання або пробій ізоляції | Виникнення пожежі, можливі летальні випадки для працівників | |
| Щільність проводки | Опалення ізоляції | ||
| Загоряння будівлі внаслідок зовнішніх впливів | Виникнення пожежі чи вибуху | ||
| Недотримання заходів пожежної безпеки | Загоряння матеріалів, устаткування | ||
| Матеріали і речовини, схильні до займання | Загоряння матеріалів |
Важливим етапом є розроблення заходів для попередження виникнення пожежі в кабінеті(таблиця 3.10.2).
Таблиця 3.10.2 – Заходи попередження пожежі
| № | Заходи | Реалізація | |
| Організаційні | Плановий одяг усього обладнання, вчасне виявлення і усування несправності. Плановий інструктаж з техніки безпеки та евакуації. Безпечне розташування елементів електронних схем один від одного(дроти, кабелі) | ||
| Технічні | в обл. | Обладнання найбільш стійке до пошкоджень | |
| в прим. | Автоматичні засоби гасіння пожеж «Галеон» та сигналізації, що забезпечують сповіщення про початок пожежі. Використання вуглекислотних вогнегасників ВВ2 | ||
| ЗІЗ | Протигази, респіратори та маски, захисний одяг |
Висновки до розділу 3
Під час роботи над розділом було розглянуто оптимальний кабінет для роботи з програмою, шкідливі та небезпечні фактори під час роботи та способи їх нівелювання. Після проведення ґрунтовного аналізу над факторами ризику розроблені рекомендації для їх зменшення та по плануванню кабінету.
Загальні висновоки
Під час роботи було створено програмний додаток для адаптивної фільтрації зображення головного мозку утвореного в наслідок проведення перфузійного магнітно-резонансного.
Відповідно до мети було реалізовано наступні задачі:
1. Реалізовано алгоритм бінаризації зображення;
2. Реалізовано алгоритм фільтрації зображень;
3. Реалізовано алгоритм адаптивної фільтрації.
Показано, що класичний підхід до аналізу біомедичних зображень, що грунтується на бінаризації, не дає задовільних результатів. Для видалення неінформативних частин зображення запропоновано адаптивний алгоритм фільтрації.
Для практичного застосування алгоритму адаптивної фільтрації було розроблено програмний додаток, який реалізує процедури бінаризації, фільтрації та адаптивної фільтрації зображення.
Представленні результати демонструють коректність даного методу дослідження сигналу, оскільки дослідження проводилося на реальному зображенні головного мозку.
ПЕРЕЛІК ПОСИЛАНЬ
1. Mehmet S. Survey over image thresholding techniques and quantitative performance evaluation – Journal of electronic reading, 2003
2. M. Kamel, and A. Zhao, “Extraction of binary character/graphics images from grayscale document images, ” Graph. Models Image Process, Vol.55, pp. 203-2017, 1993
3. Bhanu, “Automatic target recognition: state of art survey, ” IEEE Trans. Aerosp. Electron. Syst., vol. 22, pp. 364-379, 1986.
4. O. D. Trier, and A. K. Jain, “Goal-directed evaluation of binarization methods, ” IEEE Trans. Pattern Anal. Mach. Intel., vol. 17, pp. 1191-1201, 1995
5. N. Otsu, “A threshold selection method from gray-level histograms, ” IEEE Trans. Syst. Man Cybern., vol. 9, pp. 62-66, 1979.
6. C. K. Leung, and F. K. Lam, “Performance analysis of a class of iterative image thresholding algoritms, ” Pattern Recogn., vol. 29, pp. 1532-1530, 1996.
7. C. V. Jawahar, P. K. Biswas, and A. K. Ray, “Investigation on fuzzythresholding based on fuzzy clustering, ” Pattern Recogn., vol. 30, pp. 1605-1613, 1997.
8. H. J. Trussel, “Comments on picture thresholding using iterative selection method, ” IEEE Trans. Syst. Man Cybern., vol. 9, pp. 311, 1979.
9. Abutaleb, S.: “Automatic thresholding of gray-level pictures using two-dimensional entropy”; Comput. Vis. Graph. Image Process. 47, 22 32, 1989.
10. Bernsen, J.: “Dynamic thresholding of grey-level images”, Proc. 8th ICPR, pp 1251-1255, 1986.
11. J. N. Kapur, P. K. Sahoo, and A. K. C. Wong, “A new method for gray-level picture thresholdilng using the entropy of the histogram, ” Graph. Models Image Process., vol. 29, pp. 273-285, 1985.
12. A. Pikaz, and A. Averbuch, “Digital image thresholding based on topological stable state, ” Pattern Recogn., vol. 29, pp. 829-843, 1996.
13. Computer Vision and Image Understanding, pp. 336-350, 2000.
14. Parker, J.R.: “Gray level thresholding in badly illuminated images”; IEEE Trans.
15. Pattern Anal. Mac. Intell. 13 (8), 813–819, 1991
16. A. Pikaz, and A. Averbuch, “Digital image thresholding based on topological stable state, ” Pattern Recogn., vol. 29, pp. 829-843, 1996.
17. J. M. White, and G. D. Rohrer, “Image thresholding for optical character recognition and other application requiring characted image extraction, ” IBM J. Res. Dev., vol. 27, pp. 400-411, 1983.
18. Jain, A. K., and Dubes, R. C.: " Algorithms for Clustering Data" Prentice Hall, 1988.
19. T.M. Deserno, “Biomedical Image Processing”, Springer
20. She, Y. Thresholding-based iterative selection procedures for model selec-tion and shrinkage. Tech. rep., Statistics Department, Stanford University, June 2008.
21. Gao, H.-Y. Wavelet shrinkage denoising using the non-negative garrote. J. Comput. Graph. Statist. 7 (1998), 469–488.
22. Meinshausen, N., and Yu, B. Lasso-type recovery of sparse representa-tions for high-dimensional data. Annals of Statistics, 720 (2009), 246–270.
23. Wang, L., Chen, G., and Li, H. Group scad regression analysis for microarray time course gene expression data. Bioinformatics 23, 12 (2007), 1486–1494.
24. Tibshirani, R. Regression shrinkage and selection via the lasso. JRSSB 58 (1996)
25. Wang, L., Chen, G., and Li, H. Group scad regression analysis for microarray time course gene expression data. Bioinformatics 23, 12 (2007)
26. A. Pikaz, and A. Averbuch, “Digital image thresholding based on topological stable state, ”
27. Friedman, J., Hastie, T., Hofling, H., and Tibshirani, R. Pathwise coordinate optimization. Annals of Applied Statistics 1 (2007)
28. Gao, H.-Y. Wavelet shrinkage denoising using the non-negative garrote. J. Comput. Graph. Statist. 7 (1998), 469–488.
|
|