Medical Electronics: Imaging (2)
|
|
- Łucja Wierzbicka
- 8 lat temu
- Przeglądów:
Transkrypt
1 Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Andrzej Materka Medical Electronics: Imaging (2) Innowacyjna dydaktyka bez ograniczeń zintegrowany rozwój Politechniki Łódzkiej zarządzanie Uczelnią, nowoczesna oferta edukacyjna i wzmacniania zdolności do zatrudniania osób niepełnosprawnych Zadanie nr 27 Nowy kierunek nauczania w języku angielskim - Biomedical Engineering - studia stacjonarne I stopnia Łódź, ul. Żeromskiego 116, tel
2 Model of image acquisition system Image formation system Digital image (2D, 2½D, 3D, video) Investigated object 2
3 Examples of image acquisition methods Source of energy Acquisition technique Excitation Carrier of the visualized information Radiography X-ray radiation X-ray radiation External Internal Mammography As above As above Tomografia komputerowa As above As above Ultrasonography Acoustic wave Acoustic wave Visual imaging Visual light Visual light Scintigraphy, SPECT PET Gamma radiation of isotope marker Gamma photons emitted at positon anihilation (decay of isotope marker) Thermography Infrared radiation Internal and external Magnetic resonance imaging Pulse of magnetic field or radio-frequency waveform Radiowave Fluorescence microscopy Laser light Visual light (fluorescence) 3
4 Image formation system: X-ray examination Subject body Source of X-ray radiation Bone Film or detector Fluorescent screen 4
5 Image formation system: computed tomograhy Source of X-ray radiation Subject body Rotation Array of detectors Image reconstruction 5
6 Theory and techniques of medical imaging applications Application (diagnosis, therapy) Physiology of investigated organ Physics of imaging Image acquisition instrument (scanner) Image processing, analysis, and numerical modeling Need for collaboration of engineers and scientists of different disciplines! 6
7 Diagnostic system design Physiology of investigated organ Physics of imaging Properties of objects (tissues, organs,...) (physiology, static/moving, density of matter, anatomy/function) Physical phenomena of image formation (source of exciting energy, measured signal) Properties of instrumentation (signal to noise ratio, linearity and efficiency of detectors, artefacts) Method of image formation (scanning trajectory, MRI sequence protocol, timefrequency resolution compromise, method of image reconstruction) Methods of image processing and analysis Application (diagnosis, therapy) Image processing, analysis, and numerical modeling Image acquisition instrument (scanner) 7
8 Statistical approach to image analysis Measurement uncertainty errors Biological variability (tissues, organs, patients, diseases, normal state, pathology) Image acquisition technique (resolution, image discretization, object projection, intensity quantization, geometric distortion, body movement during measurement, detector noise) Image processing methods (parameters og image preprocessing filter, binarization threshold, image compression level) 8
9 Evaluation of image acquisition techniques Image analysis always involves a randomness. Table of diagnostic test results Person diagnosed as healthy Person diagnosed as non-healthy TN: true negative, FP: false positive Healthy person TN FP Non-healthy person FN TP FN: false negative TP: true positive Sensitivity Specificity Example n = 300 persons, n1 = 100 healthy, n2 = 200 non-healthy TP = 97 persons, FN = 3 persons TN = 176 persons FP = 24 persons C = 0.97, S =
10 Diagnostic system design Sensitivity Specificity Maximization of sensitivity (test of disease occurence is positive when a person is ill indeed) Maximization of specificity (test does not give a positive results when a person is healthy) 10
11 Goals and stages of image analysis Object parameters measurement using image segmentation Object parameters measurement through model fitting Automatic image interpretation 11
12 Object parameters measurement using image segmentation 3D scene Image acquisition Preprocessing Thresholding Postprocessing Image segmentation Feature extraction 3D scene parameters 12
13 Preprocessing example: image averaging Assumptions x k [..] x[i,j] = x*[i,j] + v[i,j] y[..] true intensity noise - the mean value of noise is zero - samples of noise are statistically independent and have the same probability density distribution - the visualized object does not change its position K number of averaged images Mean value: μ=x*[i,j] Variance: σ 2 /K 13
14 Preprocessing example: nonuniform illumination Grayscale image Axonometric projection Histogram Binary image 14
15 Preprocessing example: correction of nonuniform illumination Grayscale image Axonometric projection Histogram Binary image 15
16 Example: quantitative analysis of axons cross-sections Image acquisition - tissue sample, - illumination, - microscope, - digital camera, - identification of geometric distortion, - calibration. 16
17 Example: quantitative analysis of axons cross-sections Preprocessing - correction of geometric distortion, - reduction of average brightness nonuniformity. Thresholding Image histogram 17
18 Example: quantitative analysis of axons cross-sections Postprocessing - removal of regions touching image boundary, - filling of holes, - contour smoothing, - removal of small regions. 18
19 Example: quantitative analysis of axons cross-sections A P F x F y # [µm 2 ] [µm] [µm] [µm] Feature extraction - object identification and labelling, - finding contours, - calculation of geometric parameters (features), - fitting models
20 Example: measuring width of a stripe Image of a stripe Axonometric projection w 20
21 Example: measuring width of a stripe Binary image after thresholding 21
22 Example: measuring width of a stripe Object (bright stripe on dark background) Object brightness profile (along line AB) Analog image brightness profile Analog image brightness profile (noise added) 22
23 Example: measuring width of a stripe - discretization error points of bright stripe points of dark background : uniform distribution, between and For each the result is the same! Estimator of stripe width Standard deviation of the estimator The estimator is unbiased, but is not consistent. 23
24 Errors caused by segmentation Local threshold Global threshold Thresholding (constant threshold value (global threshold), at nonuniform brightness of background and objects, changes the shape of objects) Discretization (details of analog image cannot be distinguished within pixels) Binarization (all the gray levels are replaced by one of two values of brighntess) Segmentation introduces irreversible loss of information contained in the image. 24
25 Object parameters measurement through model fitting 3D scene Image acquisition Preprocessing Model fitting 3D scene parameters 25
26 Example: measuring width of a stripe Image of a stripe Axonometric projection w Model - brightness profile along image line 26
27 Model example: parameterized brightness profile 27
28 Model of brightness variation at the edge of the stripe Δ V V B i x L x R 28
29 Example: model fitting to edges of the stripe Stripe width estimator Subpixel accuracy 29
30 Model fitting: active contour (snake) Active contour Node Analysed object dr P. Szczypiński - internal forces of the contour curve - image interaction component, - external forces, 30
31 3D model of heart muscle for visualization Heart muscle evolution MRI cross-sections Blood flow dr P. Makowski 31
32 3D model of heart muscle for visualization Triangulation of cross-sections Holobench 3D visualization workstation Grid model, 3D dr P. Makowski Reconstructed heart walls 32
33 3D model of heart muscle for visualization dr P. Makowski 33
34 Automatic image interpretation 3D scene image understanding computer vision Image acquisition Preprocessing Model fitting Segmentation Model fitting Feature extraction Model fitting Pattern recognition 3D scene parameters supervised methods unsupervised methods 34
35 Example: automatic texture segmentation Texture mosaic Image after segmentation 35
36 Pattern recognition Grass, class ω 1 Bark, class ω 2 36
37 Pattern recognition Grass, class ω 1 Bark, class ω 2 sample Texture features (for each sample) y1=s(2,0)sumentrp y2=s(1,1)sumentrp 64 feature vectors: 32 for class ω for class ω 2 37
38 Pattern recognition D(Y) 64 points in the feature space: 32 for ω for ω 2 38
39 Pattern recognition Pattern: Y ω ω Ω, Ω={ω 1, ω 2,, ω K } Vector of features (observations) Class indicator A set of K classes [y 1, y 2,...y p ] 1 ω 1 [y 1, y 2,...y p ] 2 ω 1 [y 1, y 2,...y p ] N/2+1 ω 2 [y 1, y 2,...y p ] N/2+2 ω 2 [y 1, y 2,...y p ] N/2 ω 1 [y 1, y 2,...y p ] N ω 2 ω 1 ω 2 Classifier ω k 39
40 Pattern recognition Discriminant functions: D k (Y), k=1,2,,k If Y~ω j, then The border between classes ω j and ω k : D j (Y)-D k (Y) = 0 (hipersurface) Example: D(Y)=D 1 (Y)-D 2 (Y) = 0 (a straight line) D(Y) 40
41 Pattern recognition: supervised training of a classifier - training set Tuning of weigths - overfitting - test set Observation Y Classifier ω j Class predicted by the classifier Training algorithm Known class Error calculation ω j Example: Linear classifier 41
42 Pattern recognition: brain MRI example Scull + test objects Regions of interest 42
43 Pattern recognition: brain MRI example Polystyren beads of different size Beads suspended in agar gel (test objects) MRI cross-section of test objects (2-3.2 mm, mm) D. Jirak, M. Dezortova, M. Hajek, Praha 43
44 Pattern recognition: brain MRI example Clusters in texture features space 44
45 Information fusion, image registration Head slice CT MRI 45
Medical electronics part 10 Physiological transducers
Medical electronics part 10 Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture11. Random Projections & Canonical Correlation Analysis
Machine Learning for Data Science (CS4786) Lecture11 5 Random Projections & Canonical Correlation Analysis The Tall, THE FAT AND THE UGLY n X d The Tall, THE FAT AND THE UGLY d X > n X d n = n d d The
Bardziej szczegółowoMoA-Net: Self-supervised Motion Segmentation. Pia Bideau, Rakesh R Menon, Erik Learned-Miller
MoA-Net: Self-supervised Motion Segmentation Pia Bideau, Rakesh R Menon, Erik Learned-Miller University of Massachusetts Amherst College of Information and Computer Science Motion Segmentation P Bideau,
Bardziej szczegółowoMichał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3)
Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna
Bardziej szczegółowoMedical Imaging. Politechnika Łódzka, ul. śeromskiego 116, Łódź, tel. (042)
Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki Łódzkiej
Bardziej szczegółowoHard-Margin Support Vector Machines
Hard-Margin Support Vector Machines aaacaxicbzdlssnafiyn9vbjlepk3ay2gicupasvu4iblxuaw2hjmuwn7ddjjmxm1bkcg1/fjqsvt76fo9/gazqfvn8y+pjpozw5vx8zkpvtfxmlhcwl5zxyqrm2vrg5zw3vxmsoezi4ogkr6phieky5crvvjhriqvdom9l2xxftevuwcekj3lktmhghgniauiyutvrwxtvme34a77kbvg73gtygpjsrfati1+xc8c84bvraowbf+uwnipyehcvmkjrdx46vlykhkgykm3ujjdhcyzqkxy0chur6ax5cbg+1m4bbjptjcubuz4kuhvjoql93hkin5hxtav5x6yyqopnsyuneey5ni4keqrxbar5wqaxbik00icyo/iveiyqqvjo1u4fgzj/8f9x67bzmxnurjzmijtlybwfgcdjgfdtajwgcf2dwaj7ac3g1ho1n4814n7wwjgjmf/ys8fenfycuzq==
Bardziej szczegółowoMedical electronics part 9a Electroencephalography (EEG)
Medical electronics part 9a (EEG) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany
Bardziej szczegółowoBIOPHYSICS. Politechnika Łódzka, ul. Żeromskiego 116, Łódź, tel. (042)
BIOPHYSICS Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki
Bardziej szczegółowotum.de/fall2018/ in2357
https://piazza.com/ tum.de/fall2018/ in2357 Prof. Daniel Cremers From to Classification Categories of Learning (Rep.) Learning Unsupervised Learning clustering, density estimation Supervised Learning learning
Bardziej szczegółowoLinear Classification and Logistic Regression. Pascal Fua IC-CVLab
Linear Classification and Logistic Regression Pascal Fua IC-CVLab 1 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
Bardziej szczegółowoIDENTYFIKACJA I ANALIZA PARAMETRÓW GEOMETRYCZNYCH I MECHANICZNYCH KOŚCI MIEDNICZNEJ CZŁOWIEKA
POLITECHNIKA ŚLĄSKA ZESZYTY NAUKOWE Nr 1651 Antoni JOHN SUB Gottingen 7 217 780 458 2005 A 3012 IDENTYFIKACJA I ANALIZA PARAMETRÓW GEOMETRYCZNYCH I MECHANICZNYCH KOŚCI MIEDNICZNEJ CZŁOWIEKA Gliwice 2004
Bardziej szczegółowoPrzetwarzanie i analiza obrazów biomedycznych
Michał Strzelecki Przetwarzanie i analiza obrazów biomedycznych 90-924 Łódź, ul. Wólczańska 211/215, bud. B9 tel. 042 636 0065 www.eletel.p.lodz.pl, ie@p.lodz.pl Schemat systemu diagnostyki obrazowej 2
Bardziej szczegółowoObrazowanie kręgosłupa w badaniu TK i MR w różnych grupach wiekowych
Lekarz Daria Dziechcińska-Połetek Obrazowanie kręgosłupa w badaniu TK i MR w różnych grupach wiekowych Rozprawa na stopień doktora nauk medycznych Promotor: Dr hab. n. med. Ewa Kluczewska, prof. nadzw.
Bardziej szczegółowoPOLITECHNIKA KOSZALIŃSKA. Zbigniew Suszyński. Termografia aktywna. modele, przetwarzanie sygnałów i obrazów
POLITECHNIKA KOSZALIŃSKA Zbigniew Suszyński Termografia aktywna modele, przetwarzanie sygnałów i obrazów KOSZALIN 2014 MONOGRAFIA NR 259 WYDZIAŁU ELEKTRONIKI I INFORMATYKI ISSN 0239-7129 ISBN 987-83-7365-325-2
Bardziej szczegółowoRozpoznawanie twarzy metodą PCA Michał Bereta 1. Testowanie statystycznej istotności różnic między jakością klasyfikatorów
Rozpoznawanie twarzy metodą PCA Michał Bereta www.michalbereta.pl 1. Testowanie statystycznej istotności różnic między jakością klasyfikatorów Wiemy, że możemy porównywad klasyfikatory np. za pomocą kroswalidacji.
Bardziej szczegółowoMedical Imaging. Politechnika Łódzka, ul. śeromskiego 116, Łódź, tel. (042)
Medical Imaging Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki
Bardziej szczegółowoElectromagnetism Q =) E I =) B E B. ! Q! I B t =) E E t =) B. 05/06/2018 Physics 0
lectromagnetism lectromagnetic interaction is one of four fundamental interactions in Nature. lectromagnetism is the theory of electromagnetic interactions or of electromagnetic forces. lectric charge
Bardziej szczegółowoMicrosystems in Medical Applications Liquid Flow Sensors
Microsystems in Medical Applications Liquid Flow Sensors Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka
Bardziej szczegółowoMichał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1)
Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna
Bardziej szczegółowoAn evaluation of GoldAnchor intraprostatic fiducial marker stability during the treatment planning
An evaluation of GoldAnchor intraprostatic fiducial marker stability during the treatment planning Dawid Bodusz, Wojciech Leszczyński, Wioletta Miśta, Leszek Miszczyk Application of fiducial gold markers:
Bardziej szczegółowoTowards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application
Towards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application Gayane Vardoyan *, C. V. Hollot, Don Towsley* * College of Information and Computer Sciences, Department of Electrical
Bardziej szczegółowoOPBOX ver USB 2.0 Mini Ultrasonic Box with Integrated Pulser and Receiver
OPBOX ver.0 USB.0 Mini Ultrasonic Box with Integrated Pulser and Receiver Przedsiębiorstwo BadawczoProdukcyjne OPTEL Sp. z o.o. ul. Morelowskiego 30 PL59 Wrocław phone: +8 7 39 8 53 fax.: +8 7 39 8 5 email:
Bardziej szczegółowoIMAGE TEXTURE ANALYSIS IN BIOMEDICAL APPLICATIONS
IMAGE TEXTURE ANALYSIS IN BIOMEDICAL APPLICATIONS Michal Strzelecki Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna
Bardziej szczegółowoRIGHT VENTRICLE DETECTION ON MRI IMAGES FOR VERIFICATION MORFOMETRIC SYMPTOMS OF PULMONARY HYPERTENSION
SYLWIA KOSECKA- UREK RIGHT VENTRICLE DETECTION ON MRI IMAGES FOR VERIFICATION MORFOMETRIC SYMPTOMS OF PULMONARY HYPERTENSION DETEKCJA PRAWEJ KOMORY SERCA NA OBRAZACH MRI W CELU WERYFIKACJI OBJAWÓW MORFOMETRYCZNYCH
Bardziej szczegółowoMedical electronics part 9b Electroencephalography (EEG)
Medical electronics part 9b (EEG) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany
Bardziej szczegółowoKARTA MODUŁU / KARTA PRZEDMIOTU A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW B. OGÓLNA CHARAKTERYSTYKA PRZEDMIOTU. Kod modułu
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Podstawy fotogrametrii Nazwa modułu w języku angielskim Base Photogrammetry Obowiązuje od roku akademickiego 05/06 A. USYTUOWANIE MODUŁU W SYSTEMIE
Bardziej szczegółowoZarządzanie sieciami telekomunikacyjnymi
SNMP Protocol The Simple Network Management Protocol (SNMP) is an application layer protocol that facilitates the exchange of management information between network devices. It is part of the Transmission
Bardziej szczegółowo4. EKSPLOATACJA UKŁADU NAPĘD ZWROTNICOWY ROZJAZD. DEFINICJA SIŁ W UKŁADZIE Siła nastawcza Siła trzymania
3 SPIS TREŚCI Przedmowa... 11 1. WPROWADZENIE... 13 1.1. Budowa rozjazdów kolejowych... 14 1.2. Napędy zwrotnicowe... 15 1.2.1. Napęd zwrotnicowy EEA-4... 18 1.2.2. Napęd zwrotnicowy EEA-5... 20 1.3. Współpraca
Bardziej szczegółowoUkłady reprogramowalne i SoC Język VHDL (część 4)
Język VHDL (część 4) Prezentacja jest współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki
Bardziej szczegółowoSpektroskopia Ramanowska
Spektroskopia Ramanowska Część A 1.Krótki wstęp historyczny 2.Oddziaływanie światła z osrodkiem materialnym (rozpraszanie światła) 3.Opis klasyczny zjawiska Ramana 4. Widmo ramanowskie. 5. Opis półklasyczny
Bardziej szczegółowoProposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science
Proposal of thesis topic for mgr in (MSE) programme 1 Topic: Monte Carlo Method used for a prognosis of a selected technological process 2 Supervisor: Dr in Małgorzata Langer 3 Auxiliary supervisor: 4
Bardziej szczegółowoWARSZAWA LIX Zeszyt 257
WARSZAWA LIX Zeszyt 257 SPIS TRE CI STRESZCZENIE... 9 WYKAZ SKRÓTÓW... 10 1. WPROWADZENIE... 13 2. MIKROSKOPIA SI ATOMOWYCH PODSTAWY... 17 2.1. Podstawy oddzia ywa ostrze próbka... 23 2.1.1. Modele fizyczne
Bardziej szczegółowoLecture 18 Review for Exam 1
Spring, 2019 ME 323 Mechanics of Materials Lecture 18 Review for Exam 1 Reading assignment: HW1-HW5 News: Ready for the exam? Instructor: Prof. Marcial Gonzalez Announcements Exam 1 - Wednesday February
Bardziej szczegółowoDEFINING REGIONS THAT CONTAIN COMPLEX ASTRONOMICAL STRUCTURES
KATY MCKEOUGH XIAO-LI MENG, VINAY KASHYAP, ANETA SIEMIGINOWSKA, DAVID VAN DYK, SHIHAO YANG, LUIS CAMPOS, DEFINING REGIONS THAT CONTAIN COMPLEX ASTRONOMICAL STRUCTURES INTRODUCTION SCIENTIFIC MOTIVATION
Bardziej szczegółowoModel standardowy i stabilność próżni
Model standardowy i stabilność próżni Marek Lewicki Instytut Fizyki teoretycznej, Wydzia l Fizyki, Uniwersytet Warszawski Sympozjum Doktoranckie Warszawa-Fizyka-Kraków, 4 Marca 2016, Kraków Na podstawie:
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture 24. Differential Privacy and Re-useable Holdout
Machine Learning for Data Science (CS4786) Lecture 24 Differential Privacy and Re-useable Holdout Defining Privacy Defining Privacy Dataset + Defining Privacy Dataset + Learning Algorithm Distribution
Bardziej szczegółowoCystatin C as potential marker of Acute Kidney Injury in patients after Abdominal Aortic Aneurysms Surgery preliminary study
Cystatin C as potential marker of Acute Kidney Injury in patients after Abdominal Aortic Aneurysms Surgery preliminary study Anna Bekier-Żelawska 1, Michał Kokot 1, Grzegorz Biolik 2, Damian Ziaja 2, Krzysztof
Bardziej szczegółowoInverse problems - Introduction - Probabilistic approach
Inverse problems - Introduction - Probabilistic approach Wojciech Dȩbski Instytut Geofizyki PAN debski@igf.edu.pl Wydział Fizyki UW, 13.10.2004 Wydział Fizyki UW Warszawa, 13.10.2004 (1) Plan of the talk
Bardziej szczegółowoWprowadzenie do cytometrii przepływowej: co i jak mierzy cytometr
Fakultet: Cytometria zastosowanie w badaniach biologicznych Wprowadzenie do cytometrii przepływowej: co i jak mierzy cytometr Nadzieja Drela Zakład Immunologii WB UW ndrela@biol.uw.edu.pl FLOW = fluid
Bardziej szczegółowoFig 5 Spectrograms of the original signal (top) extracted shaft-related GAD components (middle) and
Fig 4 Measured vibration signal (top). Blue original signal. Red component related to periodic excitation of resonances and noise. Green component related. Rotational speed profile used for experiment
Bardziej szczegółowoEXAMPLES OF CABRI GEOMETRE II APPLICATION IN GEOMETRIC SCIENTIFIC RESEARCH
Anna BŁACH Centre of Geometry and Engineering Graphics Silesian University of Technology in Gliwice EXAMPLES OF CABRI GEOMETRE II APPLICATION IN GEOMETRIC SCIENTIFIC RESEARCH Introduction Computer techniques
Bardziej szczegółowoSPIS TREŚCI SPIS WAŻNIEJSZYCH OZNACZEŃ WSTĘP KRÓTKA CHARAKTERYSTYKA SEKTORA ENERGETYCZNEGO W POLSCE... 14
SPIS TREŚCI SPIS WAŻNIEJSZYCH OZNACZEŃ... 9 1. WSTĘP... 11 2. KRÓTKA CHARAKTERYSTYKA SEKTORA ENERGETYCZNEGO W POLSCE... 14 2.1. Analiza aktualnego stanu struktury wytwarzania elektryczności i ciepła w
Bardziej szczegółowoArchitektura komputerów Wprowadzenie do algorytmów
Wprowadzenie do algorytmów Prezentacja jest współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój
Bardziej szczegółowoSTATISTICAL METHODS IN BIOLOGY
STATISTICAL METHODS IN BIOLOGY 1. Introduction 2. Populations and samples 3. Hypotheses testing and parameter estimation 4. Experimental design for biological data 5. Most widely used statistical tests
Bardziej szczegółowoAnalysis of Movie Profitability STAT 469 IN CLASS ANALYSIS #2
Analysis of Movie Profitability STAT 469 IN CLASS ANALYSIS #2 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
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture 11. Spectral Embedding + Clustering
Machine Learning for Data Science (CS4786) Lecture 11 Spectral Embedding + Clustering MOTIVATING EXAMPLE What can you say from this network? MOTIVATING EXAMPLE How about now? THOUGHT EXPERIMENT For each
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 8: Structured PredicCon 2
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 8: Structured PredicCon 2 1 Roadmap intro (1 lecture) deep learning for NLP (5 lectures) structured predic+on (4 lectures)
Bardziej szczegółowoSTUDY AND ADJUSTMENT OF DERMOSCOPIC IMAGE PROCESSING ALGORITHMS FOR LESION BORDER DETECTION 1
STUDIA INFORMATICA 2016 Volume 37 Number 3B (126) Damian BORYS, Magdalena SZEREMET, Krzysztof PSIUK-MAKSYMOWICZ, Mariusz FRACKIEWICZ Silesian University of Technology, Institute of Automatic Control Ziemowit
Bardziej szczegółowoKONSPEKT DO LEKCJI MATEMATYKI W KLASIE 3 POLO/ A LAYER FOR CLASS 3 POLO MATHEMATICS
KONSPEKT DO LEKCJI MATEMATYKI W KLASIE 3 POLO/ A LAYER FOR CLASS 3 POLO MATHEMATICS Temat: Funkcja logarytmiczna (i wykładnicza)/ Logarithmic (and exponential) function Typ lekcji: Lekcja ćwiczeniowa/training
Bardziej szczegółowoPreviously on CSCI 4622
More Naïve Bayes aaace3icbvfba9rafj7ew423vr998obg2gpzkojyh4rcx3ys4lafzbjmjifdototmhoilml+hf/mn3+kl+jkdwtr64gbj+8yl2/ywklhsfircg/dvnp33s796mhdr4+fdj4+o3fvywvorkuqe5zzh0oanjakhwe1ra5zhaf5xvgvn35f62rlvtcyxpnm50awundy1hzwi46jbmgprbtrrvidrg4jre4g07kak+picee6xfgiwvfaltorirucni64eeigkqhpegbwaxglabftpyq4gjbls/hw2ci7tr2xj5ddfmfzwtazj6ubmyddgchbzpf88dmrktfonct6vazputos5zakunhfweow5ukcn+puq8m1ulm7kq+d154pokysx4zgxw4nwq6dw+rcozwnhbuu9et/tgld5cgslazuci1yh1q2ynca/u9ais0kukspulds3xxegvtyfycu8iwk1598e0z2xx/g6ef94ehbpo0d9ok9yiowsvfskh1ix2zcbpsdvaxgww7wj4zdn+he2hogm8xz9s+e7/4cuf/ata==
Bardziej szczegółowoDATA ACQUISITION AND ANALYSIS FOR FLUORESCENCE TARGETED BIOPSY AKWIZYCJA I ANALIZA DANYCH DLA CELÓW BIOPSJI Z WYKORZYSTANIEM OBRAZÓW FOTODYNAMICZNYCH
STUDIA INFORMATICA 2010 Volume 31 Number 2A (89) Jakub MURAWSKI, Dominik SPINCZYK Politechnika Śląska, Instytut Elektroniki DATA ACQUISITION AND ANALYSIS FOR FLUORESCENCE TARGETED BIOPSY Summary. Biopsy
Bardziej szczegółowowww.irs.gov/form990. If "Yes," complete Schedule A Schedule B, Schedule of Contributors If "Yes," complete Schedule C, Part I If "Yes," complete Schedule C, Part II If "Yes," complete Schedule C, Part
Bardziej szczegółowoPN-ISO 10843:2002/AC1
POPRAWKA do POLSKIEJ NORMY ICS 17.140.20 PN-ISO 10843:2002/AC1 Wprowadza ISO 10843:1997/AC1:2009, IDT Akustyka Metody opisu i pomiaru pojedynczych impulsów lub serii impulsów Poprawka do Normy Międzynarodowej
Bardziej szczegółowoHelena Boguta, klasa 8W, rok szkolny 2018/2019
Poniższy zbiór zadań został wykonany w ramach projektu Mazowiecki program stypendialny dla uczniów szczególnie uzdolnionych - najlepsza inwestycja w człowieka w roku szkolnym 2018/2019. Składają się na
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 9: Inference in Structured Prediction 1 intro (1 lecture) Roadmap deep learning for NLP (5 lectures) structured prediction
Bardziej szczegółowoOpenPoland.net API Documentation
OpenPoland.net API Documentation Release 1.0 Michał Gryczka July 11, 2014 Contents 1 REST API tokens: 3 1.1 How to get a token............................................ 3 2 REST API : search for assets
Bardziej szczegółowoAuditorium classes. Lectures
Faculty of: Mechanical and Robotics Field of study: Mechatronic with English as instruction language Study level: First-cycle studies Form and type of study: Full-time studies Annual: 2016/2017 Lecture
Bardziej szczegółowoKnovel Math: Jakość produktu
Knovel Math: Jakość produktu Knovel jest agregatorem materiałów pełnotekstowych dostępnych w formacie PDF i interaktywnym. Narzędzia interaktywne Knovel nie są stworzone wokół specjalnych algorytmów wymagających
Bardziej szczegółowoDotyczy: Certyfikat dla Blatów kuchennych z powłoką antybakteryjną.
Żary, 01.06.2016 Dotyczy: Certyfikat dla Blatów kuchennych z powłoką antybakteryjną. Niniejszy dokument dotyczy wyłącznie 11 dekorów Blatów kuchennych Kronopol sp. z o.o.: Lp. Dekor Nazwa 1 D4865 MT DĄB
Bardziej szczegółowoThe Overview of Civilian Applications of Airborne SAR Systems
The Overview of Civilian Applications of Airborne SAR Systems Maciej Smolarczyk, Piotr Samczyński Andrzej Gadoś, Maj Mordzonek Research and Development Department of PIT S.A. PART I WHAT DOES SAR MEAN?
Bardziej szczegółowoZaawansowane programowanie w języku C++ Przeciążanie operatorów
Zaawansowane programowanie w języku C++ Przeciążanie operatorów Prezentacja jest współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka
Bardziej szczegółowoFew-fermion thermometry
Few-fermion thermometry Phys. Rev. A 97, 063619 (2018) Tomasz Sowiński Institute of Physics of the Polish Academy of Sciences Co-authors: Marcin Płodzień Rafał Demkowicz-Dobrzański FEW-BODY PROBLEMS FewBody.ifpan.edu.pl
Bardziej szczegółowoBIOPHYSICS. Politechnika Łódzka, ul. Żeromskiego 116, Łódź, tel. (042)
BIOPHYSICS Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki
Bardziej szczegółowoKORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona
KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi
Bardziej szczegółowo0.002 0 0.0048 0.0095 0.0143 0.019. t Rysunek 2: Wykres drgań podstawy wspornika u(t)
Przykład dynamicznej analizy MES lekkiej konstrukcji wspornika w systemie ABAQUS Model 3D Opracował dr inż. Paweł Stąpór Sformułowanie problemu Wykonaj analizę 3D problemu zdefiniowanego w części pierwszej
Bardziej szczegółowoRegionalny Dyrektor Ochrony Środowiska ul. 28 czerwca 1956 Poznań
CENTRALNA GRUPA ENERGETYCZNA S.A. Konin, dnia 15-09-2014 62-510 Konin, Spółdzielców 3 Tel: +48 606 877 966 / +48 63 2406859 e-mail: sekretariat@cgesa.pl Regionalny Dyrektor Ochrony Środowiska ul. 28 czerwca
Bardziej szczegółowoNazwa projektu: Kreatywni i innowacyjni uczniowie konkurencyjni na rynku pracy
Nazwa projektu: Kreatywni i innowacyjni uczniowie konkurencyjni na rynku pracy DZIAŁANIE 3.2 EDUKACJA OGÓLNA PODDZIAŁANIE 3.2.1 JAKOŚĆ EDUKACJI OGÓLNEJ Projekt współfinansowany przez Unię Europejską w
Bardziej szczegółowoGMWØJCIK Publications
GMWØJCIK Publications A. Gajos and G. M. Wojcik, Electroencephalographic detection of synesthesia, Annales Universitatis Mariae Curie-Sklodowska, Sectio AI: Informatica, vol. 14, no. 3, pp. 43 52, 2014.
Bardziej szczegółowowww.irs.gov/form990. If "Yes," complete Schedule A Schedule B, Schedule of Contributors If "Yes," complete Schedule C, Part I If "Yes," complete Schedule C, Part II If "Yes," complete Schedule C, Part
Bardziej szczegółowoZASTOSOWANIE METOD NAKŁADANIA OBRAZÓW W WYBRANYCH PROBLEMACH Z ZAKRESU INŻYNIERII BIOMEDYCZNEJ
RAFAŁ PETRYNIAK ZASTOSOWANIE METOD NAKŁADANIA OBRAZÓW W WYBRANYCH PROBLEMACH Z ZAKRESU INŻYNIERII BIOMEDYCZNEJ APPLICATION OF IMAGE REGISTRATION METHODS TO SOLVE SELECTED BIOMEDICAL ENGINEERING PROBLEMS
Bardziej szczegółowodeep learning for NLP (5 lectures)
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 6: Finish Transformers; Sequence- to- Sequence Modeling and AJenKon 1 Roadmap intro (1 lecture) deep learning for NLP (5
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE. Negotiation techniques. Management. Stationary. II degree
Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj
Bardziej szczegółowoStrangeness in nuclei and neutron stars: many-body forces and the hyperon puzzle
Strangeness in nuclei and neutron stars: many-body forces and the hyperon puzzle Diego Lonardoni FRIB Theory Fellow In collaboration with: S. Gandolfi, LAL J. A. Carlson, LAL A. Lovato, AL & IF F. Pederiva,
Bardziej szczegółowoASSESSMENT OF THE INFLUENCE OF FILTERING SCANNED HISTORICAL AERIAL IMAGES ON THE ACCURACY OF DIGITAL AERIAL TRIANGULATION
Archiwum Fotogrametrii, Kartografii i Teledetekcji, vol. 28, pp. 157-167 ISSN 2083-2214, eissn 2391-9477 DOI: 10.14681/afkit.2016.012 ASSESSMENT OF THE INFLUENCE OF FILTERING SCANNED HISTORICAL AERIAL
Bardziej szczegółowoLaboratorium Technik Obrazowania
Laboratorium Technik Obrazowania Krzysztof Kacperski Zakład Fizyki Medycznej, Centrum Onkologii - Instytut im. Marii Skłodowskiej-Curie Nowe technologie w Medycynie Nuklearnej Gamma kamera Nowe fotodetektory
Bardziej szczegółowoNauczycielem wszystkiego jest praktyka Juliusz Cezar. Nauka to wiara w ignorancję ekspertów Richard Feynman
Oracle i DB2 zadanie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki Łódzkiej
Bardziej szczegółowoRelaxation of the Cosmological Constant
Relaxation of the Cosmological Constant with Peter Graham and David E. Kaplan The Born Again Universe + Work in preparation + Work in progress aaab7nicdvbns8nafhypx7v+vt16wsycp5kioseifw8ekthwaepzbf7apztn2n0ipfrhepggifd/jzf/jzs2brudwbhm5rhvtzakro3rfjqlpewv1bxyemvjc2t7p7q719zjphi2wcisdr9qjyjlbblubn6ncmkccoweo6vc7zyg0jyrd2acoh/tgeqrz9ryqdo7sdgq9qs1t37m5ibu3v2qqvekpqyfmv3qry9mwbajnexqrbuemxp/qpxhtoc00ss0ppsn6ac7lkoao/yns3wn5mgqiykszz80zkz+n5jqwotxhnhktm1q//zy8s+vm5nowp9wmwygjzt/fgwcmitkt5oqk2rgjc2hthg7k2fdqigztqgklwfxkfmfte/qnuw3p7xgzvfhgq7gei7bg3nowdu0oqumrvaiz/dipm6t8+q8zamlp5jzhx9w3r8agjmpzw==
Bardziej szczegółowoTACHOGRAPH SIMULATOR DTCOSIM
TACHOGRAPH SIMULATOR DTCOSIM Service Manual USB-KSIM interface General description The simulator is a device that is used as a replacement for tachograph in the vehicle where the tachograph is not mandatory,
Bardziej szczegółowoStudia podyplomowe realizowane w ramach zadania 5 Systemy mobilne i techniki multimedialne
Studia podyplomowe realizowane w ramach zadania 5 Systemy mobilne i techniki multimedialne Prezentacja jest współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie
Bardziej szczegółowo2014-3-30. Urbanek J., Jabłoński A., Barszcz T ssswedfsdfurbanek J., Jabłoński A., Barszcz T., Wykonanie pomiarów
Wykonanie pomiarów sygnałów wibroakustycznych przy stałych oraz zmiennych warunkach eksploatacyjnych na stanowisku testowym. Część II: Analiza poprawności pomiarów. Autorzy: Urbanek J., Jabłoński A., Barszcz
Bardziej szczegółowoProblems of Corneal Endothelial Image Binarization
S C H E D A E I N F O R M A T I C A E VOLUME 20 2011 Problems of Corneal Endothelial Image Binarization Kamil Szostek 1, Jolanta Gronkowska-Serafin 2, Adam Piórkowski 1 1 Department of Geoinfomatics and
Bardziej szczegółowoSuplement do dyplomu
Suplement do dyplomu Doświadczenia Wyższej Szkoły Humanistyczno-Ekonomicznej w Łodzi Renata Figlewicz Centrum Badań i Rozwoju Kształcenia Wyższa Szkoła Humanistyczno-Ekonomiczna w liczbach 2 wydziały 10
Bardziej szczegółowo1 / 5. Inżynierii Mechanicznej i Robotyki. Mechatronic Engineering with English as instruction language. stopnia
Wydział: Inżynierii Mechanicznej i Robotyki Kierunek: Mechatronic Engineering with English as instruction language Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarn e Rocznik: 017/018 Język
Bardziej szczegółowoDIAGNOSIS OF WORKING MECHANISMS IN MACHINERY AND EQUIPMENT
1 Czestochowa University of Technology Faculty of Management DIAGNOSIS OF WORKING MECHANISMS IN MACHINERY AND EQUIPMENT MODELLING DESIGNING ASSESSMENT OF THE CONDITION MONOGRAPH SCIENTIFIC EDITOR Adam
Bardziej szczegółowoDM-ML, DM-FL. Auxiliary Equipment and Accessories. Damper Drives. Dimensions. Descritpion
DM-ML, DM-FL Descritpion DM-ML and DM-FL actuators are designed for driving round dampers and square multi-blade dampers. Example identification Product code: DM-FL-5-2 voltage Dimensions DM-ML-6 DM-ML-8
Bardziej szczegółowoNonlinear data assimilation for ocean applications
Nonlinear data assimilation for ocean applications Peter Jan van Leeuwen, Manuel Pulido, Jacob Skauvold, Javier Amezcua, Polly Smith, Met Ades, Mengbin Zhu Comparing observations and models Ensure they
Bardziej szczegółowoIDENTYFIKACJA PARAMETRÓW CHARAKTERYZUJĄCYCH OBCIĄŻENIE SEKCJI OBUDOWY ZMECHANIZOWANEJ SPOWODOWANE DYNAMICZNYM ODDZIAŁYWANIEM GÓROTWORU
POLITECHNIKA ŚLĄSKA ZESZYTY NAUKOWE Nr 1648 Stanisław SZWEDA STJB Gottingen 217 808 00X IDENTYFIKACJA PARAMETRÓW CHARAKTERYZUJĄCYCH OBCIĄŻENIE SEKCJI OBUDOWY ZMECHANIZOWANEJ SPOWODOWANE DYNAMICZNYM ODDZIAŁYWANIEM
Bardziej szczegółowoPomiary hydrometryczne w zlewni rzek
Pomiary hydrometryczne w zlewni rzek Zagożdżonka onka i Zwoleńka Hydrometric measurements in Zwoleńka & Zagożdżonka onka catchments Anna Sikorska, Kazimierz Banasik, Anna Nestorowicz, Jacek Gładecki Szkoła
Bardziej szczegółowoUnbiased Cosmological Parameter Estimation from Emission Line Surveys with Interlopers
Unbiased Cosmological Parameter Estimation from Emission Line Surveys with Interlopers Donghui Jeong (Pennsylvania State University) Based on Grasshorn Gebhardt, Jeong et al. (2018) The 8th KIAS cosmology
Bardziej szczegółowoKrytyczne czynniki sukcesu w zarządzaniu projektami
Seweryn SPAŁEK Krytyczne czynniki sukcesu w zarządzaniu projektami MONOGRAFIA Wydawnictwo Politechniki Śląskiej Gliwice 2004 SPIS TREŚCI WPROWADZENIE 5 1. ZARZĄDZANIE PROJEKTAMI W ORGANIZACJI 13 1.1. Zarządzanie
Bardziej szczegółowoPOLISH LICENCE PLATE NUMBERS RECOGNITION SYSTEM
Szybkobiene Pojazdy Gsienicowe (44) nr 2, 2017 117 Michał BUGAŁA POLISH LICENCE PLATE NUMBERS RECOGNITION SYSTEM Abstract. The article presents research carried out at OBRUM related to character recognition
Bardziej szczegółowoConvolution semigroups with linear Jacobi parameters
Convolution semigroups with linear Jacobi parameters Michael Anshelevich; Wojciech Młotkowski Texas A&M University; University of Wrocław February 14, 2011 Jacobi parameters. µ = measure with finite moments,
Bardziej szczegółowoWprowadzenie do programu RapidMiner, część 2 Michał Bereta 1. Wykorzystanie wykresu ROC do porównania modeli klasyfikatorów
Wprowadzenie do programu RapidMiner, część 2 Michał Bereta www.michalbereta.pl 1. Wykorzystanie wykresu ROC do porównania modeli klasyfikatorów Zaimportuj dane pima-indians-diabetes.csv. (Baza danych poświęcona
Bardziej szczegółowoTesty jednostkowe - zastosowanie oprogramowania JUNIT 4.0 Zofia Kruczkiewicz
Testy jednostkowe - zastosowanie oprogramowania JUNIT 4.0 http://www.junit.org/ Zofia Kruczkiewicz 1. Aby utworzyć test dla jednej klasy, należy kliknąć prawym przyciskiem myszy w oknie Projects na wybraną
Bardziej szczegółowoRaport bieżący: 44/2018 Data: g. 21:03 Skrócona nazwa emitenta: SERINUS ENERGY plc
Raport bieżący: 44/2018 Data: 2018-05-23 g. 21:03 Skrócona nazwa emitenta: SERINUS ENERGY plc Temat: Zawiadomienie o zmianie udziału w ogólnej liczbie głosów w Serinus Energy plc Podstawa prawna: Inne
Bardziej szczegółowoProbability definition
Probability Probability definition Probability of an event P(A) denotes the frequency of it s occurrence in a long (infinite) series of repeats P( A) = A Ω Ω A 0 P It s s represented by a number in the
Bardziej szczegółowoSTRESZCZENIE. Przyjęto dopuszczalny błąd statystyczny na poziomie p 0,05, p 0,01 oraz p 0,001.
STRESZCZENIE Wstęp. Krótkowzroczność jest wadą układu optycznego, która w całej populacji wykazuje tendencję wzrostową w ostatnich 50 latach. Szacuje się, że do 2020 roku obejmie 1/3 populacji światowej
Bardziej szczegółowoForested areas in Cracow ( ) evaluation of changes based on satellite images 1 / 31 O
Forested areas in Cracow (1985-2017) evaluation of changes based on satellite images Obszary leśne w Krakowie (1985-2017) szacowanie zmian na podstawie zobrazowań satelitarnych Cracow University of Technology
Bardziej szczegółowoArrays -II. Arrays. Outline ECE Cal Poly Pomona Electrical & Computer Engineering. Introduction
ECE 114-9 Arrays -II Dr. Z. Aliyazicioglu Electrical & Computer Engineering Electrical & Computer Engineering 1 Outline Introduction Arrays Declaring and Allocation Arrays Examples Using Arrays Passing
Bardziej szczegółowoGradient Coding using the Stochastic Block Model
Gradient Coding using the Stochastic Block Model Zachary Charles (UW-Madison) Joint work with Dimitris Papailiopoulos (UW-Madison) aaacaxicbvdlssnafj3uv62vqbvbzwarxjsqikaboelgzux7gcaeywtsdp1mwsxeaepd+ctuxcji1r9w5984bbpq1gmxdufcy733bcmjutn2t1fawl5zxsuvvzy2t7z3zn29lkwyguktjywrnqbjwigntuuvi51uebqhjlsdwfxebz8qiwnc79uwjv6mepxgfcoljd88uiox0m1hvlnzwzgowymjn7tjyzertmvpareju5aqkndwzs83thawe64wq1j2httvxo6eopirccxnjekrhqae6wrkuuykl08/gmnjryqwsoqurubu/t2ro1jkyrzozhipvpz3juj/xjdt0ywxu55mina8wxrldkoetukairuekzbubgfb9a0q95fawonqkjoez/7lrdi6trzbcm7pqvwrio4yoarh4aq44bzuwq1ogcba4be8g1fwzjwzl8a78tfrlrnfzd74a+pzb2h+lzm=
Bardziej szczegółowo