Találati lista | Tudóstér

001-es BibID:	BIBFORM123961
035-os BibID:	(WoS)001287238100001 (Scopus)85200723223
Első szerző:	Baranyai Dávid
Cím:	Module Tester for Positron Emission Tomography and Particle Physics / David Baranyai, Stefan Oniga, Balazs Gyongyosi, Balazs Ujvari, Attia Mohamed
Dátum:	2024
ISSN:	2079-9292
Megjegyzések:	The combination of high-density, high-time-resolution inorganic scintillation crystals such as Lutetium Yttrium Oxyorthosilicate (LYSO), Yttrium Orthosilicate (YSO) and Bismuth Germanate (BGO) with Silicon Photomultiplier (SiPM) sensors is widely employed in medical imaging, particularly in Positron Emission Tomography (PET), as well as in modern particle physics detectors for precisely timing sub-detectors and calorimeters. During the assembly of each module, following individual component testing, the crystals and SiPMs are bonded together using optical glue and enclosed in a light-tight, temperature-controlled cooling box. After integration with the readout electronics, the bonding is initially tested. The final readout electronics typically comprise Application-Specific Integrated Circuits (ASICs) or low-power Analog-to-Digital Converters (ADCs) and amplifiers, designed not to heat up the temperature-sensitive SiPM sensors. However, these setups are not optimal for testing the optical bonding. Specific setups were developed to test the LYSO + SiPM modules that are already bonded but not enclosed in a box. Through large data collection, small deviations in bonding can be detected if the SiPMs and LYSOs have been thoroughly tested before our measurement. The Monte Carlo simulations we used to study how parameters - which are difficult to measure in the laboratory (LYSO absorption length, refractive index of the coating) - affect the final result. Our setups for particle physics and PET applications are already in use by research institutes and industrial partners.
Tárgyszavak:	Természettudományok Fizikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk SiPM FPGA PET particle physics
Megjelenés:	Electronics (Switzerland). - 13 : 15 (2024), p. 1-15. -
További szerzők:	Oniga István László (1960-) (villamosmérnök) Gyöngyösi Balázs Ujvári Balázs (1977-) (fizikus) Mohamed, Attia
Pályázati támogatás:	OTKA131991 OTKA OTKA143540 OTKA NKFIH 2021-4.1.2-NEMZ_KI-2022-00022 Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM086140
Első szerző:	Majoros Tamás (mérnök, informatikus)
Cím:	Részecskefizikai detektorban alkalmazott neurális hálózat stabilitási vizsgálata / Majoros Tamás, Ujvári Balázs, Oniga István László
Dátum:	2018
Tárgyszavak:	Műszaki tudományok Informatikai tudományok előadáskivonat könyvrészlet
Megjelenés:	ENELKO 2018 XIX. Nemzetközi Energetika-Elektrotechnika Konferencia, SzámOkt 2018 XXVIII. Nemzetközi Számítástechnika és Oktatás Konferencia / szerk. Biró Károly-Ágoston, Sebestyén-Pál György, Szabó Loránd. - p. 262-267. -
További szerzők:	Ujvári Balázs (1977-) (fizikus) Oniga István László (1960-) (villamosmérnök)
Pályázati támogatás:	EFOP-3.6.3-VEKOP-16-2017-00002 EFOP
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM086138
Első szerző:	Majoros Tamás (mérnök, informatikus)
Cím:	EEG adatok feldolgozása neurális hálózattal / Majoros Tamás, Ujvári Balázs, Oniga István László
Dátum:	2019
Tárgyszavak:	Műszaki tudományok Informatikai tudományok előadáskivonat könyvrészlet
Megjelenés:	ENELKO 2019, SzámOkt 2019. - p. 208-213. -
További szerzők:	Ujvári Balázs (1977-) (fizikus) Oniga István László (1960-) (villamosmérnök)
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM085997
Első szerző:	Majoros Tamás (mérnök, informatikus)
Cím:	EEG data processing with neural network / Tamás Majoros, Balázs Ujvári, Stefan Oniga
Dátum:	2019
ISSN:	1844-9689 2343-8908
Megjegyzések:	Machine-learning techniques allow to extract information from electroencephalographic (EEG) recordings of brain activity. By processing the measurement results of a publicly available EEG dataset, we were able to obtain information that could be used to train a feedforward neural network to classify two types of volunteer activities with high efficiency.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk
Megjelenés:	Carpathian Journal of Electronic and Computer Engineering. - 12 : 2 (2019), p. 33-36. -
További szerzők:	Ujvári Balázs (1977-) (fizikus) Oniga István László (1960-) (villamosmérnök)
Pályázati támogatás:	EFOP-3.6.3-VEKOP-16-2017-00002 EFOP
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: