Объемные обои: фотообои | Купить объемные обои на стену с доставкой в интернет-магазине «Топ Фотообои»

Как сделать объемные обои с эффектом движения для iOS 7?

16 октября 2013 iOS Сделай сам

Ия Зорина

Автор Лайфхакера, атлет, КМС

Новый интерактивный слой в iOS 7 позволяет оценить удивительный параллакс-эффект, который особенно хорошо видно на рабочем столе. Если повернуть или наклонить смартфон в любом направлении, графика на экране начнает двигаться и приобретает трехмерную глубину.

Новый слой на iOS 7 настолько реалистичен, что некоторые пользователи даже ощущают дискомфот — у них кружиться голова, тошнит. Если вы боитесь «морской болезни»  или просто не любите новую функцию, можете отключить этот эффект в настройках iOS. Однако сначала все-таки стоит попробовать, вдруг вам понравится?

Свои фото с объемом и движением

Вы можете превратить в обои с эффектом parallax не только специальные картинки, скачанные из интернета, но и свои фотки, сделанные прямо со смартфона.

Но здесь может возникнуть одна проблема — для эффекта parallax картинки должны быть чуть большего размера, чем текущий экран. Чтобы получить на экране именно ту заставку, на которую приятно будет смотреть, придется постараться — изменить размер фотки, подвинуть её в нужный ракурс и добавить эффектов.

Чтобы эффект параллакса проявился во все своей красе, картинке надо добавить глубины. Например, можно использовать эффект разных планов, как на фото ниже.

На переднем плане вы оставляете четкий предмет, а задний план делаете размытым. С помощью этого эффекта ваша заставка будет двигаться по экрану и выглядеть объемно и реалистично в момент поворота смартфона.

Если вы не хотите заморачиваться и делать свои фото, можно поставить стандартные обои и обеспечить им такой же эффект движения. В Apple с системой iOS 7 есть несколько стандартных фонов практически в одном цвете, но даже в них есть градиент, узор или текстура — всё, чтобы ваши обои приобрели объем, выглядели необычно и впечатляюще.

Установите правильный размер

Устанавливая обои, очень важно подобрать правильный размер. Есть разные мнения об идеальном размере, но большинство пользователей сходятся на том, что для лучшего эффекта нужно, чтобы каждая сторона картинки была больше, чем текущий размер экрана на 200 пикс.

Вот примерные размеры обоев параллакс для разных устройств:

1. iPhone 5/5C/5S — 1,040 × 1,536 пикселей
2. iPhone 4S — 1,040 × 1,360 пикселей
3. iPad (третьего и четвертого поколений) — 1,936 × 2,448 пикселей
4. iPad Mini — 1,168 × 1,424 пикселей
5. iPod Touch (пятого поколения) — 1,040 × 1,536 пикселей

Для того чтобы изменить размер изображения можно использовать Photoshop или другие, более простые программы.

Если ваша картинка больше, чем размеры, указанные выше, может быть непросто подстроить его под нужные параметры. Обрезка изображения поможет его подогнать, но при этом сама картинка будет испорчена, так что обои будут выглядеть отвратительно и бесить вас.

Но если у вас найдется фото, которое можно обрезать до правильного размера, обязательно пробуйте создать обои-параллакс. Заодно проверите, есть ли у вас склонность к морской болезни.

Объемные обои для стен, вся информация по теме

Друзья, сейчас век компьютерных технологий и всевозможных 3d объектов.

На экранах кинотеатров показывают 3д фильмы, на асфальте рисуют 3д картины.

Помните ли вы те чувства, когда посмотрели первый 3d фильм. То чувство, когда все вокруг становится реальным, и ты словно принимаешь непосредственное участие в этой реальности.

Если вы планируете ремонтные работы, то для создания необычного интерьера вы можете использовать объемные обои, или 3д фотообои, которые наполнят ваш интерьер жизнью и создадут сказочную атмосферу вокруг вас.

Содержание

1. Что такое 3d фотообои
2. Плюсы современных объемных фотообоев
3. Где можно клеить объемные обои
4. Какие бывают 3д обои
5. Выводы по теме

Что такое 3d фотообои

3д фотообои представляют собой широкоформатные фотографии, которые сделаны особым образом, что позволяет наблюдать объемное пространство на плоской поверхности.

Такие обои получили большую популярность в последнее время.

Вы можете создать в своей комнате необходимую атмосферу, просто подобрав под свои задумки нужные обои.

Плюсы современных объемных фотообоев

В качестве плюсов у современных фотообоев с объемом можно выделить следующие:

• износоустойчивость;
• легко моются;
• красиво выглядят;
• нетоксичны;
• пожаростойкие.

Разумеется современные технологии позволяют производить обои из таких материалов, что в их качестве не стоит сомневаться. Такие обои не выполняют из вредных составляющих по той причине, что многие решат поклеить 3д обои в спальных комнатах.

Объемные обои при загрязнении легко помыть используя мокрую тряпку и при необходимости средства для чистки.

В составе современных обоев имеются вещества которые делают их пожаростойкими, что несомненный плюс для тех, кто решил поклеить такие картины на кухне.

А есть ли минусы у 3д фотообоев?

Конечно, если рассматривать отдельно взятые обои, то можно обнаружить минусы.

• По большому счету минус у таких обоев только один — рисунок со временем может надоесть.

Где можно клеить объемные обои

Применять 3d фотообои можно где угодно.

Вы легко сможете поклеить такие обои как в спальне вашего ребенка, на кухне и даже в зале. Вы также можете оформить таким образом бар, ресторан, ночной клуб или офисное помещение.

В некоторых случаях 3д обои клеят также и на улице, например, на внешних фасадах строений. Выглядит такое решение часто весьма интересно и необычно.

Какие бывают 3д обои

1. Многие производители стараются выделиться при производстве обоев, поэтому часто в них добавляют природные материалы.
2. Также можно встретить в составе обоев и флуоресцентные материалы.
3. Светодиодные обои, которые светятся в темноте.
4. Панорамные обои, которые могут создать целый мир в вашей спальне.

Таким образом, выбор достаточно велик, другое дело, что необходимо подобрать вариант исключительно под ваши запросы.

Выводы по теме

Итак, как можно было понять из статьи, сегодня обычными фотообоями на стенах никого не удивишь. Однако, хорошо подобранные под интерьер 3д обои могут удивить многих, потому что с их помощью можно создать довольно интересные интерьеры.

Не стоит клеить фотообои в каждой комнате своего жилища. Сделайте своего рода фишку, поклеив такие обои в определенной комнате, причем подбирать необходимо рисунок исходя из концепции. Если у вас спальня природной тематике, то лучше всего подойдут панорамные рисунки. Если вы хотите создать иллюзию космоса, то обратите внимание на светодиодные обои или обои которые накапливают свет и ночью отдают его вам, светя разными элементами. Таким образом, можно создать условия близкие к природным, либо ночным небом подчеркнуть бескрайность вашей комнаты.

Ваша фантазия может не ограничиваться стандартными обоями и фотообоями с изображением городов и цветов. Вы всегда можете выбрать что-то оригинальное, подходящее под концепцию помещения и тем самым выделиться из всей серой массы интерьеров.

В том случае, если у вас, после прочтения статьи остались вопросы. на которые вы не получили ответы, мы рекомендуем вам отписаться в комментариях под статьей и наши авторы или читатели с удовольствием ответят на все вопросы.

Удачного ремонта и приятного выбора 3д обоев!

Peel and Stick 3D Wallpaper Volumetric Large Grey Crossed

Peel and Stick 3D Обои Объемные Крупные Серые Перекрещенные Кубики
НАШИ ПОСТОЯННЫЕ ОБОИ:
— Обои на флизелиновой основе.
— Наносится стандартным обойным клеем/клеем
— Для печати мы используем экологически чистую краску.
— Безопасен для вас и ваших близких, не имеет запаха.
— Изображение не выгорает со временем и на солнце.
— Обои влагостойкие.
— Поверхность обоев не гладкая, а фактурная (более 5 различных вариантов текстур).
— Убедитесь, что поверхность стены подготовлена ​​должным образом. Она должна быть твердой, сухой, чистой, гладкой и влагопоглощающей.

— Клей НЕ входит в заказ.

Наши обои на флизелиновой основе придают вашей стене качественное оживление. Дом вашей мечты станет реальностью благодаря новым проектам. Искусство всегда будет в вашей жизни с нашей продукцией.

Экологически чистые качественные материалы без вреда для окружающей среды и вашего здоровья, последние тенденции, приятные детали придут в ваш дом.

******************************************************* **********************

Изображения приведены только для иллюстрации. Пожалуйста, обратитесь к размерам для вашего помещения.
Оттенки цвета могут отличаться в зависимости от настроек и цветопередачи экрана вашего ПК или телефона. Фотообои
создадут в вашей квартире современную атмосферу. Декор вашего дома станет уютным и стильным.

******************************************************* ***********************

СВЯЖИТЕСЬ С НАМИ:

— Если вам нужен нестандартный размер.
— Если вы хотите изменить цвет.
— Если у вас есть какие-либо вопросы для получения дополнительной информации.
— Если у вас возникли проблемы с заказом. О любых дефектах необходимо сообщать немедленно, с подтверждением фотографий.

А мы будем рады помочь! Мы работаем, чтобы каждый клиент остался доволен на 100%!

******************************************************* ***********************

ОБЩАЯ ИНФОРМАЦИЯ О НАШЕЙ ПРОДУКЦИИ:

• Мы используем экологически чистые и нетоксичные материалы! Для печати мы используем краски, устойчивые к воде, солнечному свету и механическим повреждениям. Технология абсолютно безопасна и неопасна как для взрослых, так и для маленьких детей. Мы заботимся о здоровье и безопасности наших клиентов.

• Мы гарантируем только самое высокое качество! У вас будет отличный цвет даже в мельчайших деталях.
• Все, что вам нужно, это найти место на стене, где наши обои будут радовать вас.
• Товар упакован в прочный деревянный ящик соответствующего размера – это позволяет свести к минимуму повреждения и надежно доставить товар в любое место назначения.
• Информация для отслеживания будет предоставлена, как только мы отправим ваш заказ.
• Если вы не нашли в нашем магазине подходящее для вас фотообои — вы можете заказать изготовление фотообои на заказ.
• Мы делаем обои на заказ в соответствии с размером, цветом и темой.
• Мы очень гибкие — мы любим воплощать мечты в жизнь, поэтому возможно изготовление по индивидуальному заказу.

******************************************************* ************************

ДОСТАВКА:

• Мы подготовим ваш заказ как можно быстрее, обычно в течение 1-3 рабочих дней с даты завершен платеж.
• Бесплатная доставка — сроки доставки могут варьироваться от 14 до 28 дней.
• Экспресс-доставка — 7-14 дней. Оплатить экспресс-доставку можно при оформлении заказа.
• Все наши отправления застрахованы, вы можете не беспокоиться о своей покупке.
• Если доставка осуществляется до или во время больших праздников, доставка может занять немного больше времени. Наш совет — заказывайте заранее для своевременной доставки!
• Возврат товара за счет покупателя!

******************************************************* ************************

Мы готовы помочь Вам сделать помещение уникальным и неповторимым! Здесь вы найдете дизайн, который отражает вашу жизнь — https://www.etsy.com/shop/DECORANCEwallpaper

Если вы хотите разнообразить интерьер модульными картинами — можете посетить еще один наш магазин, где мы продаем картины на холсте

https://www.etsy.com/shop/DECORANCE

Индивидуальная реконструкция изображений объемной компьютерной томографии из одной проекции с помощью глубокого обучения

1. Кандес, Э. Дж., Ромберг, Дж. К. и Тао, Т. Стабильное восстановление сигнала при неполных и неточных измерениях. Комм. Чистое приложение Мат. 59 , 1207–1223 (2006).

   Артикул Google Scholar

2. «>

   Люстиг, М., Донохо, Д. и Поли, Дж. М. Разреженная МРТ: применение сжатого зондирования для быстрой МРТ-визуализации. Маг. Резон. Мед. 58 , 1182–1195 (2007).

   Артикул Google Scholar

3. Сидки, Е. Ю. и Пан, X. Реконструкция изображения в круговой конусно-лучевой компьютерной томографии путем минимизации полной вариации с ограничениями.

   Физ. Мед. биол. 53 , 4777–4807 (2008).

   Артикул Google Scholar

4. Чен, Г. Х., Тан, Дж. и Ленг, С. Предыдущее изображение с ограниченным сжатием (PICCS): метод точной реконструкции динамических КТ-изображений из наборов проекционных данных с высокой степенью дискретизации. Мед. физ. 35 , 660–663 (2008).

   Артикул Google Scholar

5. Ю, Х. и Ван, Г. Томография внутренних органов на основе сжатого зондирования. Физ. Мед. биол.

   54 , 2791–2805 (2009).

   Артикул Google Scholar

6. Чой, К., Ван, Дж., Чжу, Л., Сух, Т.С., Бойд, С. и Син, Л. Реконструкция конусно-лучевой компьютерной томографии на основе сжатого зондирования с методом первого порядка. Мед. физ. 37 , 5113–5125 (2010).

   Артикул Google Scholar

7. Фесслер, Дж. А. и Роджерс, В. Л. Свойства пространственного разрешения реконструкции изображений с уменьшенным правдоподобием: пространственно-инвариантные томографы. IEEE Trans. Процесс изображения 5 , 1346–1358 (1996).

   Артикул КАС Google Scholar

8. Ji, S., Xue, Y. & Carin, L. Байесовское измерение сжатия. IEEE Trans. Сигнальный процесс. 56 , 2346–2356 (2008).

   Артикул Google Scholar
9. «>

   Engl, H.W., Hanke, M. & Neubauer, A. Регуляризация обратных задач , Vol. 375 (Springer Science & Business Media, 1996).

10. Стейман, Дж. В. и Фесслер, Дж. А. Регуляризация свойств однородного пространственного разрешения при реконструкции изображений с уменьшенным правдоподобием. IEEE Trans. Мед. Imaging 19 , 601–615 (2000).

    Артикул КАС Google Scholar

11. Цзян М. и Ван Г. Исследования сходимости итерационных алгоритмов реконструкции изображений. IEEE Trans. Мед. Imaging 22 , 569–579 (2003).

    Артикул Google Scholar

12. Wang, J., Li, T., Lu, H. & Liang, Z. Взвешенный метод наименьших квадратов со штрафом для уменьшения шума синограммы и реконструкции изображения для низкодозовой рентгеновской компьютерной томографии. IEEE Trans. Мед. Визуализация 25 , 1272–1283 (2006).

    Артикул Google Scholar

13. Сюй, К. и др. Реконструкция низкодозовой рентгеновской КТ с помощью изучения словаря. IEEE Trans. Мед. Изображение 31 , 1682–1697 (2012).

    Артикул Google Scholar

14. Preiswerk, F. et al. Гибридные МРТ-УЗИ и визуализация в режиме реального времени без использования сканера. Маг. Резон. Мед. 78 , 897–908 (2017).

    Артикул КАС Google Scholar

15. Чжу, Б., Лю, Дж. З., Коли, С. Ф., Розен, Б. Р. и Розен, М. С. Реконструкция изображения с помощью многообразного обучения с преобразованием домена. Природа 555 , 487–492 (2018).

    Артикул КАС Google Scholar

16. «>

    Henzler, P., Rasche, V., Ropinski, T. & Ritschel, T. Томография одного изображения: 3D-объемы из 2D-рентгеновских снимков черепа. Компьютерный график. Форум 37 , 377–388 (2018).

    Артикул Google Scholar

17. Монтойя, Дж. К., Чжан, К., Ли, К. и Чен, Г. Объемные разведывательные КТ-изображения, реконструированные из обычных рентгенографических локализаторов с двумя проекциями с использованием глубокого обучения. В проц. SPIE Medical Imaging 2019: Physics of Medical Imaging (под редакцией Schmidt, TG et al) 1094825 (SPIE, 2019).

18. Nomura, Y., Xu, Q., Shirato, H., Shimizu, S. & Xing, L. Коррекция рассеяния в проекционной области для конусно-лучевой компьютерной томографии с использованием остаточной сверточной нейронной сети. Мед. физ. 46 , 3142–3155 (2019).

    ПабМед Google Scholar

19. «>

    Ву, Ю. и др. Включение предыдущих знаний с помощью объемной глубокой остаточной сети для оптимизации реконструкции МРТ с разреженной выборкой. Маг. Резон. Изображение https://doi.org/10.1016/j.mri.2019.03.012 (2019).

20. Eslami, S.A. et al. Нейронное представление сцены и рендеринг. Наука 360 , 1204–1210 (2018).

    Артикул КАС Google Scholar

21. ЛеКун Ю., Бенжио Ю. и Хинтон Г. Глубокое обучение. Природа 521 , 436–444 (2015).

    Артикул КАС Google Scholar

22. Шмидхубер, Дж. Глубокое обучение в нейронных сетях: обзор. Нейронная сеть. 61 , 85–117 (2015).

    Артикул Google Scholar

23. Крижевский А., Суцкевер И. и Хинтон Г. Э. Классификация Imagenet с глубокими свёрточными нейронными сетями. В Proc 25th Conf. о достижениях в области систем обработки нейронной информации (под редакцией Перейры, Ф. и др.) 1097–1105 (NIPS, 2012).

24. Симонян К., Зиссерман А. Очень глубокие сверточные сети для крупномасштабного распознавания изображений. В проц. 3-я Международная конференция по обучающим представлениям (ICLR, 2015).

25. Шен, Л., Юнг, С., Хоффман, Дж., Мори, Г. и Фей-Фей, Л. Масштабирование распознавания взаимодействия человека и объекта с помощью обучения с нуля. В Зимняя конференция 2018 г. по приложениям компьютерного зрения 1568–1576 (IEEE, 2018).

26. Чен, К., Сефф, А., Корнхаузер, А. и Сяо, Дж. Глубокое вождение: возможности обучения для прямого восприятия при автономном вождении. Международная конференция по компьютерному зрению 2015 г. 2722–2730 (IEEE, 2015).

27. Коллоберт Р. и Уэстон Дж. Унифицированная архитектура для обработки естественного языка: глубокие нейронные сети с многозадачным обучением. В проц. 25-я Международная конференция по машинному обучению (редакторы Коэн, В. и др.) 160–167 (ACM, 2008).

28. Ибрагимов Б., Тоеска Д., Чанг Д., Кун А. и Син Л. Разработка глубокой нейронной сети для индивидуального прогнозирования гепатобилиарной токсичности после SBRT печени. Мед. физ. 45 , 4763–4774 (2018).

    Артикул Google Scholar

29. Поплин Р. и др. Прогнозирование сердечно-сосудистых факторов риска по фотографиям глазного дна сетчатки с помощью глубокого обучения. Нац. Биомед. англ. 2 , 158–164 (2018).

    Артикул Google Scholar

30. Эстева А. и др. Классификация рака кожи на уровне дерматологов с глубокими нейронными сетями. Природа 542 , 115–118 (2017).

    Артикул КАС Google Scholar

31. «>

    Гульшан В. и др. Разработка и валидация алгоритма глубокого обучения для выявления диабетической ретинопатии на фотографиях глазного дна сетчатки. JAMA 316 , 2402–2410 (2016).

    Артикул Google Scholar

32. Тинг, Д. С. В. и др. Разработка и проверка системы глубокого обучения для диабетической ретинопатии и связанных с ней заболеваний глаз с использованием изображений сетчатки многоэтнических групп населения с диабетом. JAMA 318 , 2211–2223 (2017).

    Артикул Google Scholar

33. Лю, Ф. и др. Глубокая сверточная нейронная сеть и трехмерный деформируемый подход для сегментации тканей в скелетно-мышечной магнитно-резонансной томографии. Маг. Резон. Мед. 79 , 2379–2391 (2018).

    Артикул Google Scholar

34. «>

    Чжао В. и др. Включение информации изображений из слоев глубокой нейронной сети в лучевую терапию под визуальным контролем (IGRT). Радиотер. Онкол. 140 , 167–174 (2019).

    Артикул Google Scholar

35. Лю, Ф., Фэн, Л. и Кижовски, Р. MANTIS: Модельно-дополненная нейронная сеть с некогерентной выборкой в ​​k-пространстве для эффективного сопоставления параметров mr. Маг. Резон. Мед. 82 , 174–188 (2019).

    Артикул Google Scholar

36. Чжао В. и др. Локализация цели безмаркерной опухоли поджелудочной железы благодаря глубокому обучению. Междунар. Дж. Радиат. Онкол. биол. физ. 105 , 432–439 (2019).

    Артикул Google Scholar

37. Ху-Чанг, С. и др. Глубокие сверточные нейронные сети для компьютерного обнаружения: архитектуры CNN, характеристики набора данных и трансферное обучение. IEEE Trans. Мед. Imaging 35 , 1285–1298 (2016).

    Артикул Google Scholar

38. Ван дер Маатен Л. и Хинтон Г. Визуализация данных с использованием t -SNE. Дж. Маха. Учиться. Рез. 9 , 2579–2605 (2008).

    Google Scholar

39. Папернот, Н., Макдэниел, П. и Гудфеллоу, И. Переносимость в машинном обучении: от явлений к атакам черного ящика с использованием враждебных образцов. Препринт на https://arxiv.org/abs/1605.07277 (2016).

40. Эйкхольт, К. и др. Надежные атаки физического мира на визуальную классификацию глубокого обучения. В Проц. Конференция IEEE по компьютерному зрению и распознаванию образов 1625–1634 (IEEE, 2018).

41. Метцен, Дж. Х., Геневейн, Т., Фишер, В. и Бишофф, Б. Об обнаружении враждебных возмущений. В проц. 5-я Международная конференция по обучающим представлениям (ICLR, 2017).

42. Ли, К., Ли, Х., Ли, К. и Шин, Дж. Обучение классификаторов с доверительной калибровкой для обнаружения образцов вне распределения. В проц. 6-я Международная конференция по обучающим представлениям (ICLR, 2018).

43. Ахтар, Н. и Миан, А. Угроза состязательных атак на глубокое обучение в компьютерном зрении: опрос. IEEE Access 6 , 14410–14430 (2018 г.).

    Артикул Google Scholar

44. Ли, К., Ли, К., Ли, Х. и Шин, Дж. Простая унифицированная структура для обнаружения не распространяемых образцов и атак злоумышленников. В проц. 31-я конференция по достижениям в области нейронных систем обработки информации (под редакцией Бенджо, С. и др.) 7167–7177 (NIPS, 2018).

45. Су, Дж., Варгас, Д. В. и Сакураи, К. Атака одним пикселем для обмана глубоких нейронных сетей. IEEE транс. Эволюция. вычисл. 23 , 828–841 (2019).

    Артикул Google Scholar

46. Юань, X., Хе, П., Чжу, Q. и Ли, X. Состязательные примеры: атаки и защита для глубокого обучения. IEEE Trans. Нейронная сеть. Учиться. Сист. 30 , 2805–2824 (2019).

    Артикул Google Scholar

47. Хинтон Г. Э. и Салахутдинов Р. Р. Уменьшение размерности данных с помощью нейронных сетей. Наука 313 , 504–507 (2006).

    Артикул КАС Google Scholar

48. Хе, К., Чжан, X., Рен, С. и Сун, Дж. Глубокое остаточное обучение для распознавания изображений. В Проц. Конференция IEEE по компьютерному зрению и распознаванию образов 770–778 (IEEE, 2016).

49. Иоффе С. и Сегеди К. Пакетная нормализация: ускорение обучения глубокой сети за счет уменьшения внутреннего ковариатного сдвига. В проц. 32-я Международная конференция по машинному обучению , Vol. 37 , 448–456 (JMLR, 2015).

50. Nair, V. & Hinton, G. E. Ректифицированные линейные блоки улучшают ограниченные машины Больцмана. В проц. 27-я Международная конференция по машинному обучению 807–814 (ICML, 2010).

51. Изола, П., Чжу, Дж.-Ю., Чжоу, Т. и Эфрос, А. Преобразование изображения в изображение с помощью условных состязательных сетей. В проц. Конференция IEEE по компьютерному зрению и распознаванию образов 1125–1134 (IEEE, 2017).

52. Пашке А. и др. Автоматическая дифференциация в pytorch. В проц. 30-я конференция по достижениям в области нейронных систем обработки информации Autodiff. Семинар (НИПС, 2017).

53. Кингма, Д. П. и Ба, Дж. Адам: метод стохастической оптимизации. В проц. 3-я Международная конференция по обучающим представлениям (ICLR, 2015).

54. Ван З., Бовик А.С., Шейх Х.Р. и Симончелли Е.П. Оценка качества изображения: от видимости ошибок до структурного сходства. IEEE Trans. Image Process 13 , 600–612 (2004).

    Артикул Google Scholar

55. Ли, Р. и др. Реконструкция объемного изображения в реальном времени и трехмерная локализация опухоли на основе одного рентгеновского проекционного изображения для лучевой терапии рака легких. Мед. физ. 37 , 2822–2826 (2010).

    Артикул Google Scholar

56. Ли, Р. и др. Трехмерная локализация опухоли с помощью объемной рентгеновской визуализации в реальном времени для лучевой терапии рака легких.