عنوان

مدل‌سازی مبتنی بر داده بافت نرم برای شبیه‌سازهای جراحی

کد کشور

IR

شماره

۴۳۰۵پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

مدل‌سازی مبتنی بر داده بافت نرم برای شبیه‌سازهای جراحی

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Data-Driven Soft Tissue Modeling for Surgical Simulators

نام نخستين پديدآور

/زهرا بونیک

نام ناشر، پخش کننده و غيره

: مهندسی برق

تاریخ نشرو بخش و غیره

، ۱۳۹۹

نام خاص و کميت اثر

۷۷ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

دکتری

نظم درجات

مهندسی برق- مخابرات- سیستم

زمان اعطا مدرک

۱۳۹۹/۱۲/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

افزایش روزافزون کاربردهای شبیه‌سازهای جراحی که برای اهداف علمی و آموزشی مورد استفاده قرار می‌گیرند، لزوم مدل‌سازی سریع و تا حد امکان دقیق و واقع‌گرای بافت نرم بدن را مورد تاکید قرار می‌دهد .شبیه‌سازی بر اساس قوانین فیزیکی و شبیه‌سازی مبتنی بر داده، دو روش مرسوم برای مدل‌سازی بافت نرم به شمار می‌روند .شبیه‌سازی بر اساس قوانین فیزیکی به مدل متعامل و دقیق، اما کند در رزولوشن‌های بالا می‌انجامد و شبیه‌سازی مبتنی بر داده، مدل سریع و رزولوشن بالا اما ناکارامد در تعامل و مواجهه با شرایط جدید را به دست می‌دهد .در این پژوهش، روشی برای مدل‌سازی سریع، متعامل و واقع‌گرای بافت نرم برای استفاده در شبیه‌سازهای جراحی آموزشی ارائه شده است .برای ایجاد مصالحه‌ای میان ویژگی‌های تعامل، سرعت و واقع‌گرایی، یک مدل مبتنی بر داده ارائه می‌شود که از اطلاعات مدل درشت شبیه‌سازی شده به روش اجزای محدود استفاده کرده و مدل ظریف را محاسبه می‌کند .برای این منظور، پایگاه داده‌هایی از مدل‌های متناظر درشت و ظریف مورد نیاز است .ایجاد هر دو مدل درشت و ظریف به طور مستقیم به روش اجزای محدود، به مدل‌های نامتناظر می‌انجامد و برای رفع این مشکل، در این پایان‌نامه دو روش نگاشت گرانیگاهی و نمونه‌برداری برای ایجاد مدل درشت و ظریف متناظر پیشنهاد شده است .روش‌های پیشنهادی برای ایجاد جفت‌نمونه‌های تغییرشکل متناظر در مرحله پیش‌پردازش مورد استفاده قرار می‌گیرند .مدل مبتنی بر داده از این داده‌ها برای آموزش یک رگرسور غیرخطی با هسته گوسی استفاده می‌کند که مراحل محاسبه همبستگی و درون‌یابی را به طور هم‌زمان پیاده‌سازی می‌کند .در این مرحله، برای جلوگیری از ایجاد وزن‌های منفی که موجب ایجاد الگوهای معکوس و نادرست می‌شود، از الگوریتم حداقل مربعات غیرمنفی استفاده می‌شود .برای آموزش مدل و استخراج ویژگی‌های مدل درشت، روشی برای استخراج ویژگی پیشنهاد می‌شود که بخشی از اطلاعات هندسه بافت نرم را به طور ضمنی شامل می‌شود .علاوه بر آن، در این پایان‌نامه روشی برای مرتب‌سازی ویژگی‌ها بر اساس نزدیکی راس‌ها به نقطه اعمال نیرو ارائه می‌شود که امکان انتخاب ویژگی‌های پرمحتواتر را فراهم کرده و همچنین نیاز به قرار دادن نمونه‌تغییرشکل‌های مشابه در راس‌های متفاوت را کاهش می‌دهد .این دو روش، کاهش بعد بردار ویژگی و کاهش تعداد نمونه‌های پایگاه داده‌ها و درنتیجه کاهش پیچیدگی محاسباتی را در پی دارد .بررسی نتایج شبیه‌سازی مدل مبتنی بر داده از نظر دقت تخمین، پیچیدگی محاسباتی و میزان حافظه مورد نیاز برای ذخیره‌سازی اطلاعات، گویای کارایی روش‌های پیشنهادی در مدل‌سازی سریع، رزولوشن بالا و واقعگرای بافت نرم است.

متن يادداشت

Abstract: Todays increasing use of surgical simulators for scientific and educational purposes, emphasizes the necessity of modeling a fast, realistic and relatively accurate soft tissue. Physically-based and data-driven simulations are two popular methods for this purpose. For a high-resolution model, Physically-based method produces an interactive and accurate, but slow model, while data-driven method results in a fast model that fails in interacting with new conditions. In this research, a new data-driven model is presented for simulating the fast interactive and realistic soft tissue for surgery training simulations. To provide the trade-off between interactivity, speed, and realism, the data-driven model utilizes the informations extracted from the coarse FEM model to approximate the details of the fine model. For this purpose, a database of conforming coarse and fine deformations are required. Applying direct finite element simulation results in a nonconformal coarse-fine models. To alleviate this problem, two algorithms, barycentric mapping and sampling, are proposed to compute conformal deformation pairs as the preprocessing stage of data-driven model. In this stage, a nonlinear regressor with Gaussian kernel is leveraged to simultaneously execute the correlation and interpolation stages. To ensure positive weights, a non-negative least squares algorithm is used in the regressor. This will avoid artifacts due to inverted patterns resulting from negative weights. For training the model, a feature extractor is proposed which embodies the geometrical information of the tissue deformation as an effective factor in defining the deformed pattern around the contact vertex. Furthermore, a feature resorting algorithm is suggested that highlights the features being extracted from neighboring vertices of contact vertex. This algorithm enables the model to select more informative features. The resorting scheme also alleviates the need to include analogous deformation examples for various contact vertices. The proposed feature extraction and selection algorithms provide low dimensional feature vector and reduce the required number of examples in the dataset, which result in low computational complexity and memory consumption. Investigating the simulation results of the data-driven model in terms of the estimation accuracy, computational complexity and required memory indicates its capability in the fast and realistic simulation of soft tissue.

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Data-Driven Soft Tissue Modeling for Surgical Simulators

موضوع مستند نشده

گرافیک کامپیوتری

موضوع مستند نشده

مدل‌سازی مبتنی بر داده

موضوع مستند نشده

تغییرشکل بافت نرم

موضوع مستند نشده

شبیه‌سازی بر اساس قوانین فیزیکی

موضوع مستند نشده

شبیه‌سازهای جراحی

اصطلاح موضوعی

Computer graphics, Data-driven modeling, Soft tissue deformation, Physically-based simulation, Surgical simulators

اصطلاح موضوعی

گرافیک کامپیوتری، مدل‌سازی مبتنی بر داده، تغییرشکل بافت نرم، شبیه‌سازی بر اساس قوانین فیزیکی، شبیه‌سازهای جراحی

مستند نام اشخاص تاييد نشده

بونیک، زهرا

مستند نام اشخاص تاييد نشده

شمسی، موسی، استاد راهنما

مستند نام اشخاص تاييد نشده

صداقی، محمدحسین، استاد راهنما

کشور

ایران

تاريخ عمليات

20230812

شماره بازیابی

برق ،۱۰۶۴۲ ،۱۳۹۹

نام ميزبان

ی‌حارج‍ ی‌اهزاسه‌یبش‍ ی‌ارب‍ م‌رن‍ ت‌فاب‍ ه‌داد رب‍ ی‌نتبم‍ ی‌زاسل‌دم‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

6100.pdf

تاريخ و ساعت مذاکره و دسترسي

b10642.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۴۳۰۵

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y