(3.80.6.131) 您好!臺灣時間:2021/05/14 23:39
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:許丞頤
研究生(外文):Cheng-Yi, Hsu
論文名稱:植基於類神經網路之錐束狀電腦斷層模擬機影像校正
論文名稱(外文):Image Correction for Cone-beam Computed Tomography Simulator Using Neural Network Corrector
指導教授:陳金聖陳金聖引用關係
指導教授(外文):Chin-Sheng, Chen
口試委員:林紀穎林志哲范憶華陳金聖
口試日期:2016-06-28
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:自動化科技研究所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
畢業學年度:104
語文別:中文
中文關鍵詞:錐束狀電腦斷層攝影學習演算法類神經網路
外文關鍵詞:Cone-beam Computed TomographyLearning AlgorithmNeural Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:177
  • 評分評分:
  • 下載下載:57
  • 收藏至我的研究室書目清單書目收藏:0
本論文使用自行開發設計的錐束狀電腦斷層攝影 (Cone-beam computed tomography, 簡稱CBCT) 模擬機進行Tomosynthesis掃描。控制系統是使用BECKHOFF公司所生產的嵌入式電腦、I/O模組、驅動器及馬達等,並使用EtherCAT 進行通訊傳輸,而開發工具是使用TwinCAT3於PC端進行程式的開發。由於CBCT模擬機本身在機構製造及組裝上的誤差,使得光源模組的中心點無法與影像偵測板的中心點恆對準,進而造成電腦斷層掃描時的影像偏差,此影像偏差將會造成往後在3D影像重建時的錯位,導致較差的影像品質。因此本文提出使用類神經網路校正器進行影像偏差的校正補償,透過網路中的學習演算法來克服此非線性的影像偏差量,並使用一個標準假體進行實驗,經過三組不同位置命令的實驗證實此類神經網路校正器能夠有效地降低影像偏差量。再則,使用另一個測試假體進行實驗,確認此類神經網路校正器對於其他物體的校正能力,經由實驗證實仍然可以有效地降低影像偏差量。
A cone-beam computed tomography (CBCT) simulator is used to do tomosynthesis. The tube module should be aligned with the detector module to guarantee the accurate image projection. However, the mechanism manufacturing and assembling tolerance will let the above aim can’t be met. So, a neural network (NN) corrector is proposed to correct the image shift, yielding the degradation of 3D image reconstruction, for each slice captured by CBCT simulator. Here, a standard kit is made to measure the image shift. The measure data will be the input training data of proposed NN corrector. After the training of NN corrector, the different target position commands are fed into the NN corrector. The corrected data from NN corrector are fed to be the new position command to verify the image correction performance. Moreover, a phantom kit is made to check the corrected performance of the NN corrector. Finally, the experimental results verify that the image shift can be reduced by the NN corrector.
摘 要 i
ABSTRACT ii
誌 謝 iii
目錄 iv
表目錄 vi
圖目錄 viii
第一章 緒論 1
1.1 研究動機及目的 1
1.2 文獻回顧 2
1.3 研究方法 4
1.4 論文架構 5
第二章 軟硬體介紹 6
2.1 硬體介紹 6
2.1.1 CBCT模擬機 6
2.1.2 嵌入式主機 8
2.1.3 伺服馬達 10
2.1.4 EtherCAT模組 11
2.2 TwinCAT3 軟體介紹 16
2.2.1 TwinCAT NC系統介紹 16
2.2.2 TwinCAT NC與TwinCAT PLC的關係 17
2.2.3 TwinCAT PLC程式撰寫 18
第三章 CBCT模擬機 23
3.1 CBCT介紹 23
3.2 機台運動模式 27
3.3 機台座標定義 30
3.4 重複精度實驗 37
3.5 齒隙與背隙誤差實驗 39
3.5.1 齒隙誤差 40
3.5.2 背隙誤差 44
第四章 類神經網路影像校正器 47
4.1 類神經網路 47
4.1.1 類神經網路架構 49
4.1.2 類神經網路學習規則 52
4.1.3 類神經網路優缺點 53
4.2 倒傳遞網路 54
4.3 類神經網路影像校正器 57
4.3.1 類神經網路校正器架構 57
4.3.2 學習演算法 59
4.3.3 數據前處理及後處理 62
第五章 實驗結果與分析 64
5.1 類神經網路影像校正 64
5.1.1 標準假體校正實驗 64
5.1.2 測試假體校正實驗 68
第六章 結論及未來展望 72
6.1 結論 72
6.2 未來展望 72
1.W. A. Kalender, X-ray computed tomography. Physics in medicine and biology, 2006. 51(13): p. R29.

2.D. Ropers, et al., Detection of coronary artery stenoses with thin-slice multi-detector row spiral computed tomography and multiplanar reconstruction. Circulation, 2003. 107(5): p. 664-666.

3.W. C. Scarfe, and A. G. Farman, What is cone-beam CT and how does it work? Dental Clinics of North America, 2008. 52(4): p. 707-730.

4.K. Mehrotra, C. K. Mohan, and S. Ranka, Elements of artificial neural networks. 1997: MIT press.

5.A. Kattan, R. Abdullah, and Z.W. Geem, Artificial Neural Network Training and Software Implementation Techniques. 2011: Nova Science Publishers, Inc.

6.D. Svozil, V. Kvasnicka, and J. Pospichal, Introduction to multi-layer feed-forward neural networks. Chemometrics and intelligent laboratory systems, 1997. 39(1): p. 43-62.

7.C. M. Bishop, Pattern recognition and feed-forward networks. The MIT encyclopedia of the cognitive sciences. MIT, Cambridge, 1999: p. 629-632.

8.T. Kathirvalavakumar, and P. Thangavel, A Modified Backpropagation Training Algorithm for Feedforward Neural Networks*. Neural Processing Letters, 2006. 23(2): p. 111-119.

9.M. T. Hagan, et al., Neural network design. Vol. 20. 1996: PWS publishing company Boston.

10.J. E. Dennis Jr, and R. B. Schnabel, Numerical methods for unconstrained optimization and nonlinear equations. Vol. 16. 1996: Siam.

11.M. T. Hagan, and M. B. Menhaj, Training feedforward networks with the Marquardt algorithm. Neural Networks, IEEE Transactions on, 1994. 5(6): p. 989-993.

12.B. M. Wilamowski, et al., Neural network trainer with second order learning algorithms. In Intelligent Engineering Systems, 2007. INES 2007. 11th International Conference on. 2007. IEEE.

13.N. M. Nawi, A. Khan, and M. Rehman, A new Levenberg Marquardt based back propagation algorithm trained with cuckoo search. Procedia Technology, 2013. 11: p. 18-23.

14.X. Cao, et al., Fault prediction for inertial device based on LMBP neural network. Electronics Optic and Control, 2005. 12(6): p. 38-41.

15.A. Reynaldi, S. Lukas, and H. Margaretha, Backpropagation and Levenberg-Marquardt algorithm for training finite element neural network. In Computer Modeling and Simulation (EMS), 2012 Sixth UKSim/AMSS European Symposium on. 2012. IEEE.

16.Q. Xue, et al., Improved LMBP algorithm in the analysis and application of simulation data. In Computer Application and System Modeling (ICCASM), 2010 International Conference on. 2010. IEEE.

17.A. Payal, C. Rai, and B. Reddy, Comparative analysis of Bayesian regularization and Levenberg-Marquardt training algorithm for localization in wireless sensor network. In Advanced Communication Technology (ICACT), 2013 15th International Conference on. 2013. IEEE.

18.陳欣儀,立體造影模擬機之機械設計與分析,碩士論文,國立國立臺北科技大學自動化所,臺北,2015。

19.A. L. Lenguas, et al., Tomografía computarizada de haz cónico. Aplicaciones clínicas en odontología; comparación con otras técnicas. Cient dent 7.2 (2010): 147-159.

20.羅華強,類神經網路-MATLAB的應用,臺灣:高立圖書,2011。

21.吳昆璋,H型龍門平台之命令整型疊代學習與交叉耦合PID類神經網路同步控制,碩士論文,國立國立臺北科技大學自動化所,臺北,2014。
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top