臺灣博碩士論文加值系統

自動化細胞培養系統在進入二十一世紀後逐漸取代傳統的人工細胞培養，因其具備降低相關人員工時與職業傷害發生率、以及培養流程的排程化等益處。其中以具高自由度之機械手臂為平台的培養環境能提供更多的動作姿態彈性，使系統功能更廣泛。本文之主要研究目的在於以六軸機械手臂建置一小型自動化培養
系統，搭配一圖像分析的演算法，以達成兩項任務：執行細胞培養操作流程、對誘導型多能幹細胞生長狀況的辨識與分類。
本文首先推導機械手臂的正逆運動學與動力學，實現任務所需的動作教導，並將之模組化為易操作的動作集合。再以影像處理結合機器視覺，實現對大量培養皿顯微圖像的辨識與分類，實現對細胞現狀的判斷與動作決策。

The automation of the cell culturing system has gradually replaced the traditional manual process entering the twenty-first century. It has several benefits such as freeing up time for technicians to perform other tasks, reducing the risk of injury from repetitive strain, ensure less variability from batch to batch, and so on. In the automatic culturing system, the one with high degree of freedom (DOF) can provide more posing flexibility, which makes less limits in the functions of the system. The main purpose of this thesis is to combine a small-scale automatic cell culture system with a image analysis algorithm in order to operate the actions of cell culturing and to discriminate the induced pluripotent stem cell (iPSC).
The thesis will be divided into two parts, manipulator control and iPSC discrimination. First, the kinematics and dynamics of the robotic arm will be analysed to achieve the system states control and to complete the designated task actions. The robotic system is then merged with a computer vision algorithm, to meet the need for massive microscopic images' cell identification and cell discrimination.

口試委員審定書 i
誌謝 iii
摘要 v
Abstract vii
目錄 ix
圖目錄 xiii
表目錄 xvii
符號列表 1
第一章 緒論 3
1.1 研究動機 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 細胞培養之歷史沿革 . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 自動化細胞培養之發展進程 . . . . . . . . . . . . . . . . . . . . 4
1.1.3 研究動機與目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4 整合型計畫研究團隊 . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 文獻回顧 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 論文架構 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
第二章 機械手臂狀態分析 13
2.1 剛體運動狀態描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 位置姿態描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 齊次轉換 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.3 連續齊次轉換法則 . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 旋轉定理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 X-Y-Z 固定角 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Z-Y-Z 歐拉角 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.3 四元素法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 機械手臂運動學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 順向運動學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 逆向運動學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 賈可比與奇異點 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.1 賈可比矩陣 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.2 奇異點 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 機械手臂動力學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5.1 牛頓－歐拉迭代法 . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5.2 拉格朗日法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.6 運動軌跡規劃 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6.1 關節空間規劃－三次多項式 . . . . . . . . . . . . . . . . . . . . 31
2.6.2 任務空間規劃－以拋物線擬和之線性函數 . . . . . . . . . . . . 32
第三章 機械手臂平台介紹與建模 35
3.1 自動化培養系統介紹 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1.1 機械手臂 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.2 終端效應器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.3 其餘設備 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 運動學分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2.1 順向運動學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2.2 逆向運動學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
第四章 影像處理與機器視覺 51
4.1 灰階與反白 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2 影像增強 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2.1 直方圖均衡化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.2 對比延展 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 影像分割 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3.1 迭代法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3.2 區域性自適應 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.4 形態學 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.4.1 反射與平移 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.4.2 膨脹與侵蝕 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4.3 開運算與閉運算 . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.5 邊界檢測 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.5.1 Sobel 算子 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.5.2 Canny 算子 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5.3 形態學梯度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.6 濾波 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.6.1 均值濾波與中值濾波 . . . . . . . . . . . . . . . . . . . . . . . . 66
4.6.2 形態學濾波 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
第五章 機器視覺演算法設計 69
5.1 人工判斷依據 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2 原始影像前處理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2.1 灰階 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2.2 對比增強 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2.3 分割前後景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2.4 濾波 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.3 特徵提取與演算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.3.1 特徵 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.3.2 辨別與分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
第六章 實驗結果 81
6.1 自動化細胞培養 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.2 iPSC 生長狀態判斷 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.2.1 驗證標準 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.2.2 單一輪廓分類驗證 . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2.3 整體圖像分類驗證 . . . . . . . . . . . . . . . . . . . . . . . . . . 83
第七章 結論與未來展望 85
7.1 結論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.2 未來展望 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
參考文獻 86

[1] PHARMACEUTICALS. Tap introduces cellmate mk9 automated cell culture system. https://cleanroomtechnology.com/news/article_page/TAP_introduces_Cellmate_Mk9_automated_cell_culture_system/92170,2013.
[2] SARTORIUS. Automatedcellcultureforhighqualitycellsandassay-readyplates.https://www.sartorius-stedim-tap.com/tap/cell_culture/CompacT_SelecT.htm.
[3] H-YChou. Iterationmethod. https://hy-chou.blogspot.com,2014.
[4] JasonChen. Morphology. https://jason-chen-1992.weebly.com,2019.
[5] W.BruceFye. Sydneyringer,calcium,andcardiacfunction. Circulation,1984.
[6] SchiffJ. Anunsungheroofmedicalresearch. YaleAlumniMagazine,2006.
[7] Pearce J. Salk and sabin: poliomyelitis immunisation. J Neurol NeurosurgPsychiatry,2004.
[8] MariaE.KempnerandRobinA.Felder. Areviewofcellcultureautomation. Sage,2002.
[9] N. Guo, L. Zeng, and Q. Wu. A method based on multispectral imaging techniqueforwhitebloodcellsegmentation. ComputersinBiologyandMedicine,2007.
[10] S.Belongie,J.Malik,andJ.Puzicha. Shapematchingandobjectrecognitionusingshape contexts. IEEE Transactions on Pattern Analysis and Machine Intelligence,2002.
[11] PeterGehlerandSebastianNowozin. Onfeaturecombinationformulticlassobjectclassification. IEEE12thInternationalConferenceonComputerVision,2009.
[12] BertholdHornandBertholdKlaus. RobotVision. MITPress,1986.
[13] J.A.Stark.Adaptiveimagecontrastenhancementusinggeneralizationsofhistogramequalization. IEEETransactionsonImageProcessing,2000.
[14] Jianbo Shi and J. Malik. Normalized cuts and image segmentation. IEEETransactionsonPatternAnalysisandMachineIntelligence,2000.
[15] Fabio Scotti. Robust segmentation and measurements techniques of white cells inbloodmicroscopeimages. IMTCInstrumentationandMeasurement,2006.
[16] N.Otsu. Athresholdselectionmethodfromgraylevelhistogram. InSystems,Man,andCybernetics,pages62–66.IEEETrans.,1979.
[17] Rafacael C. Gonzalez. Digital Image Processing. Publishing House of ElectronicIndustry,2002.
[18] BoqiangLiuandCongYin. Automaticsegmentationoncellimagefusinggrayandgradientinformation. IEEEEngineeringinMedicineandBiologySociety,2007.
[19] S. Sethian and Osher. Level set methods and dynamic implicit surfaces.Springer-Verlag,2002.
[20] S. Sethian and Osher. Fronts propagating with curvature-dependent speed:AlgorithmsbasedonHamilton-Jacobiformulations. J.Comput.Phys.,1988.
[21] Zhiming Xie, Guannan Chen, and Wenshuo Lin. A new center location algorithmused in cell segmentation. IEEE Transactions on Pattern Analysis and MachineIntelligence,2000.
[22] OlafRonnebergerandPhilippFischer. U-net: Convolutionalnetworksforbiomedicalimagesegmentation. MICCAIComputerScience,2015.
[23] Jean-BaptisteLugagne,SrajanJain,andPierreIvanovitch. Identificationofindividualcellsfromz-stacksofbrightfieldmicroscopyimages. NatureScientificReports,2018.
[24] ZhijieNanandQingsongXu.Multiple-cellrecognitionandpathplanningforroboticmicroinjectionsystem. ChineseControlConference(CCC),2017.
[25] John J. Craig. Introduction to Robotics, Mechanics and Control, volume 1, pages48–50. PearsonEducation,Inc,2005.
[26] R.C.GonzalezandR.E.Woods. DigitalImageProcessing. PearsonEducation,Inc,2008.
[27] JohnF.Canny. Acomputationalapproachtoedgedetection. InPatternAnalysisandMachineIntelligence,pages679–698.IEEETrans.,1986.