Endosensorfusion: Particle filtering-based multi-sensory data fusion with switching state-space model for endoscopic capsule robots using recurrent neural network kinematics
Kapsül endoskopi robotları için değişen durum-uzay modeli ile yinelenen yapay sinir ağları kullanarak parçacık filtreleme temelli çoklu duyarga verisi ilişkilendirmesi
- Tez No: 486857
- Danışmanlar: DOÇ. DR. ALİ TAYLAN CEMGİL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Yutulabilir kablosuz kapsül endoskopi, mide-bağırsak kanalı incelemeleri ve pek çok hastalık ve patolojinin tanısı için kullanılan, gelişmeye açık, tahriş miktarı düşük bir tanılama teknolojisidir. Tıbbi cihaz şirketleri ve pek çok araştırma grubu pasif kapsül endoskopinin daha doğru, hassas ve hastalıklı bölgelerin genişliğini ve yerini sezgisel olarak tespit edebilecek şekilde geliştirmek için önemli ilerlemeler kaydetti. Aktif olarak kontrol edilen, yeni-nesil kapsül endoskopi robotlarının konumlandırılması için güvenilir, gerçek-zamanlı çoklu duyarga ilişkilendirme özelliği hayati önem taşımaktadır. Bu çalışmada, kapsül endoskopi robotunun gerçek-zamanlı konumlandırılması için yinelenen yapay sinir ağları ile modellenen doğrusal olmayan robot kinematiği kullanılarak, değişen gözlem modeli temelli yeni bir, çoklu duyarga ilişkilendirme yaklaşımı önerildi. Sunulan yöntem çoklu duyargalardan, manyetik konumlandırma sistemi ile elde edilen 5 serbestlik-dereceli mutlak poz ölçümü ve görsel odometri yöntemi ile elde edilen 6 serbestlik-dereceli göreceli poz ölçümü, gelen gürültülü verilerden gizli durum vektörü için ardışık olarak kestirim yapılmasıyla ilgilenmektedir. Model üzerinde kestirim yapabilmek için, çevrimiçi kestirim için etkili olan, parçacık filtresi olarak da bilinen ardışıl Monte Carlo yöntemleri kullanılmıştır. Ex-vivo deneyler kullanılarak domuz midesi modelinde yapılan detaylı analizler ve hesaplamalar, sistemin farklı türde kapsül endoskopi robotunun gezingeleri için yüksek ilerleme ve dönme doğruluklarına sahip olduğunu ispatlıyor.
Özet (Çeviri)
Ingestible wireless capsule endoscopy is an emerging minimally invasive diagnostic technology for inspection of the gastrointestinal (GI) tract and diagnosis of a wide range of diseases and pathologies. Medical device companies and many research groups have recently made substantial progresses in converting passive capsule endoscopes to active capsule robots, enabling more accurate, precise, and intuitive detection of the location and size of the diseased areas. A reliable, real time multi-sensor fusion functionality is crucial for localization of actively controlled next-generation endoscopic capsule robots. In this study, we propose a novel multi-sensor fusion approach based on switching observations model using non-linear kinematics learned by recurrent neural networks for real-time endoscopic capsule robot localization. Our method concerns the sequential estimation of a hidden state vector from noisy pose observations delivered by multiple sensors, a 5 degree-of-freedom (5-DoF) absolute pose measurement by a magnetic localization system and a 6-DoF relative pose measurement by visual odometry. For the inference of the model, Sequential Monte Carlo (SMC) methods known as particle filters are employed, which are effective for on-line inference. In addition, the proposed method is capable of detecting and handling sensor failures by ignoring corrupted data, providing the robustness of a medical device. Detailed analyses and evaluations made using ex-vivo experiments on a porcine stomach model prove that our system achieves high translational and rotational accuracies for different types of endoscopic capsule robot trajectories.