An autonomous area coverage method for endoscopic capsule robots
Endoskopik kapsül robotlarda otonom alantarama
- Tez No: 681048
- Danışmanlar: PROF. DR. SADIK FİKRET GÜRGEN, DR. MEHMET TURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Aktif olarak kontrol edilebilen kapsül robotlar, endoskopik incelemelerde kullanılmak üzere geliştirilen yeni bir teknolojidir. Bu teknoloji sayesinde sindirim sisteminde meydana gelen çeşitli kanser türleri, Crohn hastalığı, ülseratif kolit ve kanama gibi birçok mide ve bağırsak hastalıkları teşhis edilmektedir. robotik kapsüller ile kapsamlı bir taramanın sağlanması, bu tür kritik hastalıkların tespiti açısından büyük önem arz etmektedir. Bu ̧calışmada, aktif kapsül robotlar için insan gastrointestinal yolunu en yüksek seviyede görüntülemeyi amaclayan bir otonom alan tarama yöntemi önerilmektedir. Çalışma kapsamında geliştirilen simülasyon ortamı sayesinde, kapsül robotları manyetik alan ile otonom olarak yönlendirebilmeyi öğrenen bir derin takviyeli öğrenme modeli eğitilmiştir. Metodumuzun hem fiziksel hem de görsel olarak gerçekçiliği sağlanan kapsül endoskopi koşullarında başarılı bir şekilde hareket edebildiği ve temel alan tarama yöntemlerine kıyasla daha iyi sonuçlar verdiği gösterilmiştir. Ayrıca, kapsül robotlara yer tayini ve üç ̧ boyutlu haritalama yeteneklerini kazandırmak için bir görsel odometri ve derinlik öğrenme yaklaşımı sunulmaktadır. Bu yaklaşımda, simülasyon ortamında elde edilen sentetik endoskopi verileri kullanılarak birden fazla evrişimli sinir ağı herhangi bir referans verisine ihtiyaç duymaksızın eğitilmiştir. Eğitilen bu modellerin hem sayısal hem de niteliksel değerlendirmeleri poz ve derinlik kestirimi ile beraber üç boyutlu yüzey oluşturma işlemi üzerinde sunulmuştur. Sonuçlar, önerdiğimiz yer tayini ve haritalama yöntemlerinin eşlik ettiği öğrenmeye dayalı otonom alan tarama konseptinin, mevcut ve gelecek nesil kapsül robotların önemli yazılım bileşenleri olması ve ileride endoskopik sistemlerin geliştirilmesinin önünü açması bakımından yüksek bir potansiyele sahip olduğunu göstermektedir.
Özet (Çeviri)
Endoscopic examination with actively steerable capsule robots is an emerging technology for the diagnosis of various cancer types and many other gastrointestinal diseases such as Crohn's disease, ulcerative colitis, and hemorrhage. Ensuring a comprehensive screening with these robotic capsules is of paramount importance in the detection of such critical diseases. In this work, we propose a novel autonomous area coverage method for active capsule endoscopes, which aims to maximize the amount of monitored area in the human gastrointestinal tract in a time-efficient manner. We introduce a simulation environment and train a deep reinforcement learning model that learns to autonomously navigate magnetically-driven capsule robots for the area coverage task based on visual feedback provided by an on-board monocular camera. Under both physically and visually realistic capsule endoscopy circumstances our method performs successful reasoning and outperforms baseline coverage path planning approaches on human stomach organ models. Besides, we develop both localization and depth estimation methods for capsule robots by jointly training multiple convolutional neural networks in a self-supervised fashion through utilizing large-scale synthetic endoscopy data recorded in the simulation environment. Numerical assessments of the pose estimation network are presented in comparison with similar studies and the depth estimation method is qualitatively assessed on real endoscopy images and dense surface reconstruction task. Results demonstrate that the proposed learning-based coverage path planning approach in company with the monocular localization and surface reconstruction methods have the potential to become key software elements of the current and next-generation capsule robots and to pave the way for the development of future endoscopic systems.
Benzer Tezler
- Development of area coverage algorithms for an autonomous cleaner robot
Elektrik süpürgesi robotu için alan tarama algoritmalarının geliştirilmesi
LEYLA TOLUN
Yüksek Lisans
İngilizce
2000
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
DOÇ. DR. H. LEVENT AKIN
- Privacy-preserving authentication methods
Gizliliği koruyan kimlik doğrulama yöntemleri
KÜBRA NARİ BAYKAL
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- Otonom mobil robotlarda kümeleme yöntemi ile tam kapsama planlama
Complete coverage planning with clustering method for autonomous mobile robots
HAMZA AYDEMİR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. MEHMET TEKEREK
- Cooperative vehicular communication systems with physical layer security and noma techniques
Fiziksel katman güvenliği ve noma teknikleri ile işbirliklikli araçlar arası iletişim sistemleri
SEMİHA KOŞU
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
DR. SERDAR ÖZGÜR ATA
- Automatic tracking and identification systems in navigation
Navigasyon amaçlı kullanılan otomatik izleme ve tanıma sistemleri
YUSUF BARIŞ ÇABUK
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERCAN TOPUZ