基于神经网络通过部分观测估计弹性物体的形变
计算机视觉与模式识别
2017-11-29 v1 机器学习
机器学习
摘要
假设弹性物体为内部器官，其形变估计对手术计算机导航十分重要。本研究旨在利用极少观测点的位移信息估计整个三维弹性物体的形变。引入神经网络的学习方法以估计物体的整体形变。我们将方法应用于两种弹性物体：长方体模型，以及根据计算机断层扫描数据重建的人肝模型。当物体形变达66.4 mm、仅约3%观测点时，人肝模型的平均估计误差为0.041 mm。这些结果表明，通过将训练好的神经网络应用于新的形变，可从有限观测以可接受误差水平估计整个弹性物体的形变。
引用
@article{arxiv.1711.10157,
title = {Deformation estimation of an elastic object by partial observation using a neural network},
author = {Utako Yamamoto and Megumi Nakao and Masayuki Ohzeki and Tetsuya Matsuda},
journal= {arXiv preprint arXiv:1711.10157},
year = {2017}
}
备注
12 pages, 12 figures, 1 table