論文の概要: Infinite-Dimensional Adaptive Boundary Observer for Inner-Domain
Temperature Estimation of 3D Electrosurgical Processes using Surface
Thermography Sensing
- arxiv url: http://arxiv.org/abs/2211.00515v1
- Date: Tue, 1 Nov 2022 15:03:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 15:04:34.949245
- Title: Infinite-Dimensional Adaptive Boundary Observer for Inner-Domain
Temperature Estimation of 3D Electrosurgical Processes using Surface
Thermography Sensing
- Title（参考訳）: 表面サーモグラフィを用いた3次元電気サージカルプロセス内領域温度推定のための無限次元適応境界観察
- Authors: Hamza El-Kebir, Junren Ran, Martin Ostoja-Starzewski, Richard Berlin,
Joseph Bentsman, Leonardo P. Chamorro
- Abstract要約: 電気外科における有機組織下温度測定のための新しい3次元適応オブザーバフレームワークを提案する。
本稿では,パラメータ適応と推定を分離し,パラメータ推定をリアルタイムで行う新しい手法を提案する。
本研究は,ロボット手術の設定に適応した新しいモデル構造を提示し,電気外科的熱分布をコンパクトに支持された等量および速度制御熱源としてモデル化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a novel 3D adaptive observer framework for use in the
determination of subsurface organic tissue temperatures in electrosurgery. The
observer structure leverages pointwise 2D surface temperature readings obtained
from a real-time infrared thermographer for both parameter estimation and
temperature field observation. We introduce a novel approach to decoupled
parameter adaptation and estimation, wherein the parameter estimation can run
in real-time, while the observer loop runs on a slower time scale. To achieve
this, we introduce a novel parameter estimation method known as attention-based
noise-robust averaging, in which surface thermography time series are used to
directly estimate the tissue's diffusivity. Our observer contains a real-time
parameter adaptation component based on this diffusivity adaptation law, as
well as a Luenberger-type corrector based on the sensed surface temperature. In
this work, we also present a novel model structure adapted to the setting of
robotic surgery, wherein we model the electrosurgical heat distribution as a
compactly supported magnitude- and velocity-controlled heat source involving a
new nonlinear input mapping. We demonstrate satisfactory performance of the
adaptive observer in simulation, using real-life experimental ex vivo porcine
tissue data.
- Abstract（参考訳）: 本稿では,電気外科における地下有機組織温度測定のための新しい3次元適応オブザーバフレームワークを提案する。
オブザーバ構造は、パラメータ推定と温度場観測の両方のために、リアルタイム赤外線サーモグラフィーから得られる2次元表面温度測定を利用する。
本稿では,パラメータ適応と推定を分離する新しい手法を提案する。パラメータ推定はリアルタイムに実行でき,オブザーバループはより遅い時間スケールで実行することができる。
そこで本研究では, 表面サーモグラフィの時系列を用いて組織拡散率を直接推定する, 注意型ノイズロバスト平均化法という新しいパラメータ推定法を提案する。
この拡散率適応法則に基づく実時間パラメータ適応成分と、感応表面温度に基づくルエンベルガー型補正器とを含む。
本稿では,ロボット手術の設定に適応した新しいモデル構造を提案する。このモデルでは,電気外科的熱分布を,新しい非線形入力マッピングを含むコンパクトに支持された等級および速度制御熱源としてモデル化する。
生体外組織データを用いた適応観察者のシミュレーションにおける良好な性能を示す。
関連論文リスト
- KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - A new framework for calibrating COVID-19 SEIR models with spatial-/time-varying coefficients using genetic and sliding window algorithms [5.033966447393941]
サセプティブル感染除去モデル(SEIR)は、非薬剤的介入(NPI)がCOVID-19の流行の地域的および時間的分布に与える影響をモデル化するために、空間的・時間的に異なる係数を仮定する。
SEIRモデルの空間/時間変化パラメータを最適化するための新しい校正フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-13T15:27:30Z) - Probe thermometry with continuous measurements [0.0]
標準的なアプローチはプローブサーモメトリーによって提供され、プローブがサンプルと接触し、一定の時間経過後に検査される。
ここでは、プローブが熱貯水池に結合した2層システムによって提供される最小限のモデルを考える。
熱活性化遷移のモニタリングにより、時間とともに精度が向上する温度のリアルタイム推定が可能となる。
論文 参考訳（メタデータ） (2023-07-25T11:00:02Z) - Minimally Invasive Live Tissue High-fidelity Thermophysical Modeling
using Real-time Thermography [0.487576911714538]
生体組織におけるエネルギーベース手術のための新しい熱力学的パラメータ推定フレームワークを提案する。
この枠組みは、組織固有の熱力学をリアルタイムで推定する問題に対処し、組織への熱的損傷の正確な予測と電気外科的手順の損傷を意識した計画を可能にする。
論文 参考訳（メタデータ） (2023-01-23T21:54:01Z) - Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。
本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
論文 参考訳（メタデータ） (2023-01-20T12:11:03Z) - Physics-based Learning of Parameterized Thermodynamics from Real-time
Thermography [0.0]
実時間サーモグラフィデータから熱過程のダイナミクスを学習するための物理に基づく新しいアプローチを提案する。
提案手法は雑音に対して頑健であり,パラメータ推定の精度向上に有効であることを示す。
論文 参考訳（メタデータ） (2022-03-24T16:06:31Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳（メタデータ） (2021-12-08T13:07:21Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳（メタデータ） (2021-06-21T23:42:58Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Deep correction of breathing-related artifacts in real-time
MR-thermometry [0.5727060643816255]
畳み込みニューラルネットワーク(CNN)は、温暖化以前の予備学習段階で得られた画像から、見かけの温度摂動を学習するために設計された。
その後の温熱処理では、現在の温度マップのオンライン補正を生成するために、最近の等級画像が入力として使用される。
術式は,12名の無呼吸ボランティアで評価され,すべての検査例で頑健で無人工物であることが判明した。
論文 参考訳（メタデータ） (2020-11-10T10:30:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。