論文の概要: An Automated Thickness Evaluation Procedure Using an Integrated Structured Light 3D Camera in a Robotic Bioprinting Framework
- arxiv url: http://arxiv.org/abs/2609.12206v1
- Date: Thu, 10 Sep 2026 21:02:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.545126
- Title: An Automated Thickness Evaluation Procedure Using an Integrated Structured Light 3D Camera in a Robotic Bioprinting Framework
- Title（参考訳）: ロボットバイオプリンティングフレームワークにおける集積構造型光3Dカメラによる厚さ自動評価手法
- Abstract要約: バイオプリンティングは、大規模なケガに対する一般的な治療法を置き換えるための組織工学技術として登場しつつある。
複雑なジオメトリを用いたバイオプリンテッドコンストラクトの厚み測定のためのビジョンベース手法を提案する。
- 参考スコア（独自算出の注目度）: 5.288339923779797
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Bioprinting is emerging as a tissue engineering technique to replace common treatment methods for large scale injuries. While thickness of the BioPrinted Constructs (BPCs) have shown to be of importance in the cell maturation and integration, the literature lacks a robust, automated, and quantitative method for measuring these metrics. In this paper, we propose a fully automated vision-based method for measuring the thickness of the BPCs with complex geometries. Leveraging the point cloud and RGB images of a structured light 3D camera, our proposed method performs an image-based segmentation for delineating the BPCs from the RGB images, accompanied by novel geometry-based thickness measurement algorithms performed on the point cloud scans. These algorithms combine the segmentation mask with the robot's forward kinematics data and a 3D point cloud scan to precisely measure the aforementioned metrics for complex-shaped BPCs. The proposed method was evaluated in simulation and experimental studies. In simulation studies, the algorithms were used to measure the thickness of some virtually created BPCs with known thickness. The comparison between the measured and true thicknesses demonstrates the high accuracy of the proposed method, achieving mean absolute errors between 0.025 mm and 0.057 mm in simulation at a spatial resolution of 0.1 mm x 0.1 mm per pixel. Furthermore, we successfully deployed the algorithms on our robotic bioprinting setup utilizing a structure light 3D camera, where complex patterns were printed and the developed methods utilized to accurately measure the thickness of printed BPCs.
- Abstract（参考訳）: バイオプリンティングは、大規模なケガに対する一般的な治療法を置き換えるための組織工学技術として登場しつつある。
バイオプリンテッド・コンストラクト(BPC)の厚さは細胞成熟と統合において重要であることが示されているが、これらの指標を測定するための堅牢で自動化された定量的な方法が欠如している。
本稿では,BPCの厚みを複雑なジオメトリで計測する完全自動視覚ベース手法を提案する。
提案手法は,光3Dカメラの点雲とRGB画像を利用して,RGB画像からBPCをデライン化するための画像ベースセグメンテーションを行う。
これらのアルゴリズムは、セグメンテーションマスクとロボットの前方運動データと3Dポイントクラウドスキャンを組み合わせて、上記の複雑なBPCのメトリクスを正確に測定する。
提案手法をシミュレーションおよび実験で評価した。
シミュレーション研究において、アルゴリズムは、既知の厚さを持つ仮想的に生成されたBPCの厚さを測定するために使用された。
測定値と真の厚さを比較すると,提案手法の精度が向上し,1画素あたり0.1mm x 0.1mmの空間分解能でのシミュレーションにおいて,0.025mmから0.057mmの平均絶対誤差が得られた。
さらに, 複雑なパターンを印刷する構造光3Dカメラを用いて, ロボットバイオプリンティング装置にアルゴリズムを配置し, 印刷したBPCの厚さを正確に測定する手法を開発した。
関連論文リスト
- 3D Point Cloud from Close-Range Photogrammetry for Defect Characterisation of Rubberised Concrete [3.2639585740278805]
本研究は, ゴム化コンクリート(RuC)の光線量測定に応用する。
解像度の高い画像はキヤノンDSLRとiPhone 16で撮影され、密度の高い3Dモデルが生成された。
表面欠陥の同定を高めるため, RGB誘導き裂抽出法を開発した。
論文 参考訳（メタデータ） (2026-08-21T03:28:03Z) - A Plug-and-Play Framework for Volumetric Light-Sheet Image Reconstruction [7.8016751308289685]
従来の光学イメージングは、心臓の動的細胞構造を捉えるのに不十分である。
圧縮センシングと光シート顕微鏡を統合した高性能イメージングフレームワークを提案する。
提案手法は, 優れたデノナイジング性能と画像の明瞭さで, 細胞構造を再構築することに成功した。
論文 参考訳（メタデータ） (2025-11-05T00:49:00Z) - Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。
現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。
本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文 参考訳（メタデータ） (2025-09-11T23:12:55Z) - Assessment of Submillimeter Precision via Structure from Motion Technique in Close-Range Capture Environments [0.0]
本研究では,SfM法が短距離キャプチャを用いた構造試験のためのサブミリ品質モデルを作成する可能性について検討した。
テストボード上に撮像された画像と、テスト領域に適切に分布するスケールバー(SB)のセットと、80%のオーバーラップ率、垂直および斜め画像の統合により、RMSEの値は約0.1mmを得た。
論文 参考訳（メタデータ） (2024-09-23T23:13:06Z) - A Large Scale Homography Benchmark [52.55694707744518]
1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。
また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
論文 参考訳（メタデータ） (2023-02-20T14:18:09Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳（メタデータ） (2022-02-18T13:17:43Z) - Machine Learning Guided 3D Image Recognition for Carbonate Pore and
Mineral Volumes Determination [1.565870461096057]
我々は3D uCTとMRI画像からポロシティを決定する2つの方法を提案する。
IROGAとMLDGRFは、トレーニングセットで96.2%と97.1%の精度でポロシティの結果を生み出している。
論文 参考訳（メタデータ） (2021-11-08T16:34:08Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z) - Estimation of Z-Thickness and XY-Anisotropy of Electron Microscopy
Images using Gaussian Processes [8.060201516099847]
画像統計の非パラメトリックベイズ回帰を用いて電子顕微鏡断面の厚さと伸張を推定する手法を提案する。
間接厚さ推定法の評価のために, 直接計測された断面厚さ値を持つSsSEM画像の最初のデータセットを公開している。
論文 参考訳（メタデータ） (2020-02-01T15:18:55Z) - Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset
for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。
我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文 参考訳（メタデータ） (2020-01-18T12:26:22Z)
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。