弾性体の部分観測によるニューラルネットワークを用いた変形推定

• Item type: SIG Technical Reports(1)
• 公開日: 2017-01-12
• タイトル: 弾性体の部分観測によるニューラルネットワークを用いた変形推定
• タイトル / 言語: en
• タイトル: Shape Estimation of Elastic Object by Partial Observation with Neural Network
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 一般セッション6
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 京都大学大学院情報学研究科システム科学専攻
• 著者所属: 京都大学大学院情報学研究科システム科学専攻
• 著者所属: 東北大学大学院情報科学研究科応用情報科学専攻
• 著者所属: 京都大学大学院情報学研究科システム科学専攻
• 著者所属(英): en
• 著者所属(英): Department of Systems Science, Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Department of Systems Science, Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Department of Applied Information Sciences, Graduate School of Information Sciences, Tohoku University
• 著者所属(英): en
• 著者所属(英): Department of Systems Science, Graduate School of Informatics, Kyoto University
• 著者名: 山本, 詩子; 中尾, 恵; 大関, 真之; 松田, 哲也
• 著者名(英): Utako, Yamamoto; Megumi, Nakao; Masayuki, Ohzeki; Tetsuya, Matsuda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，内視鏡子術時に臓器を鉗子で把持し力を加えて変形させる状況を想定し，計算機内で変形をシミュレーションした 3 次元弾性体の変形推定を行った．初期形状が既知の条件下で，作用点に与える力の方向と大きさを様々に変化させて変形した弾性体形状を非線形有限要素法で時間をかけて高精度に計算してデータ取得し，部分観測点における初期形状からの変位と弾性体全体の非観測点変位との関係をニューラルネットワークにより学習した．事前に学習したニューラルネットワークを新たな変形に適用し，非常に少ない部分観測から全体の変位を推定できることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this study, we estimated the deformation of three-dimensional elastic body simulating the deformation in the computer, assuming the situation of gripping organs with forceps and applying force to deform in endoscopic surgery. Under the condition where the initial shape is known, we prepared data of elastic body shape deformed by changing the direction and magnitude of force applied to the contact point about 8,500 times with high accuracy by nonlinear finite element method over time. The relationship between the displacement from the initial shape at the partial observation point and that of the non-observation point of the entire elastic body was learned by the neural network. We showed that the total displacement can be estimated from a very small part observation by applying the learned neural network to the new deformation.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2017-CVIM-205, 号 30, p. 1-8, 発行日 2017-01-12
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会