Matlab title位置的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

應用深度學習結合參數顏色編碼技術於血管攝影作自動切割動脈瘤

為了解決Matlab title位置的問題，作者陳其蒙 這樣論述：

論文名稱：應用深度學習結合參數顏色編碼技術於血管攝影 作自動切割動脈瘤研究所名稱：臺北醫學大學醫學資訊研究所研究生姓名： 陳其蒙指導教授：邱泓文 博士 臺北醫學大學醫學資訊研究所 教授 在國人十大死因當中，腦血管疾病始終在前五名之間居高不下，腦血管疾病衍生出來的的嚴重問題被統稱為腦中風。可分為出血性與缺血性，目前診斷顱內血管疾病的方式，主要依賴影像診斷科的檢查與判斷。藉由血管攝影檢查（DSA）的減像技術及三度空間旋轉攝影，更能明確的診斷。藉由儀器的程式（iFlow），對比劑產生時序的動態特性並對其作顏色編碼合併成一彩色的影像。 運用深度學習中擁有高度成效的卷

積神經網路（CNN）方式，加上U-Net的編碼，建立出模組。將醫療影像輸入此模組，執行自動的圈選及驗證。利用得出的數據，全彩圖像平均IoU為0.79，三原色（紅、綠、藍）色階的平均IoU依序為0.77、0.78、0.65；全彩圖像的DICE為0.88，三原色（紅、綠、藍）色階的DICE依序為0.86、0.87、0.79。可得知，利用全彩的圖像作自動分割會優於單獨色階的圖像，但綠色色階結果與其相近。重要的是，我們發現對比劑位於動脈相（紅色）中段到靜脈相（藍色）之前的顏色（綠色）最容易被分辨出。

RDWAP-ICNP演算法於臉部點雲資料對位及擴增實境應用

為了解決Matlab title位置的問題，作者蔡曜任 這樣論述：

指導教授推薦書...............................口試委員會審定書.............................致謝..................................... iii中文摘要...................................iv英文摘要....................................v目錄.......................................vi圖目錄.....................................ix表目錄...........

........................xiii第一章 緒論.................................11.1 研究背景與動機...........................11.2 研究目的................................31.3 系統流程................................41.4論文架構.................................6第二章 相關文獻回顧..........................72.1 手術空間定位之文獻回顧..................

..72.2 擴增實境應用之相關文獻回顧................82.3 對位演算法相關文獻回顧................11第三章 攝影機校正與三維表面重建...............123.1 相機與世界座標的轉換關係.................123.2 攝影機校正..............................153.2.1 內部參數..............163.2.2 外部參數..............193.3 三維表面重建............................193.3.1 CT影像資料建模............

..........193.3.2 表面資料偵測與擷取...................20第四章 表面對位的環境變化....................224.1 隨機採樣點雲............................224.2 高斯分佈................................244.3 離散點分佈..............................26第五章 ICP演算法應用.........................285.1 初始對齊................................295.2 相關演算法應用..

.........................305.2.1 Marker-ICP演算法...............305.2.2 CC-ICP 演算法..................315.2.3 PCL-ICP演算法..................325.2.4 CPD-ICP演算法..................335.3 RDWAP-ICNP對位演算法.............35第六章 實驗結果與分析........................426.1 硬體設備架構.............................426.2 演算法對位實驗結果....

...................426.2.1 RDWAP-ICP與無初始對位的演算法比較...426.2.2 RDWAP-ICP與初始對位後的演算法比較...476.2.3 RDWAP-ICNP與加入ICNP演算法的比較....526.2.4 加入重建平滑與雜訊移除的ICNP演算法比較.576.3 實驗結果討論...............................646.4 擴增實境顯示應用............................66第七章 結論與未來展望...........................69參考文獻.....................

..................70圖目錄圖1-1 頭部固定框架..................................2圖1-2 光學式手術導航系統.............................2圖1-3 (a)術前CT影像資料;(b)擴增實境手術導航...........2圖1-4 系統流程圖.....................................5圖2-1患者頭部進行固定以實施立體定位手術................7圖2-2光學式攝影機追蹤系統組;(a)紅外線感測器(b)探測針頭..8圖2-3應用於電子學習系統的擴增實境技術......

............8圖2-4 (a)車體模型 ; (b)車頭強化設計...................9圖2-5擴增實境顯影 (a)標記式顯影 (b)無標記式顯影........10圖2-6 (a)墨水筆標記結果 (b)擴增實境標記顯示............11圖3-1 針孔相機顯影示意圖..............................12圖3-2 針孔相機與世界座標的轉換示意圖...................13圖3-3 針孔相機轉換虛擬影像平面示意圖...................14圖3-4 (a)棋盤格校正板 (b)棋盤格偵測............

.......16圖3-5 (a)筒狀失真 (b)枕狀失真.........................17圖3-6棋盤格模板校正影像...............................18圖3-7角點偵測........................................18圖3-8 (a)感測器計算外部參數場景圖(b)空間座標點位置......19圖3-9 CT資料重建三維點雲..............................20圖3-10 RealSense D435硬體裝置.........................21圖3-11 RealSe

nse RGB-D攝影機擷取表面影像...............21圖4-1表面點雲數量 (a)10%；(b)25%；(c)50%；(d)70%.......23圖4-2高斯雜訊標準差參數(a) 1.0；(b) 2.0；(c) 5.0；(d) 7.0...25圖4-3離散點分佈 (a)600；(b)1800；(c)3000；(d)6000...........27圖5-1 ICP演算法流程圖.......................................28圖5-2 (a)初始位置；(b)粗對位；(c)細對位......................31圖5-3 (a)初始位

置；(b)表面中心點疊合；(c)細對位...............32圖5-4 (a)初始位置；(b)關鍵點結合；(c)細對位...................33圖5-5 CPD-ICP演算法實驗流程..................................34圖5-6 RDWAP-ICP演算法對位流程圖..............................36圖5-7 RDWAP-ICNP演算法對位流程圖.............................37圖5-8 ICP迭代陷入局部解示意圖.................................4

1圖6-1 無初始對位實驗結果圖 (a)初始位置；(b)CC-ICP對位結果 (c)PCL-ICP對位結果；(d)CPD-ICP對位結果；(e)WAP-ICP對位結果....43圖6-2 無良好初始位置之平均誤差值比較...........................46圖6-3. RDWAP-ICP 與有初對位過程演算法的實驗結果圖 (a)初始位置; (b)Marker-ICP 演算法對位結果; (c)PCL-ICP 演算法對位結果; (d)CPD-ICP演算法對位結果; (e)CC-ICP 演算法對位結果;(f)RDWAP-ICP 演算法對位結果..48圖 6-4 ICP

對位演算法平均誤差值比較.................................51圖 6-5 (a)CT與相機初始資料；(b)重建後表面資料......................52圖6-6 (a)初始對位; (b)Marker-ICNP對位結果; (c)PCL-ICNP對位結 果; (d)CPD-ICNP對位結果; (e)CC-ICNP對位結果;(f)RDWAP-ICNP對位結果......53圖6-7 ICNP對位演算法平均誤差值比較.................................56圖6-8 (a)相機擷取點雲；(b)表面平滑重建；(c)過濾雜訊結果圖

...........57圖6-9 (a)初始對位；(b)RDMarker-ICNP對位；(c)RDPCL-ICNP 對位； ( d)RDCPD-ICNP對位；(e)RDCC-ICNP對位；(f)RDWAP-ICNP對位.....58圖6-10 加入R-D之ICNP演算法平均誤差值比較...........................61圖6-11 不同降採樣點數與RDWAP-ICNP演算法穩定性......................62圖6-12 不同高斯偏移點與RDWAP-ICNP演算法穩定性......................63圖6-

13 不同離散點數與RDWAP-ICNP演算法穩定性........................63圖6-14 (a)Hololens疊合結果圖；(b)Webcam疊合結果圖..................67圖6-15 (a)圓筒標記物；(b)方盒標記物................................67圖6-16 擴增實境顯示流程圖.........................................68圖6-17 (a)圓筒標記疊合結果圖(b)QR Code標記疊合結果圖...............68表目錄表6-1無良好初始位置的對位演算法結果比較

............................44表6-2 10%點數環境及無良好初始位置的結果比較........................44表6-3增加6000離散點環境及無良好初始位置的結果比較...................45表6-4偏移7.0高斯雜訊環境及無良好初始位置的比較......................45表6-5表面輪廓及無良好初始位置的比較................................46表6-6良好初始位置的演算法對位比較..................................48表6-7 10%點數環境下

有良好初始位置的演算法對位比較...................49表6-8 6000離散點環境下有良好初始位置的演算法對位比較................49表6-9偏移7.0高斯環境下有良好初始位置的演算法對位比較................50表6-10表面輪廓有良好初始位置的比較.................................50表6-11 ICNP演算法的結果比較.......................................54表6-12 ICNP演算法於10%點數環境的結果比較...........................54表

6-13 ICNP演算法於6000離散點影響的結果比較........................55表6-14 ICNP演算法於7.0雜訊偏移的結果比較...........................55表6-15 ICNP演算法於表面輪廓的結果比較..............................56表6-16加入濾除與平滑技術的ICNP對位結果.............................59表6-17於10%點數環境下的對位結果...................................59表6-18於6000離散點環境下的對位結果......

..........................60表6-19於7.0偏移點環境下的對位結果.................................60表6-20於表面輪廓的對位結果........................................61