عنوان پایان‌نامه
پیاده سازی سخت افزاری بخش بازسازی تصویر در سیستم مقطع نگاری از امپدانس الکتریکی
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 42714;کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1621
- تاریخ دفاع
- ۱۱ مهر ۱۳۸۸
- دانشجو
- سعید رضاجو
- استاد راهنما
- غلامعلی حسین زاده دهکردی
- چکیده
- چکیده پایان¬نامه حاضر گزارشی است از نتیجه تحقیقاتی به منظور ارائه راهکارهای پیاده¬سازی سخت¬افزاری بخش بازسازی تصویر در سیستم تصویربرداری موسوم به «مقطع¬نگاری امپدانس الکتریکی» (EIT). فرآیند بازسازی تصویر در این سیستم از دو مرحله موسوم به «حل مسأله مستقیم» و «حل مسأله معکوس» تشکیل می¬شود. سیستم EIT همچنین در تشخیص وجود ناهنجاری درون اجسام کاربرد دارد که این فرآیند با استفاده از الگوریتمهای مبتنی بر طبقه¬بندی صورت می¬گیرد. در این پایان¬نامه، روش اجزاء محدود (FEM) برای حل مسأله مستقیم و روش اصلاح شده نیوتن- رافسون (MNR) برای حل مسأله معکوس انتخاب شده¬اند. روش FEM طی دو مرحله و به کمک اجزاء خطی و مرتبه دوم پیاده¬سازی شده است. به این طریق سرعت حل مسأله تا 10 برابر افزایش یافته است. در روش MNR، جایگزینی پارامتر تنظیم با عدد وضعیت ماتریس تقریبی هسین موجب بهبود قابل ملاحظه همگرایی و دستیابی به پاسخ صحیح در 100% آزمایشها شده است. نهایتاً، کاربرد روشهای تشخیص ناهنجاری از تشخیص موقعیت به تخمین اندازه ناهنجاری گسترش پیدا کرده است. نمونه¬های عددی نشان از 70 تا بیش از 90% موفقیت در تشخیص اندازه ناهنجاریها دارد. پس از بهینه¬سازی روشهای تصویرگری، راهکارهای مربوط به پیاده¬سازی سخت¬افزاری فرآیند بازسازی تصویر ارائه گردیده است. در ابتدا، با استخراج و ذخیره مشخصات فضای حل مسأله، میزان محاسبات و حافظه مورد نیاز تا 200 برابر کاهش یافته است. در مرحله بعد، تمام محاسبات به کمک عملگرهای پایه ریاضی قابل تحقق در سخت¬افزار پیاده¬سازی شده است. راهکارهای پیشنهادی برای تهیه تصویر از نمونه¬های آزمایشگاهی به کار رفته و کارآمدی آنها تأیید شده است. کلمات کلیدی: مقطع¬نگاری امپدانس الکتریکی، روش اجزاء محدود، روش اصلاح شده نیوتن-رافسون، طبقه¬بندی، پیاده¬سازی سخت¬افزاری.
- Abstract
- Abstract The current text is the report of a research about hardware implementation of the image reconstruction section in Electrical Impedance Tomography (EIT). The image reconstruction process in this system consists of two major steps named “forward” and “inverse” solutions. EIT has another application in anomaly detection, which is based on classification algorithms. In this work, the finite element method (FEM) and the modified Newton-Raphson method (MNR) are employed to solve the forward and inverse problems, respectively. The FEM algorithm is implemented in two steps, using first and second order finite elements. In this way, the reconstruction speed becomes up to 10 times faster than that of other algorithms. In the MNR algorithm, the condition number of the approximate Hessian matrix is employed to monitor the stability of the solution, and the regularization parameter is eliminated. This modification considerably enhances the convergence of the solution. Numerical simulations and experiments show that the modified method reaches the true results in all cases. Finally, the anomaly detection methods are also modified and their usage is extended from the location detection to the size estimation of the anomalies. Numerical results demonstrate 70-90% success in the detection process using the modified methods. After optimizing the imaging methods, the suggested approaches for the hardware implementation are described. At first, by extracting and saving the FEM model of the solution region, the computations and required memory are up to 200 times decreased. At the next step, the whole algorithm is implemented using basic computational elements. These modifications result in a simplified description of the reconstruction algorithm, making it capable of being implemented on hardware environments. The accuracy of the proposed approaches is evaluated and confirmed through experimental results. Keywords: Electrical impedance tomography, finite element method, modified Newton-Raphson method, classification, hardware implementation.
