مدل منطق فازی مبتنی بر دانش و بی درنگ برای تغییر شکل بافت نرم ۲۰۱۹
Real-time Knowledge-based Fuzzy Logic Model for Soft Tissue Deformation 2019

این کتاب یک مدل منطق فازی دانش بنیان و بلادرنگ برای تغییر شکل بافت نرم ارائه می دهد. تقاضا برای شبیه سازی جراحی به طور مداوم در حال افزایش است، زیرا یک گلوگاه اساسی در تعیین شبیه سازی جراحی وجود دارد و هر بیمار منحصر به فرد است. مدل های تغییر شکل پذیر، هسته اصلی شبیه سازی جراحی، نقش مهمی در تعیین شبیه سازی جراحی ایفا می کنند. بر این اساس، این کتاب (۱) یک مدل جرم-فنر بهبود یافته را برای شبیه سازی تغییر شکل بافت نرم برای شبیه سازی جراحی ارائه می کند؛ (۲) با بازطراحی مدل جرم-فنر (MSM) زیربنایی برای تغییر شکل کبد، با استفاده از سه رویکرد مختلف دانش بنیان فازی برای تعیین پارامترهای MSM، از دقت شبیه سازی اطمینان حاصل می کند؛ (۳) نشان می دهد که چگونه داده ها در حافظه واحد پردازش مرکزی (CPU) می توانند به گونه ای ساختاربندی شوند که طبق مجموعه ای از قوانین هم ترازی وابسته به واحد پردازش گرافیکی (GPU) ادغام شوند؛ و (۴) برنامه نویسی موازی ناهمگن را برای توزیع تهدیدات شبکه برای محاسبات GPU مبتنی بر معماری دستگاه یکپارچه کامپیوتر (CUDA) پیاده سازی می کند.

This book provides a real-time and knowledge-based fuzzy logic model for soft tissue deformation. The demand for surgical simulation continues to grow, as there is a major bottleneck in surgical simulation designation and every patient is unique. Deformable models, the core of surgical simulation, play a crucial role in surgical simulation designation. Accordingly, this book (1) presents an improved mass spring model to simulate soft tissue deformation for surgery simulation; (2) ensures the accuracy of simulation by redesigning the underlying Mass Spring Model (MSM) for liver deformation, using three different fuzzy knowledge-based approaches to determine the parameters of the MSM; (3) demonstrates how data in Central Processing Unit (CPU) memory can be structured to allow coalescing according to a set of Graphical Processing Unit (GPU)-dependent alignment rules; and (4) implements heterogeneous parallel programming for the distribution of grid threats for Computer Unified Device Architecture (CUDA)-based GPU computing.