脑纤维差异定位与比较的可视化方法研究

发布时间：2020-07-19 04:08

【摘要】：可视化技术能够为数据分析的过程和结果提供直观的展现方式,其在医学领域应用也非常广泛,能够形象展示结构复杂的数据,因此一直是研究的热点对象之一。利用科学技术破译大脑运转密码、揭开生命之谜,是21世纪科学领域最重大的挑战之一。脑纤维是构成大脑复杂结构和各脑区信息交流的物质基础,核磁共振成像技术能通过磁场将水分子运动进行绘制,这种无创方式能够很好地应用于脑纤维研究。脑纤维可视化技术的目标是更精确地表达单体素纤维走向和全局纤维分布,对纤维束形成过程中的不确定性进行量化分析,对纤维数据进行降维并提取纤维结构特征,以降低视觉混杂性,增加空间层次感,为临床诊断提供辅助性分析工具。本文主要研究内容包括以下几个方面:(1)通过设计脑纤维数据可视分析流程,实现对纤维数据的建模、追踪和筛选处理;使用ParaView工具将处理结果在三维空间中直观地呈现出来,通过设定颜色映射表和不透明度等相关参数,获得较好的绘制结果。(2)研究人员在分析异常纤维数据的时候,通过手动旋转纤维束找到最合适的视角来进行深入研究,由于脑纤维的结构复杂,在显示器平面很难观察,这一过程通常需要耗费大量的时间。为了能自动获得最有研究价值的视角,本文使用纤维点的医学属性数据作为着色信息对整体纤维进行绘制,并且编写自动化脚本程序实现自动旋转和保存多视角下的纤维图片,通过对比不同视角下正常和异常纤维绘制结果的不同,计算图片相似度,寻找差异最大的视角状态,从而快速定位到异常区域。(3)为了提取最有价值的纤维信息、筛除冗余数据、优化处理效率,本文对高维纤维数据进行降维,投影到二维平面,并在此基础之上进行聚类研究,达到分析纤维结构特征的目的。获取聚类结果之后,本文进一步对纤维束进行抽象表达,将被划分为同类的多条纤维抽象成一条纤维,保留主要的空间信息和属性值,使纤维结构走向更加直观,并且依照抽象的思想处理大量的纤维数据,挖掘数据背后的信息,研究正常和异常纤维分布的差异。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R445.2;TP391.41
【图文】：

纤维,张量,管线,水分子扩散

一种多细节层次张量协方差视觉分对张量数据进行超二次曲面图形的响。Bista 等[25]采用扩散峰度成像模设描述水分子扩散过程，通过引入等[26]使用超流线型可视方法对高阶组织交叉区域的纤维结构。Prcko可视化框架，使用椭球或复杂几何体纤维局部方向之后，可使用纤维追况。Wenger 等[28]使用管线绘制纤各向异性。Born 等[29]使用管线表u 等[30]使用流线型管线对纤维进行现脑区之间的连通性。横杠方向来描述纤维方向信息从而维点刻法的脑白质纤维表示方式处 1-1 所示。

视角,纤维,降维,图片

浙江工业大学硕士学位论文档差异性比较等方法对脑纤维数据进行研究分析。对于脑纤量建模、纤维追踪、筛选之后可获得直接绘制的数据，将各纤为着色依据，在三维空间中绘制脑纤维，从而达到可视交互分寻找最具分析价值的视角是一件繁琐的事情，尤其在要处理大消耗大量的时间，所以本文编写自动处理脚本，保存多视角下维的图片，并计算不同视角下的图片相似度计算，寻找差异最的切入点，从而实现视角自动选择，为研究人员提供最有可能和异常纤维差异点的视角，并且实现了视角状态的保存，能够时的状态，避免重新手动旋转视角的繁琐操作，实现实时交对纤维进行数据维度上的降维，并以降维后的数据为基础进得的聚类结果对纤维进行抽象操作，将多束纤维抽象成一条走向更加直观。为了进一步探索正常纤维和异常纤维数据的维数据进行抽象，提取主要特征信息，进行差异对比研究。本 1-2 所示：

框图,组织结构,框图,纤维

脑纤维差异定位与比较的可视化方法研究息，就能够以较小的精度损失来获得明显的效率提升。将纤后，在此基础之上对纤维数据进行聚类分析，研究纤维的结的抽象处理提供依据。据抽象。除了将纤维全部展示在三维空间的绘制方式之外，类的纤维进行整体的抽象，将坐标点和属性值以自定义的规则得到聚类数目的纤维束。在此基础之上处理多组正常纤维据，对这些数据进行文档差异性分析来挖掘数据深处的规律安排按照研究思路分为以下六章，具体内容安排如图 1-3 所示：

【相似文献】