面向HARDI模型的脑纤维三维可视化系统

发布时间：2020-12-23 03:34

　　脑纤维是大脑各区域间信息交互的重要通道,而高角度分辨率扩散成像是表征人脑复杂神经纤维通路的有效方法,能对多种神经性疾病的诊断提供参考.但脑纤维分布错综复杂,如何对局部区域进行直观展示是可视化领域的研究难点.通过设计脑纤维三维可视化系统,实现对HARDI脑纤维数据的追踪和处理,并将处理结果在三维空间中呈现出来,实现光照技术以增加脑纤维可视化的空间层次感.文中提出基于散布矩阵的纤维筛选方法以降低三维可视化效果的视觉混杂性,并在此基础上实现2种算法对纤维进行聚类,增强了局部区域的直观展示,为临床诊断提供辅助分析工具. 

【文章来源】：计算机辅助设计与图形学学报. 2019年02期 北大核心

【文章页数】：7 页

【部分图文】：

系统框架图

初步绘制结果

算公式为sspecsl=()nIKIVR(1)其中,sK是材质的镜面反射系数;lI表示方向光的光源强度;sn是高光系数;V表示从顶点到视点观察方向;R表示反射光方向的单位向量.高光系数越大,反射越集中,此时越偏离反射方向,光线衰减强度越大.Blinn-Phong混合了漫反射与标准的高光,渲染比Phong模型更平滑柔和,且计算速度更快,高光范围更大,渲染速度更快.其计算公式为sbpsl=()nIKINH(2)其中,H是入射方向和视点方向的中间向量,也称半角向量,被广泛运用于各类光照模型.最终纤维光照渲染效果如图3所示.a.最大Phong光照b.Phong/Blinn光照图3光照渲染效果2.3可视分析模块2.3.1纤维筛选局部纤维密度过大会掩盖大脑内部结构,所以对纤维进行实时筛选非常重要;同时,在筛选过程中需要保留重要的全局结构信息.纤维路径长度各异,针对该特性,系统设计基于散布矩阵[19]的纤维选择方法,重点关注单根纤维的整体方向属性.根据分布在纤维路径上相邻节点的方向向量,可得出每条纤维路径的散布矩阵.计算出该矩阵特征值,用来描述该纤维方向信息,进而构造纤维方向判别参数,并依照该参数对不同方向的纤维进行选择.具体实现步骤如下:输入.纤维跟踪节点数据(,,)iiixyz.输出.经散布矩阵筛选后的纤维数据集合.Step1.计算脑纤维相邻节点之间的局部方向向量111(,,)iiiiiiixxyyzzn(3)


本文编号：2932993