可视化提供了一个互动的细节感兴趣的调查和改善理解隐含的信息。有一种强烈的需要今天收购高质量可视化结果的各个领域,如生物医学或其他科学领域。生物医学质量体积数据往往是影响局部效应,吵闹,认真和偏见由于CT(计算机断层扫描)或MRI(磁共振成像)设备,这可能会产生一个非常困难的任务指定传递函数,从而产生贫困的可视化图像。本文首先基于非线性神经网络去噪预处理阶段提供改进3 d体积数据的质量。基于改进的数据,一个新颖的区域空间深度然后提出了基于二维直方图施工方法确定材料之间的界限,这是有利于设计适当的半自动的传递函数。最后,体绘制管道与投影算法实现可视化几个生物医学数据集。有效体积数据中的噪声抑制和材料之间的边界可以清楚的区分由传递函数设计通过修改后的二维直方图。
因为有两个对象的可见性特征和清晰的细节透露,可视化已经被证明是至关重要的探索意义的属性的数据(
传递函数在可视化的能力中起着基础性作用分类和体积的分段特征数据,这可能会影响呈现图像的质量和体积的感知用户数据。测量中平先生流。浙et al。
艾伯特et al。
不同的对象为中心的方法,以图像为中心的传递函数设计的渲染图像。通过评价的投影图像,参数传递函数会自动调整并重新应用到原始数据呈现的结果是实现递归,直到满意。基于一组呈现图片,他等。
在以数据为中心的方法中,传递函数的参数指定通过分析体积数据。一般来说,收集相关数据的附加信息之前确认传递函数使设计更方便。标量值的数据通常被认为是推导一维传递函数。梯度(
当尺寸大于2时,很难指定高维传递函数的参数。直方图常常被用于找到满意的转移函数。基于第一和第二衍生品的体积,首日和Durkin
在本文中,首先一个神经网络卷片数据预处理方法去噪实现提高3 d生物医学数据的质量。然后预处理数据的二维传递函数设计了基于二维直方图修改,这是创建使用基于一本小说地区空间与深度信息的方法。的特点,因此数据完全探索的兴趣。节
生物医学体积数据由当前的设备如CT和核磁共振扫描仪通常伴随着嘈杂,局部效应,和偏见。数据与严重的噪音或错误信息导致低信噪比信号噪声比()将直接影响传递函数规范和导致产生的图像模糊的对象。
空间意味着低通滤波等一般的中值滤波和高斯滤波的优点是减少噪音的振幅波动。而过滤等模糊信息的数据行或边缘,不关注处理区域边界或微小结构,使得生成的图片太模糊了。这是一个妨碍有效增强边界对于那些嘈杂的数据包含大量的细节。
虽然非线性滤波保留边缘的成就,它产生的损失解决由于抑制细节。为了解决这个问题,边界的非线性增强算法使用信息和你的邻居像素的预处理的图像数据
中长期规划的体系结构网络。
在图像去噪,申请延时使用完全连接神经网络来处理图像碎片,然后分裂和所有的图像处理领域结合形成一个图像去噪。首先是嘈杂的图像分为重叠补丁和补丁
首日et al。
LH基于直方图的方法计算每个样本的低和高值像素点贴上<我t一个lic> FL我t一个lic>和<我t一个lic> 跳频我t一个lic>分别。对于每一个样本体素,如果梯度小于阈值,确定体素是内部样本。否则,体素被认为是边界元。<我t一个lic> FL我t一个lic>和<我t一个lic> 跳频我t一个lic>的内部体素是平等的和体素的值是标量。的体素应该属于边界,集成是实现沿梯度和扭转方向梯度场,直到梯度小于阈值。<我t一个lic> FL我t一个lic>和<我t一个lic> 跳频我t一个lic>然后可以找到。的<我t一个lic> FL我t一个lic>和<我t一个lic> 跳频我t一个lic>所有体素表达的价值观相同的坐标系统,因此和LH直方图。自的价值<我t一个lic> FL我t一个lic>不超过<我t一个lic> 跳频我t一个lic>指出,在韩直方图只对角线上方的。对角线上的点表示的内部体素;也就是说,<我t一个lic> FL我t一个lic>和<我t一个lic> 跳频我t一个lic>值是相等的。代表边界体素和相应的其余部分<我t一个lic> FL我t一个lic>和<我t一个lic> 跳频我t一个lic>值的标量值两种材料分别为边界。
在体绘制,使用LH设计方法传递函数不仅可以减少对图像分割的依赖,但也包括立体像素梯度信息和边界的灰色信息。由于医疗数据的特点和临床应用,集中的体素是必需的。
一个适当的区域空间<我nline-formula>
在复杂边界的地区存在,使用单一的标准将导致边界测定误差。因为一些界限只出现在一个特定的深度,然后消失,当他们达到一定深度,复杂的边界可以进一步分化根据深度信息。然后创建一个修改后的二维直方图使用基于区域空间深度信息的方法。本文分原始直方图被进一步分组根据相应的深度。
二维传递函数可以创建基于指定LH直方图通过选择相关领域和分配他们的颜色和不透明度。中相应的功能容量数据因此可以探索。该方法给出了算法的详细信息
在本节中,一些数据集作为测试数据,包括牙齿和羊心脏数据,来评估该传递函数的性能。数据集的大小是256×256×161、352×352×256,分别。所有的实验都是在电脑上进行与英特尔酷睿i5 2.66克,4.00 g内存和显卡的NVIDIA GeForce GT 650。
生物医学体积数据由当前的设备如CT和核磁共振扫描仪通常伴随着严重的噪音,这将生成可视化形象欠佳,导致在结果图像的模糊对象。因此向MLP神经网络实现降噪量数据。在实验中,工会LabelMe数据集用于火车MLP包含大约150000张照片。在培训之前,数据充满了填充操作,每个像素充满6像素大小。噪音水平<我t一个lic>
σ我t一个lic>设置为10。我们使用一个补丁的大小39×39生成预测补丁,然后采用一个过滤器的大小9×9的平均输出补丁,因此其有效的块大小是47×47岁。在实验中学习速率<我nline-formula>
数据集预处理结果的牙齿。从上到下:原始片数据,由非线性去噪图像增强算法,通过延时和去噪图像。(一)原始切片数据;(b)非线性增强去噪结果;中长期规划(c)去噪结果。
在韩直方图,点在对角代表内部的材料。地区包括那些点从而降低不透明度传递函数中分配给褪色不重要的信息。其余区域边界体素的积累包含感兴趣的特性。图
LH直方图和呈现结果的原始齿中长期规划数据,运用数据:(a) LH直方图和相应的渲染结果的原始数据和(b) LH直方图和相应的呈现数据去噪的结果。
图
LH直方图和相应的渲染结果与非线性增强牙齿数据集通过传统和地区基于标准的方法:(a) LH 5基于传统方法和梯度直方图阈值和相应的呈现结果,根据区域标准(b) LH直方图的基础方法和呈现结果。
图
呈现的结果MLP增强牙齿数据集有两个方法:(a)渲染结果基于地区基于标准的方法和(b)呈现结果基于深度增强方法。
图
可视化的结果增强羊心脏数据集与区域空间引导传递函数:(a)最初的羊心脏数据;(b)去噪数据;(c)呈现羊心与去噪的结果数据。
传递函数在体绘制的性能起着至关重要的作用,探索直接细节信息隐藏在数据以及提高重要的边界。在这个工作我们首先实现MLP神经网络容量数据降噪的同时保护边界。这种方法可以大大提高收购设备体积数据的质量。然后我们改善LH方法通过结合区域深度信息来实现传递函数半自动生成。这种方法可以避免噪声的影响,使压更集中。LH直方图的体素在对角线分布比较集中,实际上是强调和边界的重要对象。兴趣的特点从而可以完全找到的数据映射标量值的边界体素对应点LH直方图适当透明度和颜色。
的两个数据集都是开放数据是可用的
作者宣称没有利益冲突有关的出版。
支持的工作是由中国国家自然科学基金(批准号下的国家自然科学基金委)61502275,中国博士后科学基金会(没有。2017 m622210)。这项工作也支持部分的山东省自然科学基金批准号ZR2017MF051,中国国家自然科学基金(批准号国家自然科学基金委)61501450,教育部在中国(教育部)的人文和社会科学项目批准号16 yjc880057。