本文選題：腦纖維跟蹤　切入點：像素條　出處：《浙江工業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：擴散張量成像(Diffusion Tensor Imaging,DTI)難以描述復(fù)雜的纖維微結(jié)構(gòu),而高角度分辨率擴散成像技術(shù)(High Angular Resolution Diffusion Imaging,HARDI)是一種刻畫人腦復(fù)雜神經(jīng)纖維走向的有效方法。并且,描述腦神經(jīng)纖維交叉、匯聚、擴散的方向分布函數(shù)過于復(fù)雜,使可視化以及分析腦神經(jīng)纖維產(chǎn)生困難。在展示腦神經(jīng)纖維的三維空間內(nèi),僅通過鍵盤、鼠標等交互工具用戶對腦神經(jīng)纖維操作存在一定困難。其次,基于概率性跟蹤的腦神經(jīng)纖維結(jié)果存在冗余纖維過多的情況,一些錯誤的跟蹤結(jié)果會遮擋或影響腦神經(jīng)纖維的三維展示效果。本文提出一種新的可視化分析腦神經(jīng)纖維的手段,用戶通過使用一種新的可視化聚類方法來探索腦神經(jīng)纖維束的可能走向�？偨Y(jié)人腦神經(jīng)纖維跟蹤和可視化的研究背景以及國內(nèi)外發(fā)展現(xiàn)狀。對核磁共振成像技術(shù)、腦神經(jīng)纖維跟蹤技術(shù)以及腦神經(jīng)可視化應(yīng)用的研究進展進行論述,分析現(xiàn)有研究成果的發(fā)展過程及其存在的不足后,本文的具體工作和成果如下:1.針對DTI技術(shù)只能描繪體素內(nèi)腦神經(jīng)纖維單一走向的問題,本文使用HARDI模型刻畫腦神經(jīng)纖維的交叉、匯聚、分散等微結(jié)構(gòu),展現(xiàn)體素內(nèi)腦神經(jīng)纖維細致的走向和方向分布情況。其次,提出一種新的基于先前跟蹤結(jié)果的先驗概率計算方法,以解決概率性腦神經(jīng)纖維跟蹤過程中先前跟蹤結(jié)果無法很好融入當前方向分布函數(shù)的問題。2.在概率性腦神經(jīng)纖維跟蹤結(jié)果的基礎(chǔ)上,使用可視化工具pixel bar(像素條)來表示腦神經(jīng)纖維的多維屬性,并提供便捷直觀的交互手段,為可視分析腦神經(jīng)纖維提供依據(jù)。針對三維腦神經(jīng)纖維空間內(nèi)交互的困難,本文將腦神經(jīng)纖維映射為pixel bar,提出腦神經(jīng)纖維與pixel bar的映射方法,包括:方向-顏色映射算法,不透明度映射方法等。其次使用基于密度的DBSCAN聚類算法將pixel bar聚類,并根據(jù)不透明度進行簇內(nèi)排序。用戶通過選擇一定不透明度范圍內(nèi)的pixel bar來獲得相應(yīng)置信區(qū)間內(nèi)的腦神經(jīng)纖維結(jié)果。該方法解決概率性跟蹤結(jié)果冗余腦神經(jīng)纖維過多,錯誤的跟蹤結(jié)果遮擋或影響腦神經(jīng)纖維空間展示效果的問題。3.本文采用Qt搭建基礎(chǔ)平臺,在OpengGL和OpenGLSL開發(fā)庫的基礎(chǔ)上,面向?qū)ο缶幊虒崿F(xiàn)腦神經(jīng)纖維跟蹤可視化系統(tǒng)。主要實現(xiàn)概率性腦神經(jīng)纖維跟蹤過程中種子區(qū)域的選擇,腦神經(jīng)纖維三維展示時光照效果,線條反走樣效果,顯示幀率等功能。從專家用戶的評價來看HARDI數(shù)據(jù)的概率性腦神經(jīng)纖維跟蹤結(jié)果能夠真實還原腦神經(jīng)纖維交叉、匯聚、擴散等復(fù)雜微結(jié)構(gòu)。使用pixel bar可以有效靈活地在可視化分析中對腦神經(jīng)纖維進行交互操作。
[Abstract]:It is difficult to describe complex fiber microstructures by diffusion Zhang Liang imaging Diffusion Tensor Imaging (DTI), and High Angular Resolution Diffusion Imaging (HARDI) is an effective method to describe the direction of complex nerve fibers in human brain. The distribution function of the direction of diffusion is too complicated to visualize and analyze the nerve fibers. Users of interactive tools such as the mouse have some difficulties in manipulating the nerve fibers. Secondly, the results of the probabilistic tracking of the brain nerve fibers result in excessive redundant fibers. Some wrong tracking results may block or affect the three-dimensional display effect of cerebral nerve fibers. This paper presents a new visual analysis method of cerebral nerve fibers. Users use a new visual clustering method to explore the possible direction of brain nerve fiber bundles, summarize the research background of human brain nerve fiber tracking and visualization, and the current situation of development at home and abroad. The research progress of brain nerve fiber tracking technology and the application of brain nerve visualization are discussed, and the development process of the existing research results and their shortcomings are analyzed. The specific work and results of this paper are as follows: 1. Aiming at the problem that DTI technology can only describe the single direction of brain nerve fibers in voxel, this paper uses HARDI model to describe the intersecting, converging, dispersing and other microstructures of cerebral nerve fibers. The distribution of cerebral nerve fibers in voxel is shown in detail. Secondly, a new priori probability calculation method based on previous tracking results is proposed. In order to solve the problem that the previous tracking results can not be well integrated into the current direction distribution function in the process of probabilistic nerve fiber tracking. 2. On the basis of the probabilistic nerve fiber tracking results, Using the visualization tool pixel bar (pixel bar) to express the multidimensional properties of the cerebral nerve fibers, and to provide a convenient and intuitive means of interaction, to provide the basis for visual analysis of the brain nerve fibers. In this paper, we map the nerve fibers to pixel bar.The mapping methods between the nerve fibers and pixel bar are presented, including direction-color mapping algorithm, opacity mapping method and so on. Secondly, the density-based DBSCAN clustering algorithm is used to cluster the pixel bar. According to the opacity, the user selects the pixel bar in a certain opacity range to obtain the corresponding results of the brain nerve fibers in the confidence interval. This method solves the problem of redundant nerve fibers in the probabilistic tracking results. Error tracking results block or affect the effect of spatial display of cerebral nerve fibers. 3. This paper uses QT to build a basic platform, based on OpengGL and OpenGLSL development libraries, Object-Oriented programming is used to realize the visualization system of nerve fiber tracking, which mainly realizes the selection of seed area in the process of probabilistic nerve fiber tracking, the illumination effect of three-dimensional display of brain nerve fiber, the effect of anti-aliasing of line, From the evaluation of expert users, we can see that the probabilistic nerve fiber tracking results of HARDI data can truly reduce the crossover and convergence of brain nerve fibers. The use of pixel bar can effectively and flexibly interoperate the nerve fibers in visual analysis.
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;R445.2

【相似文獻】

相關(guān)期刊論文 前4條

1 杜淑言,葉大田,岳喜才,曹宇;可視化技術(shù)及其在醫(yī)學(xué)教學(xué)中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年04期

2 李玉龍;丁瑩;閆瑾;李瑞霞;;基于OGRE的目標紅外可視化模塊研究與實現(xiàn)[J];中國體視學(xué)與圖像分析;2013年03期

3 呂新榮;高新波;鄒華;;基于醫(yī)學(xué)影像的血管快速提取與可視化[J];中國生物醫(yī)學(xué)工程學(xué)報;2009年04期

4 ;[J];;年期

相關(guān)會議論文 前10條

1 陳洪亮;譚建榮;;基于相密度的混沌吸引子可視化方法研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

2 吳曉莉;史美萍;;晶體生長實驗流場數(shù)據(jù)的可視化研究[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

3 余弦;吳鋒;;一種危險品運輸車輛監(jiān)控信息可視化方法[A];浙江省信號處理學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

4 柳佳佳;;可視化與地圖學(xué)[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

5 吳鵬;李思昆;;基于本體論的社會網(wǎng)絡(luò)信息建模與可視化方法[A];中國計算機圖形學(xué)進展2008--第七屆中國計算機圖形學(xué)大會論文集[C];2008年

6 張毅;華一新;曹亞妮;曹一冰;;面向談判劃界的國界信息可視化方法研究與實踐[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

7 劉曉平;李書杰;石慧;;規(guī)律維問題初探[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2006年

8 周獻中;顧衛(wèi)江;;一個基于過程的可視化決策系統(tǒng)設(shè)計與實現(xiàn)[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

9 趙志強;阮宗才;陸祖宏;;一種三維腦圖像數(shù)據(jù)遠程可視化新方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

10 季浩;李書杰;劉曉平;;規(guī)律維的建模與可視化方法研究[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

相關(guān)重要報紙文章 前2條

1 本報記者 李聞芝;可視化技術(shù)推動制品品質(zhì)提升[N];中國化工報;2005年

2 龐小平;不可多得的地圖精品[N];中國測繪報;2005年

相關(guān)碩士學(xué)位論文 前10條

1 雷琴琴;面向像素的可視化技術(shù)研究[D];北京交通大學(xué);2008年

2 胡太銀;面向色彩管理的可視化技術(shù)研究[D];西安電子科技大學(xué);2002年

3 李佳書;基于多元圖表示原理的可視化分類方法研究[D];燕山大學(xué);2006年

4 林德全;基于可視化技術(shù)的減震數(shù)據(jù)處理的研究與應(yīng)用[D];吉林大學(xué);2012年

5 顧春彥;國家電網(wǎng)信息中心可視化展現(xiàn)平臺的設(shè)計與實現(xiàn)[D];北京工業(yè)大學(xué);2013年

6 劉曉強;面向土木工程數(shù)值模擬的可視化方法研究[D];清華大學(xué);2013年

7 王香能;可視化技術(shù)在空間數(shù)據(jù)應(yīng)急獲取管理中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2009年

8 劉大龍;太陽輻射數(shù)據(jù)處理及其可視化[D];西安建筑科技大學(xué);2006年

9 呂陽;電力系統(tǒng)運行狀態(tài)的雙屏顯示可視化研究[D];大連理工大學(xué);2004年

10 劉壽鑫;面向海洋虛擬現(xiàn)實和可視化渲染引擎的設(shè)計與實現(xiàn)[D];中國海洋大學(xué);2012年

，

本文編號：1625348