基于成员体关系的医学数据剥离绘制算法

针对修改传输函数或者使用特殊的光照效果时不能完全解决直接体绘制医学数据人体组织间的遮挡问题,提出一种基于成员体关系的分层剥离体绘制算法.利用梯度阈值函数判断采样点的类型,通过采样光线获得同种组织的标量值范围;用由移动最小二乘法按照拟合出的不同组织的分界标量值和空间位置来建立每个体素的成员体关系;将成员体关系用于分层剥离体绘制,以解决同类组织的遮挡问题,并采用自适应的光线投射算法提高图像的绘制效果和速度.实验结果表明,文中算法可以根据医学数据来确定相应的成员体关系,使被遮挡部分绘制效果清晰.     

脑纤维可视化综述

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.基于弥散张量成像和追踪技术的纤维解剖结构重建,对脑肿瘤手术导航、神经性疾病的诊断及人脑神经网络连接图谱的绘制等有着十分重要的价值.脑纤维可视化技术的目标是更精确地表达单体素纤维方向和全局纤维分布,并对纤维束形成过程中的不确定性进行量化分析,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.文中简略地介绍了脑纤维束的重构流程,从脑纤维的可视表达形式角度出发,梳理并总结了当前主流的纤维表示及渲染方法;并从模型估计、纤维追踪过程和纤维束分析等3个方面,讨论了脑纤维不确定性可视化的进展;最后,对需要进一步探索的研究方向进行展望.     

A Survey of Visual Analytics Techniques and Applications: State-of-the-Art Research and Future Challenges

Visual analytics employs interactive visualizations to integrate users’ knowledge and inference capability into numerical/algorithmic data analysis processes.It is an active research field that has applications in many sectors, such as security, finance, and business.The growing popularity of visual analytics in recent years creates the need for a broad survey that reviews and assesses the recent developments in the field.This report reviews and classifies recent work into a set of application categories including space and time, multivariate, text, graph and network, and other applications.More importantly, this report presents analytics space, inspired by design space, which relates each application category to the key steps in visual analytics, including visual mapping, model-based analysis, and user interactions.We explore and discuss the analytics space to add the current understanding and better understand research trends in the field.     

基于组件协同的时空数据可视分析系统

设计实现基于组件的、多视图协同的可视分析系统,用于探索分析复杂的时空数据,挖掘其中隐藏的空间模式、时间模式及多维属性模式.系统以杭州房地产数据为例进行分析研究,该数据是一种典型的时空数据,包括楼盘的空间分布情况、均价和销量变化规律、楼盘属性相关性等复杂特性.系统以可视化的方式,提供了综合有效的、可交互的分析方法.系统开发实现4个核心可视分析组件:地图组件、平行坐标组件、时间序列组件和treemap组件.地图组件提供空间视图;平行坐标组件提供多维视图;时间序列组件提供时间视图;treemap组件提供综合视图.系统以一种可扩展、可定制的方式,实现各个组件之间高效的关联协同,从而大大提高了系统整体综合分析能力.     

局部特征加强的体绘制算法

最大强度差值累积结合了直接体绘制和最大强度值投影的优势,但其在累积过程中会遗漏一些局部特征.为了绘制体数据中局部特征信息,提出一种局部特征加强的直接体绘制方法.通过查找采样光线上特征边界点来确定局部最大强度的区域,利用局部差值累积的方法加强特征区域的绘制;为了提高特征分界点的查找精度,引入移动最小二乘法来平滑采样光线上的标量值,并利用用户自定义的阈值函数来控制特征的绘制;在绘制过程中,采用特征分析的表面光照模型增强绘制特征的三维立体感,引入深度信息对局部特征累积算法进行优化,并引入了Tone衰减方法使累积颜色值处于正常显示范围.实验结果表明,文中方法可在不需要传输函数的前提下绘制体数据中的特征信息.     

神经网络驱动的交通流量预测可视分析方法

神经网络在交通流量预测领域内已经得到广泛运用,但是使用神经网络进行流量预测还存在下列问题:神经网络模型结果好坏依赖于输入数据的质量,网络训练的中间过程难以观察以及神经网络结构难以实时调整等。而可视分析技术适合用于数据过滤、挖掘和展示,因此在传统的基于神经网络的交通流量预测方法上结合可视分析技术可以帮助用户更高效地搭建神经网络。在数据层面,运用查询语句可视化技术可以对原始数据进行可视过滤和展示,从而帮助用户得到理想的训练数据。在神经网络结构方面,相对于传统的机器学习训练方法,结合可视分析技术的方法可以通过对神经网络结构和中间结果的可视分析,帮助用户观察神经网络训练过程,从而使得用户能够更好地调节神经网络参数,最终帮助用户探索合适的神经网络模型。     

基于ZYNQ的轻量化YOLOv5声呐图像目标检测算法及实现

针对声呐图像存在的模糊、样本量不足的现象,本文提出一种基于YOLOv5的声呐图像目标检测改进算法。利用几何滤波、垂直翻转等方法,对声呐图像数据集进行数据增强。添加融合注意力机制模块,使算法更好地关注声呐图像小目标的特征。同时,针对目前大多数目标检测算法运行在云端,无法做到实时性声呐图像检测的问题,本文利用替换轻量级网络和NCNN边端移植技术,同时在颈部网络中采用GSConv模块,将算法成功移植到ZYNQ平台,实现声呐图像的嵌入式端实时检测。实验表明,本文提出的算法在降低了56%参数量的同时,在map50和map50-95上分别提高2.2%和2.5%。改进后的算法性能提升明显,证明所提出的方法在轻量化声呐图像目标检测任务上具有一定的可行性与有效性。     

司法判决文书数据中演化模式的挖掘和可视分析

现有的司法数据分析以传统的统计图表为主,与案件数据的内部信息关联不够,低效落后,难以满足司法数据的分析需求.因此,针对司法判决文书数据,提出一种通过用户交互的方式展示司法数据时序演化过程的方法.首先提出基于分层结构的层次演化视图,从整体上分析时序变化;结合矩阵视图、词网络视图、主题聚类图和词云,展开案件内部多元信息的精...     

基于注意力残差网络的OCT指纹防伪方法

基于光学相干断层扫描(optical coherence tomography,OCT)的指纹防伪主要依赖汗孔、皮下汗腺和内部指纹等信息的精确提取,且具有一定的防伪信息冗余.针对这一现状,提出了一种基于注意力残差网络的OCT指纹防伪方法,仅使用少量信息便可做到对指纹的真伪识别.首先在残差网络的基础上,通过注意力模块与长...