《多尺度生物醫學數據可視化》是依託浙江大學，由陶煜波擔任項目負責人的面上項目。
基本介紹
- 中文名：多尺度生物醫學數據可視化
- 依託單位：浙江大學
- 項目負責人：陶煜波
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
生命系統不同尺度的器官、組織和細胞等，存在一定程度的功能關聯性，綜合不同尺度數據的可視化能夠全面理解相關組織的功能及其相互協作關係。多尺度生物醫學數據可視化是多模態數據可視化從相似尺度到不同尺度的擴展，尚存在以下問題：尺度的不連續性，多尺度特徵分析能力不強，多尺度數據融合機制不完善。針對這些問題，本項目將深入研究多尺度數據的表示、分析和融合方法，揭示從多尺度數據中快速高效獲取隱含信息的可視化機制。具體包括：(1) 構建連續尺度數據表示，實現多尺度數據無縫縮放；(2) 綜合屬性、圖像、數據和特徵空間的相似性和差異性互動式探索分析；(3) 基於特徵分析的數據濾波、可視化映射和體繪製積分累加階段的數據融合；(4) 基於形狀連續性的時變特徵提取，構建特徵狀態轉換圖，分析多尺度結構協作關係。本項目還將提出便於分析多尺度數據的用戶互動模式，實現集成上述技術的多尺度數據可視化原型系統，驗證所提出的方法。
結題摘要
本項目主要研究多尺度生物醫學數據的表示、分析和融合方法，在連續尺度表示、分析、融合、和時變特徵分析等方面取得了重要進展。目前，已在國際期刊和會議發表論文17篇，國核心心期刊9篇，其中在國際可視化會議（IEEE PacificVis、EuroVis、IEEE VIS）上發表論文5篇，國際可視化頂級期刊IEEE TVCG上發表論文1篇，1篇論文獲得了ChinaVis 2017年的最佳論文提名獎。主要研究成果如下： 1、在多尺度數據的連續尺度表示上，我們提出了保邊界特徵的體數據去噪算法，提高數據質量，同時，提出了基於面抽取的體數據多尺度縮減方法和基於深度學習的數據連續表示縮放方法，有效構建數據的連續尺度表示。 2、在多尺度數據的分析上，針對彩色體數據，提出了基於顏色語義降維的傳輸函式，實現互動地特徵分類，同時提出了彩色梯度的魯棒計算方法，提高特徵分類能力和光照效果。針對局部相關性，提出了基於特徵子空間的多尺度數據關聯分析協同框架。基於繪製結果，提出了基於圖像相似性的最佳視點選擇模型，自動推薦具有豐富語義特徵的代表性視點。 3、在多尺度數據的融合上，提出了基於多類噪聲採樣的多尺度融合方法，有效地展示數據的空間分布和相關性。提出了語義透鏡，結合數據濾波階段和可視化映射階段的多尺度融合方法，實現多尺度數據的有效融合與互動探索。 4、在多尺度數據的時變特徵分析上，提出了基於特徵網的特徵關聯分析方法，自動生成主要特徵的全局可視概覽。基於河流隱喻，提出了特徵河流圖，直觀地展示時變特徵的演化關係。提出了基於網路表征學習的特徵動態網路演化可視分析方法，高效分析時變特徵轉換關係網路的結構演化。基於時變特徵的拓撲結構，提出了時變特徵演化過程的最佳視點路徑推薦方法。 5、基於上述技術，開發了特徵關聯分析、時變特徵演化分析等多尺度數據可視化與可視分析軟體，已套用於老鼠和人腦多尺度數據的分析和可視化。 總體來說，該項目很好地按預定目標深入研究了多尺度生物醫學數據的表示、分析和融合所涉及的一些列問題，完成了申請書所承諾的指標。
