文献

J-GLOBAL ID：201702252705860243   整理番号：17A1672201

圧縮ドメインに基づく脳イメージング大ボリューム可視化手法【JST・京大機械翻訳】

Volume Rendering Method of Mass Brain Imaging Data Based on Compression Domain

著者 (5件)： Shi Xuekai (国防科学技術大学計算机学院 長沙410073) ,  Wang Wenke (国防科学技術大学海洋科学与工程研究院 長沙410073) ,  Huang Hui (国防科学技術大学計算机学院 長沙410073) ,  Li Sikun (国防科学技術大学計算机学院 長沙410073) ,  Fu Yiqi (国防科学技術大学計算机学院 長沙410073)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 44  号： 3  ページ： 27-31  発行年： 2017年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 脳科学は現在の国際科学技術研究の最前線であり、高精度脳イメージングデータに対して可視化することは脳神経科学の構造イメージングにおける基礎的な需要である。高精度脳イメージングデータの可視化過程における大量のデータ量と低いレンダリング効率の問題を解決するために,階層的ベクトル量子化と完全な空間ハッシュに基づく圧縮領域可視化法を提案したが,この問題を解決するために,新しい方法を提案した。まず第一に,ボリュームデータをブロックし,各ブロックの平均値を記録し,ブロック内のデータの平均勾配値が0であるかどうかによって分類した。第二に,階層的ベクトル量子化を用いて,平均勾配が0でないブロックを圧縮した。次に,2つのインデックス値を,ブロック完全空間ハッシュ技術によって圧縮した。最後に,上記の圧縮体のデータを復号化して,復元体データを得て,オリジナルのデータと回復体データの間の差異を,完全な空間的ハッシュを用いて圧縮した。レンダリングの際に,圧縮されたデータをテクスチャとしてGPU内にロードするだけで,GPU内でリアルタイム解圧縮レンダリングを完了することができる。実験結果は,提案したアルゴリズムがデータ再構成の品質を保証し,データの記憶空間を減らし,可視化のレンダリング効率を向上させることにより,単一機械で大きなデータを処理することができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： レンダリング ,  品質 ,  復号化 ,  神経科学 ,  ベクトル量子化 ,  科学技術 ,  アルゴリズム ,  *画像処理 ,  *可視化
準シソーラス用語： データ再構成 ,  テクスチャ ,  ボリュームデータ ,  高精度 ,  *ボリューム可視化 ,  *脳イメージング , 【Automatic Indexing@JST】

著者キーワード (5件)： Volume visualization ,  Flag based classical hierarchical vector quantization ,  Perfect spatial hashing ,  Neural circuits ,  GPU

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ドメイン ,  脳イメージング ,  ボリューム ,  可視化手法