Помощь в написании студенческих работ
Антистрессовый сервис

Высокопроизводительная визуализация и морфологический анализ трехмерных данных в медицине и биологии

Диссертация: Высокопроизводительная визуализация и морфологический анализ трехмерных данных в медицине и биологии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Несмотря на значительное усложнение алгоритмов визуализации, возникающее с применением блочной декомпозиции данных, на практике её необходимость неизбежно возникает не только для визуализации больших массивов, но и для ускорения рендеринга, особенно на видеокартах с низкой производительностью. В связи с этим исследован метод блочной декомпозиции данных для объемной визуализации на основе… Читать ещё >

Высокопроизводительная визуализация и морфологический анализ трехмерных данных в медицине и биологии (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Обзор методов и программного обеспечения по теме исследования
    • 1. 1 Задача трехмерной визуализации скалярных и векторных полей в медицинской и научной визуализации в целом
    • 111. Визуализация скалярных полей, заданных на регулярных и нерегулярных сетках
  • Задание исследуемых полей на регулярных и нерегулярных сетках
    • 112. Задача трехмерной визуализации векторных полей в медицине и науке в целом
    • 113. Современные особенности данных и задач трехмерной визуализации в медицине
    • 1. 2 Программные комплексы для трехмерной визуализации в медицине
    • 12. 1 Пакеты программ для научной визуализации
    • 12. 2 Пакеты программ для медицинской визуализации
    • 12. 3 Исследовательские системы объемного рендеринга и системы реалистичного объемного рендеринга для фотореалистичной ЗБ-визуализации медицинских данных
    • 1. 3 Обзор методов прямого объемного рендеринга
    • 13. 1 Методы, разработанные до появления технологии вычислений на графических процессорах бросания снежков, сдвига-деформации, слоев
    • 13. 2 Основной современный метод объемной визуализации, метод испускания лучей — ray casting, и его возможности
    • 13. 3 Интегрирование классифицированных данных скалярного поля вдоль луча, как основная математическая модель объемного рендеринга
    • 1. 3 7 Проблема предклассификации и постклассификации
    • 13. 8 Мультиобъемный рендеринг
    • 13. 9 Многомерные передаточные функции
    • 13. 10 Основные технологии программирования GPU для задач объемного рендеринга
    • 1. 4 Количественное исследование морфологии 3D реконструкций биологических объектов
    • 1.
  • Выводы к Главе
  • Глава 2. Система методов высокопроизводительной 3D визуализации томограмм, их взаимодополняющая модификация и адаптация для графических процессоров
    • 2. 1 Модификация метода блочной декомпозиции для GPU с целью повышения производительности и сохранения качества объемного рендеринга
    • 2. 11 Решение проблемы сохранения необходимой степени непрерывности данных при декомпозиции данных на блоки
    • 2. 12 Анализ проблем реализации метода блочной декомпозиции в условиях сохранения высокого качества 3D визуализации
    • 2. 1 3 Методы устранения дефектов визуализации на границах блоков
    • 2. 1 4 Методы обеспечения моделирования локального освещения и теней при блочной декомпозиции данных
    • 2. 15 Методы ускорения вычислений для алгоритма испускания лучей в условиях блочной декомпозиции
    • 2. 16 Метод отсечения невыпуклой полигональной сеткой и ее использование в качестве ускоряющей структуры
    • 2. 17 Адаптация метода пропуска пустых областей для случая блочных данных
  • Оптимизация порядка обхода блоков
    • 2. 18 Экспериментальное исследование оптимальных размеров блока разбиения
    • 2. 2 Исследование методов количественной оценки качества 3D визуализации медицинских пространственных данных
    • 2. 2 1 Анализ основных видов дефектов (артефактов) в трехмерной визуализации томограмм
    • 2. 2 2 Природа артефактов фильтрации в объемном рендеринге
    • 2. 2 3 Обсуждение подходов к количественной оценке качества объемного рендеринга
    • 2. 2 3 Сравнительное исследование оценок, применяемых для оценки качества в смежных областях Пиковое отношение сигнала к шуму
    • 2. 2 4 Пример применения аналога PSNR для исследования распределение шума на изображении
    • 2. 3 Исследование проблемы повышения качества синтеза изображений методом испускания лучей
    • 2. 3 1 Стратегии повышения точности интегрирования вдоль луча
    • 2. 3 2 Зависимость качества и производительности
    • 2. 3 3 Оптимизация методов рендеринга
    • 2. 3 4 Сравнение методов рендеринга
    • 2. 3 5 Влияние способа интерполяции и локального освещения на уровень шума
    • 2. 3 6 Анализ эффективности суперсэмплинга в методе Ray Casting
    • 2. 3 7 Влияние шага луча на качество и производительность
    • 2. 3 8 Отслеживание артефактов рендеринга
    • 2. 3 9 Применение метрики SSIM в компьютерной графике
    • 2. 3 10 Способы количественной оценки артефактов фильтрации в объемном рендеринге
    • 2. 3 11 Возможность использования метрик PSNR и SSIM для выявления наличия артефактов фильтрации в объемном рендеринге
    • 2. 3 12 Выбор размера окна в SSIM для адекватной оценки качества изображения
    • 2.
  • Выводы к Главе
  • Глава 3. Разработка высокопроизводительного метода исследования морфологии биологических объектов
    • 3. 1 Метод сфер для анализа морфологии сложных биологических объектов в величинах SVR
    • 3. 11 Оценка локального SVR геометрических объектов в окрестности произвольной точки пространства
    • 3. 12 Вычисление объема геометрического тела методом Монте-Карло
    • 3. 13 Связь предложенного алгоритма вычисления объема интегрированием по поверхности с формулой Остроградского
    • 3. 14 Использование псевдо- и квазислучайных последовательностей чисел в
    • 3. 15 Алгоритм вычисления локального SVR на графических ускорителях и его реализация
    • 3. 2 Пример применения метода сфер для морфологического анализа и исследования локальных свойств астроцитов
    • 3. 2 1 Зависимость SVR от расстояния до синапса в отношении «синапс-астроцит»
    • 3. 2 2 Зависимость содержания EPR в астроците от расстояния до синапса
    • 3. 2 3 Зависимость SVR астроцита от расстояния до синапса
    • 3. 24 Зависимость содержания EPR в астроците от SVR астроцита
    • 3. 2 6 Оценка размера шипика
    • 3.
  • Выводы к Главе
  • Глава 4. Создание системы трехмерной визуализации медикобиологических данных
    • 4. 1 Функциональная характеристика системы 129 411 Синтез отображения данных несколькими методами одновременно

    4 12 Возможности работы с передаточными функциями и их развитие 130 4 13 Использование ортогональной и перспективной проекций в системе 131 4 14 Совместный рендеринг объемных данных и полигональной геометрии 131 4 15 Возможности мультиобъемного рендеринга, реализованные в системе 132 4 16 Возможности стереовизуализации в системе 133 4 17 Возможности работы с DICOM-форматом 134 4 18 Поддержка бинарного формата исходных данных 136 4 19 Вызов системы из программной строки

    4 110 Выделение области интереса на томограмме невыпуклой полигональной сеткой управляемой пользователем

    4 111 Вычисление объемов, заданных плоскими замкнутыми контурами

    4 1 12 Мультиплоскостная реконструкция (МПР) и инструменты измерений в 1пУо1э

    4 2 Архитектура программного комплекса

    42 1 Исследование рациональной организации шейдерной программы

    4 2 2 Схема работы подсистемы визуализации

    4 2 3 Основные программные модули системы

    4 3

    Выводы к Главе

Актуальность темы

исследования.

Наряду с объективной необходимостью постоянного роста темпов исследования, в современной медицине и биологии наблюдается резкий рост объема производимых трехмерных данных, нуждающихся в высокопроизводительных методах трехмерной визуализации, обработки, реконструкции и анализа.

Во многом причина резкого роста связана с перерастанием количества в качество: количественных характеристик применяемых приборов и вычислительной техники — в появление трехмерных технологий обработки, визуализации и исследования данных, и, на этой базе, в создание новых трехмерных методов человеко-машинного общения. Так, превращение компьютерной томографии (KT) в многосрезовую компьютерную томографию (МСКТ) с выходом в свет 320-срезового томографа (2007, Toshiba), способного выполнить томографию всего тела человека с толщиной среза менее 1 мм за время около 10−15 секунд, фактически поставило на поток получение данных для трехмерного моделирования пациента в медицине. Компания ШМ, мировой лидер производства суперЭВМ, в 2008;2009 стартовала и продолжает до сих пор проекты (Smarter Planet) по использованию 3D модели пациента, как основы его медицинской карты. В 2012 ЮМ стартовала проект по моделированию действия лекарств на 30-аватаре конкретного человека.

Увеличение производительности ЭВМ и производительности алгоритмов сделало возможным совмещенную обработку (fusion) и 3D реконструкцию сразу двух и более томограмм обычного объема в реальном времени, появились томографы ведущих мировых производителей способные совместно исследовать ЗО-реконструкции KT и ПЭТ (позитрон-эмиссионных) или KT и ОФЭКТ (однофотонных эмиссионных), или KT и ФМРТ (функциональных МРТ) томограмм. Неоценимую поддержку способны оказать технологии трехмерной реконструкции томограмм в медицинском образовании. Так, в США в мае 2011 года появилось экспериментальная модель виртуального анатомического стола (Anatomage Table, http://anatomage.com), базовой функцией которого является интерактивная 3D реконструкция пациента в полный рост по данным томографии. Появилась теоретическая возможность слить данные всех существующих методов диагностики в одной трехмерной модели пациента.

Сегодня существует довольно много подходов, развитых в работах следующих ученых: Klaus Engel, Bernhard Kainz, Daniel Ruijters, Stefan Guthe, Johanna Beyer, Vincent.

Vidal, Markus Hadwiger, Daniel Weiskopf, Thomas Ertl, Wolfgang Strasser, Byeonghun Lee, Jihye Yun, Jinwook Seo, Yeong-Gil Shin, Bohyoung Kim, Byonghyo Shim и др., позволяющих производить объёмную визуализацию в реальном времени с использованием вычислений на GPU. Мировой рынок предлагает в составе томографов несколько программных систем, обеспечивающих слияние и трехмерную визуализацию томограмм. Эти коммерческие системы используют наиболее производительные версии коммерческих 3D визуализаторов.

То же самое можно сказать о росте информационного потока и необходимости построения производительных методов его обработки в биологии. Наиболее критическое положение, из-за огромного объема данных, наблюдается в трехмерной обработке данных с электронного микроскопа с разрешением в единицы нанометров. В качестве примера объемов подлежащих обработке можно привести общедоступный Интернет-ресурс с данными электронной микроскопии фрагмента мозга мыши объемом в 12 терабайт (http://openconnectomeproject.org). Особенно ресурсоемкими здесь являются задачи морфологического анализа реконструированных клеток.

Несмотря на значительный прогресс в решении упомянутых выше задач существует и ряд нерешенных проблем:

• качественная трехмерная визуализация томограмм «привязана» сегодня к томографу из-за высоких требований к производительности рабочей станции, но недоступна рядовому врачу-клиницисту и, тем более, студенту, — необходим переход к программному обеспечению и технике массовой доступности без потери качества визуализации;

• объем томограмм, доступных для 3D реконструкции на GPU, ограничен размером памяти GPU (сегодня для массовых офисных видеокарт в продаже — это 1−2 GB), в то время как постоянный рост данных требует снятия ограничения на их объем и построения алгоритмов декомпозиции для параллельной поблочной обработки данных с сохранением всех возможностей и качества визуализации;

• несмотря на рост производительности и качества 3D визуализации отсутствует практика количественной оценки качества визуализации;

• существует несколько открытых и коммерческих программ для полуавтоматической трехмерной геометрической реконструкции клеток, но нет методов и программ для автоматизации детального морфологического анализа клетки, в то время как вычислительная сложность такого анализа в величинах SVR (Surface-to-Volume Ratio) пропорциональна квадрату числа вершин или.

2 с треугольников 0(п) при характерных значениях п~10 треугольников. 8.

Цели и задачи исследования.

Целью исследования является разработка теоретических основ систем синтеза изображений для трехмерных моделей человеко-машинного общения в реальном времени при анализе медицинских и биологических пространственных данных, а также разработка и исследование моделей и алгоритмов анализа данных в области морфологического анализа клеток мозга.

Поставленная цель требует решения следующих задач:

1) Провести анализ существующих методов трёхмерной визуализации в медицине, и науке в целом, анализ подходов к повышению качества и производительности 3D-визуализации.

2) Развить существующие методы для их взаимодополняющего применения в условиях бюджетных GPU и создания технологии ЗО-визуализации для массового применения в медицине, в том числе:

2.1) Разработать модификацию метода блочной декомпозиции гигавоксельных (более 10^ вокселей) данных для визуализации на GPU, сохраняющую возможности и качество визуализации недекомпозированных данных (возможность применения трикуби-ческой интерполяции, освещения, отбрасывания теней, пропуска пустых областей, различных условий интегрирования вдоль луча,.).

2.2) Развить методы повышения производительности 3D визуализации и подавления различного рода дефектов (артефактов) визуализации рациональные в условиях GPU.

2.3) Разработать метод количественной оценки качества визуализации для достижения требуемого качества и сравнения реальной (с соблюдением заданного качества) эффективности предлагаемых методов.

3) Разработать метод и алгоритмы морфологического анализа сложной реконструированной поверхности биологических объектов на примере глиальных клеток (астроцитов) головного мозга.

4) Разработать программный комплекс, реализующий предложенные методы на современных параллельных аппаратных архитектурах графических процессоров, и экспериментально исследовать эффективность методов.

Объектом исследования являются пространственные данные в медицине и биологи в форме томограмм существующих типов в формате DICOM, и в форме микрофотографий или сканов с электронного микроскопа и реконструированных по ним полигональных моделей клеток.

Предметом исследования являются методы и алгоритмы анализа и высококачественной визуализации медицинских пространственных данных, прежде всего данных томограмм, а также методы и алгоритмы морфологического анализа поверхностей и особенности алгоритмизации методов в условиях GPU.

Методы исследования.

Решение задач диссертационной работы базируется на: теоретических основах информатикиметодах обработки изображений и пространственных данныхтеории информацииметодах научной визуализации и компьютерной графикитеоретических основах аналитической геометриитеории вероятностейметодах параллельных вычислений.

Научная новизна работы заключается в том, что:

1) Выполнена модификация метода блочной декомпозиции данных в алгоритме Ray Casting, отличающаяся оптимальной последовательностью обхода блоков, использованием оптимизированных по объему вспомогательных структур метода пропуска пустых областей (empty space leaping), обеспечением возможности построения локального освещения и теней в сочетании с использованием таблиц предынтегрированного рендеринга.

2) Предложен и исследован новый метод устранения ошибок (артефактов) объёмной визуализации, отличающийся использованием таблиц предынтегрированного рендеринга в методе виртуальной выборки из данных при интегрировании вдоль луча.

3) Исследованы оценки качества (дефектов) изображения, принятые в теории сигналов, 2D и 3D сжатии, в оценке качества видео. На основе вычислительного эксперимента для 3 типов оценки (PSNR, SNR, SSIM) рекомендована, и адаптирована для задачи количественной оценки качества объёмной визуализации, логарифмическая оценка, подобная пиковому отношению сигнала к шуму (PSNR — Peak Signalto-Noise Ratio). На основе этой оценки проведено сравнительное исследование ряда методов построенных на основе алгоритма Ray Casting.

4) Предложен и исследован на примере геометрически сложных клеток мозга (астроцитов) высокопроизводительный метод морфологического анализа объекта, локально оценивающий эффективность взаимодействия со средой в каждой точке объекта величиной отношения площади к объёму (Surface-to-Volume Ratio) внутри пространства, ограниченного сферой заданного радиуса с центром в оцениваемой точке.

Результаты исследования имеют практическую значимость и как единый продукт (программный комплекс), и как отдельные компоненты, в частности, новый метод морфологического анализа поверхностей.

Программный комплекс, реализующий разработанные модели и алгоритмы, готов к практическому использованию в подсистемах 3D визуализации данных в медицине, биологии, физике, инженерном анализе. Программный комплекс используется: институтом прикладной физики РАН в задачах научной визуализациипроизводителем медицинского программного обеспечения ООО «ПО ВИДАР» в составе поставляемой им медицинской информационной системыв виде лабораторной работы по научной визуализации в учебно-методическом комплексе «Компьютерная графика», и может быть использован в учебном процессе вузов.

Решена биологическая задача исследования морфологии астроцитов мозга и связи морфологии астроцита с удалением от синапсов и с положением депо кальция в клетке.

Достоверность результатов работы подтверждена вычислительными экспериментами на общедоступных тестовых данных и замерами производительности визуализации на графических процессорах (видеокартах) различных классов.

Апробация работы и публикаций.

Основные результаты работы представлены и обсуждены на следующих конференциях: конференция «Технологии Microsoft в теории и практике программирования» (ИНГУ, 13−14 мая, 2010), конференция «Вычисления с использованием графических процессоров в биологии и биоинформатике» (МГУ, 24−25 мая 2010), конференция GraphiCon'2010 (20−24 сентября, Санкт-Петербург, Россия), работа заняла I место на конкурсе молодых учёных, конференция «Высокопроизводительные параллельные вычисления на кластерных системах» (1−3 ноября 2010 г, Пермь, Россия), конференция IADIS Multi Conference on Computer Science and Information Systems 2011 (Rome, Italy, 20 — 26 July 2011), конференция Proc. of Ш International Symposium Topical Problems of Biophotonics.

2011 (16−22 July 2011, St.-Petersburg — Nizhny Novgorod), конференция GraphiCon '2011 (26−30 сентября, Москва, Россия), конференция «Высокопроизводительные параллельные вычисления на кластерных системах» (1−3 ноября 2011 г, Нижний Новгород, Россия), конференция IADIS Multi Conference on Computer Science and Information Systems.

2012 (Lisbon, Portugal 21 — 23 July 2012), конференция SIGGRAPH 2012 — 39th annual conference on Computer graphies and interactive techniques (5−9 August 2012), конференция «Высокопроизводительные параллельные вычисления на кластерных системах» (26−28 ноября 2012 г, Нижний Новгород, Россия).

Работа также прошла конкурсный отбор для участия в программе У.М.Н.И. К. Основные результаты исследования опубликованы в 13 работах, из них 2 -публикации в изданиях, рекомендованных ВАК.

Структура диссертации.

Диссертация состоит из введения, четырёх глав, заключения, списка литературы из 160 наименований. Общий объем — 168 стр.

4.3. Выводы к Главе 4.

Исследованы функциональные характеристики системы трехмерной визуализации медикобиологических данных и методы их эффективной реализации на широком спектре современных графических процессоров.

Предложена эффективная по нескольким критериям (межплатформенности, производительности, возможности использования на бюджетных версиях GPU) организация шейдерной части программ системы: хранение исходных, промежуточных данных и ускоряющих структур в текстурах, прежде всего 3Dиспользование макросов вместо uniform-переменных и для ситуационного включения-исключения блоков кодадвухчастная организация шейдерной программы. Предложенные решения позволяют автоматически адаптировать объем исполняемой части шейдерной программы под текущий расчетный случай.

Создан программный комплекс, реализующий разработанные модели и алгоритмы, готовый к широкому практическому использованию в подсистемах 3D визуализации данных в медицине, биологии, физике, инженерном анализе.

Программный комплекс является межплатформенным по отношению к GPU, многократно проверен на практических задачах, внедрен и используется: институтом прикладной физики РАН — в задачах научной визуализацииотечественным производителем медицинского программного обеспечения ООО «ПО ВИДАР» — в составе разработанной и поставляемой им медицинской информационной системы.

Заключение

.

В результате исследований проведенных в настоящей диссертационной работе выполнено и установлено следующее:

I. В части высокопроизводительной визуализации трехмерных данных в медицине и биологии.

• Несмотря на значительное усложнение алгоритмов визуализации, возникающее с применением блочной декомпозиции данных, на практике её необходимость неизбежно возникает не только для визуализации больших массивов, но и для ускорения рендеринга, особенно на видеокартах с низкой производительностью. В связи с этим исследован метод блочной декомпозиции данных для объемной визуализации на основе алгоритма испускания лучей (Ray Casting). Исследованы и реализованы возможности развития этого метода, позволяющие реализовать и усилить все лучшие методы повышения качества и производительности 3D визуализации на примере медицинских данных.

• На основе исследования выбран метод количественной оценки артефактов DVR в методе испускания лучей, вызванных недостаточно малой длиной шага луча, в форме подобной пиковому отношению сигнала к шуму (PSNR — Peak Signal-to-Noise Ratio). Использование отношения PSNR приводит уровень шума к логарифмической шкале в дБ, величины от 30 до 40 дБ, соответствуют приемлемому качеству синтеза изображения.

• Исследованы причины артефактов, возникающих при трилинейной интерполяции, и подходы к их количественной оценке с участием оценки структурного подобия двух изображений SSEM.

• Предложен и исследован новый метод устранения ошибок (артефактов) объёмной визуализации, отличающийся использованием предынтегрированного рендеринга в методе виртуальной выборки из данных при интегрировании вдоль луча, являющийся оптимальным для класса случаев визуализации, где используется трикубическая интерполяция и локальное освещение.

• Выполнено подробное исследование по критериям производительность-качество всех построенных модификаций методов ЗО-визуализации на основе алгоритма Ray Casting (RC). Хотя в ходе экспериментов не было выявлено алгоритма RC, оптимального с точки зрения качества и производительности в любых условиях визуализации, метод оценки показал целесообразность оптимизации как таковой, поскольку неоптимизированный подход UDVR уступает остальным подходам в любых условиях визуализации, несмотря на свою высокую производительность.

• Проведено исследование оценки качества визуализации на основе PSNR и индекса структурного сходства (SSIM, structure similarity).

• Применив исследованные в работе подходы к оптимизации рендеринга блочных данных, удалось построить программный комплекс 3D визуализации рекордной производительности, добиться интерактивной и высококачественной объёмной визуализации томограмм размером порядка 2 Гб (512×512×5382 вокселя). Результаты экспериментов показали готовность программного комплекса к использованию в составе виртуального анатомического стола.

II. В части морфологического анализа трехмерных данных в медицине и биологии.

• Предложен метод сфер, который позволяет проводить локальное исследование трехмерной морфологии биологических объектов в величинах отношения площади к объёму (SVR), характеризуя каждую точку поверхности объекта на основании морфологии окрестности этой точки, заданной радиусом.

• Предложен метод численного интегрирования для вычисления объёма, отсекаемого сферой от полигональной модели биологического объекта, который обладает в 4.5 раза большей производительностью по сравнению с традиционным методом Монте-Карло.

• Выполнено распараллеливание алгоритма на графических ускорителях (GPU) позволило добиться 60-кратного роста производительности метода сфер (и 270-кратного по сравнению с CPU вариантом традиционного метода Монте-Карло).

• Возможности разработанного программного обеспечения (ПО) метода проверены на исследовании модели реального астроцита, заданного поверхностью из порядка п=105 треугольников. При вычислительной трудоемкости задачи 0(п) время анализа SVR для всех вершин в эксперименте составило менее 5 мин. Подтверждена работоспособность ПО, получены новые биологические результаты.

В итоге, разработаны теоретические основы создания систем трехмерной визуализации в реальном времени медицинских и биологических пространственных данных, а также основы создания высокопроизводительных методов компьютерного исследования клеток мозга на основе их морфологического анализа. В том числе получены следующие новые результаты:

1) Выполнена модификация метода блочной декомпозиции данных в алгоритме Ray Casting, отличающаяся оптимальной последовательностью обхода блоков, использованием оптимизированных по объему вспомогательных структур метода пропуска пустых областей, обеспечением возможности построения локального освещения и теней, использования предынтегрированного рендеринга.

2) Предложен и исследован новый метод устранения артефактов объёмной визуализации, отличающийся использованием, в методе виртуальной выборки из данных при интегрировании вдоль луча, предынтегрированного рендеринга в сочетании с линейной и кубической интерполяцией виртуальных выборок.

3) Исследованы оценки качества (дефектов) изображения, принятые в теории сигналов, 2D и 3D сжатии, в оценке качества видео. На основе вычислительного эксперимента для 3 типов оценки (PSNR, SNR, SSIM) рекомендована, и адаптирована для задачи количественной оценки качества объёмной визуализации, логарифмическая оценка, подобная пиковому отношению сигнала к шуму (PSNR — Peak Signal-to-Noise Ratio). На основе этой оценки проведено сравнительное исследование ряда методов построенных на основе алгоритма Ray Casting.

4) Предложен и исследован метод морфологического анализа полигональной модели геометрически сложного объекта, локально оценивающий эффективность взаимодействия со средой в каждой точке поверхности объекта величиной отношения площади к объёму (Surface-to-Volume Ratio) внутри пространства, ограниченного сферой заданного радиуса с центром в оцениваемой точке.

5) Создан программный комплекс, реализующий разработанные модели и алгоритмы, готовый к практическому использованию в подсистемах 3Dи стерео-визуализации данных в медицине, биологии, физике, инженерном анализе. Комплекс используется: институтом прикладной физики РАН в задачах научной визуализациипроизводителем медицинского программного обеспечения ООО «ПО ВИДАР» в составе поставляемой им медицинской информационной системывнедрен в учебный процесс ННГУ им. Н. И. Лобачевского.

Показать весь текст

Список литературы

  1. Cabrai В. and Leedom С., Imaging vector fields using line integral convolution, in Proceedings of SIGGRAPH 93, pages 263−270, 1993.
  2. Rezk-Salama C., Hastreiter P., Teitzel C., and Ertl. T. Interactive exploration of volume line integral convolution based on 3D-texture mapping. In IEEE Visualization'99, pages 233 240, 1999.
  3. Shen H.-W., Li G.-S., and Bordoloi U. Interactive visualization of threedimensional vector fields with flexible appearance control. IEEE Transactions on Visualization and Computer Graphics, 10(4):434—445, 2004.
  4. Turk G. and Banks D. Image-guided streamline placement. In Proceedings of ACM SIGGRAPH '96, pages 453-Ф60, 1996.
  5. Jobard В. and Lefer W. Creating evenly-spaced streamlines of arbitrary density, In Visualization in Scientific Computing, pages 43−56, 1997.
  6. Verma V., Kao D. T., and Pang A. A flow-guided streamline seeding strategy, In IEEE Visualization, pages 163−170, 2000.
  7. Hernell F., Ljung P. and Ynnerman A., Local Ambient Occlusion in Direct Volume Rendering, 2010, IEEE transactions on visualization and computer graphics, (16), 4, 548−559.
  8. Hadwiger M., Sigg C., Scharsach H., Buhler K., Gross M.- Real-Time Ray-Casting and Advanced Shading of Discrete Isosurfaces- Volume 24, Issue 3, pages 303−312, September 2005
  9. Tarini M., Cignoni P., and Montani C., «Ambient Occlusion and Edge Cueing to Enhance Real Time Molecular Visualization,» IEEE Trans. Visualization and Computer Graphics, vol. 12, no. 5, pp. 1237−1244, Sept./Oct. 2006.
  10. A.J., «Vicinity Shading for Enhanced Perception of Volumetric Data,» Proc. IEEE Conf. Visualization, pp. 355−362, 2003.
  11. Shanmugam P. and Arikan O., «Hardware Accelerated Ambient Occlusion Techniques on GPUs,» Proc. Conf. Interactive 3D Graphics and Games, pp. 73−80, 2007.
  12. Sattler M., Sariette R., Zachmann G., and Klein R., «Hardware-Accelerated Ambient Occlusion Computation,» Proc. Conf. Vision, Modeling, and Visualization, pp. 119−135, http://www.gabrielzachmann.org/, Nov. 2004.
  13. J.T., «The Rendering Equation,» Proc. ACM SIGGRAPH, vol. 20, no. 4, pp. 143 150, 1986.
  14. Wyman С., Parker S., Shirley P., and Hansen C., «Interactive Display of Isosurfaces with Global Illumination,» IEEE Trans. Visualization and Computer Graphics, vol. 12, no. 2, pp. 186 196, Mar /Apr. 2006.
  15. Rezk-Salama C, «GPU-Based Monte-Carlo Volume Raycasting,» Proc. Conf. Pacific Graphics, 2007.
  16. Weiskopf D., Engel K., and Ertl Т., «Interactive Clipping Techniques for Texture-Based Volume Visualization and Volume Shading,» IEEE Trans. Visualization and Computer Graphics, vol. 9, no. 3, pp. 298−312, July-Sept. 2003.
  17. Magnor M.A., Hildebrand K., Lintu A., and Hanson A.J., «Reflection Nebula Visualization,» Proc. IEEE Conf Visualization, pp. 255−262, 2005.
  18. Kahler R, Wise J., Abel Т., and Hege H.-C., «GPU-Assisted Raycasting for Cosmological Adaptive Mesh Refinement Simulations,» Proc. Conf. Volume Graphics, pp. 103−110, 2006.
  19. Svakhine N.A. and Ebert D.S., «Interactive Volume Illustration and Feature Halos,» Proc. 11th Pacific Conf. Computer Graphics and Applications (PG '03), p. 347, 2003.
  20. Bruckner S. and Groller E., «Enhancing Depth-Perception with Flexible Volumetric Halos,» IEEE Trans. Visualization and Computer Graphics, vol. 13, no. 6, pp. 1344−1351, Nov./Dec. 2007.
  21. Saupe D., Kuska J.-P., Compression of isosurfaces for structured volumes, in: Proceedings of Vision, Modeling and Visualization, 2001, pp. 333−340.
  22. И.А., Интерактивная визуализация векторных полей на распределенных вычислительных системах- математическое моделирование 2008 год, том 20, номер 6, стр. 3−14
  23. Gao J., Huang J., Johnson С. R., and Atchley S. Distributed data management for large volume visualization. In Proceedings IEEE Visualization 2005, pages 183−189. IEEE, 2005.
  24. Gao J., Huang J., Shen H.-W., and Kohl J. A. Visibility culling using plenoptic opacity functions for large volume visualization. In Proceedings IEEE Visualization 2003, pages 341 348. IEEE, 2003.
  25. Guthe S. and Strasser W. Advanced techniques for high quality multiresolution volume rendering. In Computers & Graphics, volume 28, pages 51−58. Elsevier Science, 2004.
  26. Guthe S., Wand M., Gonser J., and StraBer W. Interactive rendering of large volume data sets. In Proceedings IEEE Visualization 2002, pages 53−60, 2002.
  27. Harris S. L. Postmortem magnetic resonance images of the injured brain: effective evidence in the courtroom. Forensic Science International, 50:179−185, 1991.
  28. Dim I. and Park S. Wavelet-based 3d compression scheme for interactive visualization of very large volume data. Computer Graphics Forum, 18(1):3−15, 1999.
  29. В. Д., Кармазановский Г. Г., Цвиркун В. В. и др. Новые возможности спиральной компьютерной томографии виртуальная хирургия // Медицинская визуализация. 2000. № 2. С. 15−18.
  30. Е. Ю., Игнатьев Ю. Т., Скрипкин Д. А. и др. Виртуальная колоноскопия: методика проведения // Радиология — практика. 2009. № 2. С. 21−27.
  31. С. А., Михайлов А. Н, Основы КТ-визуализации Часть 2. Постпроцессинговая обработка изображений, «РАДИОЛОГИЯ ПРАКТИКА» № 4 2011, стр. 52−65
  32. С. А., Михайлов А. Н. Основы КТ-визуализации. Часть 1. Просмотр и количественная оценка изображений // Радиология — практика. 2011. № 3 С. 53−61.
  33. Calhoun P. S., Kuszyk В. S., Heath D. G. et al. Three-dimensional volume rendering of spiral CT data, theory and method // Radiogr. 1999. V. 19. № 3. P. 745−764.
  34. Engel K., Hadwiger M., Kniss J. M., Rezk-Salama С, 2004- Real-Time Volume Graphics, A.K. Peters, New York, USA.
  35. В., Grabner M., Bornik A., Hauswiesner S., Muehl J., Schmalstieg D., 2009. Ray Casting of Multiple Volumetric Datasets with Polyhedral Boundaries on Manycore GPUs, Proceedings of ACM SIGGRAPH Asia 2009, Volume 28, No 152.
  36. R., 2010, High Definition Volume Rendering from Fovia, on the CPU, http ://www. vizworld. com/2010/10/high-definition-volume-rendering-fovia-cpu/
  37. Sharp Т., Robertson D., and Criminisi A., Volume Rendering on Server GPUs for Enterprise-Scale Medical Applications, Microsoft Tech Report MSR-TR-2010−72, 10 June 2010
  38. Yuan X., Nguyen M. X., Xu H. and Chen В., Hybrid Forward Resampling and Volume Rendering, Proceedings of the 2003 Eurographics/IEEE TVCG Workshop on Volume graphics (VG'03), Tokyo, Japan, 7−8 June 2003, pages 119−127.
  39. Mueller K. and Crawfis R., «Eliminating popping artifacts in sheet buffer-based splatting», Proc. Visualization'98, pp. 239−245, 1998.
  40. Lacroute P. and Levoy M., «Fast volume rendering using a shear-warp factorization of the viewing transformation», Proc. SIGGRAPH '94, pp. 451- 458, 1994.
  41. Cabral B., Cam N., and Foran J., «Accelerated volume rendering and tomographic reconstruction using texture mapping hardware», 1994 Symposium on Volume Visualization, pp. 91−98.
  42. David, Slice-based volume rendering using Pixel Bender, Published: Jul 20th, 2009, http://www.derschmale.com/2009/07/20/slice-based-volume-rendering-using-pixel-bender/
  43. Kwan-Liu M., Lum E. B., Muraki S., Recent advances in hardware-accelerated volume rendering, Computers & Graphics, Volume 27, Issue 5, October 2003, Pages 725−734
  44. Zirbes R., Scientific Visualization: Volume Surface Rendering, http://johnrichie.com/V2/richie/isosurface/volume.html
  45. Wintermark M., Sincic R., Sridhar D. et al. Cerebral perfusion CT: tech nique and clinical applications //J. Neuroradiol. 2008. V. 35. № 5. P. 253−260.
  46. Goldin J. G., Brown M. S., Petkovska I. Computer-aided diagnosis in lung nodule assessment // J. Thorac Imaging. 2008. V. 23. № 2. P. 97−104.
  47. D., 2000. Data explosion: the challenge of multidetector-row CT. In IEEE Transactions on European Juornal of Radiology. Vol. 36, Issue 2, pp 74−80.
  48. L., 2007. Efficient Medical Volume Visualization: An Approach Based on Domain Knowledge. Linkoping Studies in Science and Technology. Dissertations, 0345−7524 — No. 1125.
  49. L., 1999. Semi-automatic generation of transfer functions for direct volume rendering. A Thesis Presented to the Faculty of the Graduate School of Cornell University in Partial Fulfillment of the Requirements for the Degree of Master of Science.
  50. Keller A. and Heidrich W. Interleaved sampling. In Proceedings of the 12th Eurographics Workshop on Rendering Techniques, pages 269−276, 2001.
  51. Klein T., Strengert M., Stegmaier S., and Ertl T. Exploiting frame-to-frame coherence for accelerating high-quality volume raycasting on graphics hardware. In Proceedings IEEE Visualization 2005, pages 223−230, 2005.
  52. Kraus M. and Ertl T. Adaptive texture maps. In Eurographics/SIGGRAPH Workshop on Graphics Hardware, pages 7−15, 2002.
  53. Kruger J. and Westermann R. Acceleration techniques for gpu-based volume rendering. In Proceedings IEEE Visualization 2003, pages 287−292, 2003.
  54. LaMar E. C., Hamann B., and Joy K. I. Multiresolution techniques for interactive texture-based volume visualization. In Proceedings IEEE Visualization 1999, pages 355−362, 1999.
  55. Ljung P. Adaptive sampling in single pass, GPU-based raycasting of multiresolution volumes. In Proceedings Eurographics/IEEE Workshop on Volume Graphics 2006, pages 3946,134,2006.
  56. S., Groller M. E., 2009, Instant volume visualization using maximum intensity difference accumulation. Computer Graphics Forum, 28(3):775−782, 2009.
  57. Jannin P., Fleig O.J., Seigneuret E., Mor X., Raimbault M., and France R.C., «Multimodal and Multi Informational Neuro-Navigation,» Proc. Conf. Computer Assisted Radiology and Surgery (CARS), pp. 167−172, 2000.
  58. Beyer J., Hadwiger M., Wolfsberger S., and Buhler K., «High-Quality Multimodal Volume Rendering for Preoperative Planning of Neurosurgical Interventions,» IEEE Trans. Visualization and Computer Graphics, vol. 13, no. 6, pp. 1696−1703, Nov./Dec. 2007.
  59. Mensmann J., Ropinski T., Hinrichs K. H., An advanced volume raycasting technique using gpu stream processing, In Computer Graphics Theory and Applications (2010), pp. 190−198.
  60. Vidal V., Mei X., Decaudin P., 2008, Simple Empty-Space Removal for Interactive Volume Rendering, Journal of Graphics, GPU, and Game Tools, Volume 13, Issue 2, pp. 21−36
  61. MEISSNER M., GUTHE S., STRASSER W.: Interactive lighting models and pre-integration for volume rendering on PC graphics accelerators. In Proceedings of Graphics Interface 2002(2002).
  62. Beyer J., Hadwiger M., Moller T., Fritz L., Smooth Mixed-Resolution GPU Volume Rendering, IEEE International Symposium on Volume and Point-Based Graphics (VG '08) — 2008. pp. 163−170.
  63. Etlik О., Temizoz О., Dogan A., Kayan M., Arslan H., and Unal O. Three-dimensional volume rendering imaging in detection of bone fractures. European Journal of General Medicine, 1:48−52, 2004.
  64. Fischman S. L. The use of medical and dental radiographic identification of unknown human remains. Journal of Forensic Sciences, 31:145−146, 1997.
  65. Ljung P., Lundstrom C., and Ynnerman A. Multiresolution interblock interpolation in direct volume rendering. In Proceedings Eurographics/IEEE Symposium on Visualization 2006, pages 259−266, 2006.
  66. Ljung P., Lundstrom C., Ynnerman A., and Museth K. Transfer function based adaptive decompression for volume rendering of large medical data sets. In Proceedings IEEE Volume Visualization and Graphics Symposium 2004, pages 25−32, 2004.
  67. Mahesh M. Search for isotropic resolution in CT from conventional through multiple-row detector. Radiographics, 22:949−962, 2002.
  68. Nguyen K. G. and Saupe D. Rapid high quality compression of volume data for visualization. Computer Graphics Forum, 20(3), 2001.
  69. S., Karras T. (NVIDIA Research, Helsinki), Efficient Sparse Voxel Octrees, IEEE Transactions on Visualization and Computer Graphics, vol. 17, no. 8, 2011, pp. 1048−1059
  70. D., Vilanova A., 2006, Optimizing GPU Volume Rendering, Li Journal of WSCG'06 14(1−3), pp. 9−16.
  71. Scharsach H.: Advanced GPU Raycasting. In Proceedings of CESCG '05 (2005), pp. 67 -76.
  72. Ruijters D., Bart M. ter Romeny H., Suetens P., 2008. Efficient GPU-Based Texture Interpolation using Uniform B-Splines, In IEEE Transactions on Journal of Graphics, GPU, & Game Tools, Vol. 13, No. 4, pp 61−69.
  73. Jean-Francois H., Marchesin S., Dischler J., Mongenet C., 2008, Second order pre-integrated volume rendering // IEEE Pacific Visualization Symposium, March 2008, pp. 9 16
  74. M., Kratz A., Sigg C., Buhler K., 2006, GPU-Accelerated Deep Shadow Maps for Direct Volume Rendering, Proceedings of the 21st ACM SIGGRAPH/EUROGRAPHICS symposium on Graphics hardware, September 03−04, 2006, Vienna, Austria
  75. Neubauer A., Mroz L., Wolfsberger S., Wegenkittl R., Forster M.-T., and Buhler K., «Steps—An Application for Simulation of Transsphenoidal Endonasal Pituitary Surgery,» Proc. IEEE Conf. Visualization 2004, pp. 513−520, Oct. 2004.
  76. Langer M.S. and Bulthoff H.H., «Perception of Shape from Shading on a Cloudy Day,» Technical Report 73, Max-Planck Institut fur biologische Kybernetik, Oct. 1999.
  77. Phong B T., «Illumination for Computer-Generated Images,» PhD dissertation, The Univ. of Utah, 1973.
  78. J.F., «Models of Light Reflection for Computer Synthesized Pictures,» ACM SIGGRAPH Computer Graphics, vol. 11, no. 2, pp. 192−198, 1977.
  79. Jensen H.W., Realistic Image Synthesis Using Photon Mapping, A.K. Peters, Ltd., 2001.
  80. Cerezo E., Perez-Cazorla F., Pueyo X., Seron F., and Sillion F., «A Survey on Participating Media Rendering Techniques,» The Visual Computer, http://artis.inrialpes.fr/Publications/2005/CPPSS05, 2005.
  81. Behrens U. and Ratering R., «Adding Shadows to a Texture-Based Volume Renderer,» Proc. IEEE Symp. Volume Visualization, pp. 39−46, 1998.
  82. Oliver W. R., Chancellor A. S., Soitys J., Symon J., Cullip T., Rosenman J., Hellman R., Boxwala A., and Gormley W. Three-dimensional reconstruction of a bullet path: validation by computed radiography. Journal of Forensic Sciences, 40:321−324, 1995.
  83. Ros P. R., Li K. C., Vo P., Baer H., and Staab E. V. Preautopsy magnetic resonance imaging: initial experience. Magnetic Resonance Imaging, 8:303−308, 1990.
  84. Stegmaier S., Strengert M., Klein T., and Ertl T. A simple and flexible volume rendering framework for graphics-hardware-based raycasting. In Eurographics/IEEE Volume Graphics Symposium. Eurographics, 2005.
  85. Sylvan E. CT-based measurement of lung volume and attentuation of deceased. Master’s thesis, Linkoping University, 2005.
  86. Weiler M., Westermann R., Hansen C., Zimmerman K., and Ertl Т. Level-of-detail volume rendering via 3d textures. In Proceedings IEEE Volume Visualization and Graphics Symposium 2000, pages 7−13. ACM Press, 2000.
  87. L., «Footprint evaluation for volume rendering», SIGGRAPH'90, pp. 367−376, 1990.
  88. Mueller K., Shareef N., Huang J., and Crawfis R., «High-quality splatting on rectilinear grids with efficient culling of occluded voxels», IEEE Trans. Vis. and Сотр. Graph., vol. 5, no. 2, pp. 116−134, 1999.
  89. Kniss J., Premoze S., Hansen C., and Ebert D., «Interactive Translucent Volume Rendering and Procedural Modeling,» Proc. IEEE Conf. Visualization, pp. 109−116, 2002.
  90. Desgranges P., Engel K., and Paladini G., «Gradient-Free Shading: A New Method for Realistic Interactive Volume Rendering,» Proc. Conf. Vision, Modelling, and Visualization, Nov. 2005.
  91. Hernell F., Ljung P., and Ynnerman A., «Efficient Ambient and Emissive Tissue Illumination Using Local Occlusion in Multiresolution Volume Rendering,» Proc. Eurographics/IEEE-VGTC Symp. Volume Graphics, 2007.
  92. Zhukov S., Inoes A., and Kronin G., «An Ambient Light Illumination Model,» Rendering Techniques, G. Drettakis and N. Max, eds., pp. 45−56, Springer-Verlag Wien, 1998.
  93. Iones A., Krupkin A., Sbert M., and Zhukov S., «Fast, Realistic Lighting for Video Games,» IEEE Computer Graphics and Applications, vol. 23, no. 3, pp. 54−64, May 2003.
  94. Bruckner S., Grimm S., Kanitsar A., and Groller M.E., «Illustrative Context-Preserving Volume Rendering,» Proc. Euro Vis Conf., pp. 69−76, May 2005.
  95. Max N., «Optical Models for Direct Volume Rendering,» IEEE Trans. Visualization and Computer Graphics, vol. 1, no. 2, pp. 99−108, June 1995.
  96. Fairchild M.D., Color Appearance Models, Addison Wesley Longman, Inc., 1998.
  97. Fout N., Ma K.-L., 2007, Transform Coding for Hardware-accelerated Volume Rendering, Visualization and Computer Graphics, Volume: 13, Issue: 6, Page (s): 1600 1607
  98. Lum E. В., Wilson В., and Ma K.-L.- High-Quality Lighting and Efficient Pre-Integration for Volume Rendering- Joint EUROGRAPHICS IEEE TCVG Symposium on Visualization (2004)
  99. Ammann L., Genevaux O., Dischler JM, 2010: Hybrid Rendering of Dynamic Heightfields using Ray-Casting and Mesh Rasterization- Proceeding GI '10 Proceedings of Graphics Interface 2010, pp 161−168
  100. Kniss J. M., Interactive volume rendering techiques, A thesis submitted to the faculty of the University of Utah in partial fulfillment of the requirements for the degree of Master of Science, Department of Computer Science, May 2002
  101. Correa C., Size-based Transfer Functions: A New Volume Exploration Technique, IEEE Transactions on Visualization and Computer Graphics,: Nov.-Dec. 2008, Volume: 14, Issue: 6, Page (s): 1380 1387
  102. H., Белокаменская А., Стерео-визуализация научных и медицинских объемных данных трассировкой лучей в реальном времени // Материалы конференции ГрафиКон'2010, 20−24 сентября, Санкт-Петербург, Россия
  103. Knoll A., Hijazi Y., Westerteiger R, Schott M., Hansen С. and Hagen H., 2009, Volume Ray Casting with Peak Finding and Differential Sampling- IEEE transactions on visualization and computer graphics, vol. 15, no. 6, pp 1571- 1578.
  104. Engel K., Kraus M., Ertl Т., High-quality pre-integrated volume rendering using hardware-accelerated pixel shading // In Proc. ACM SIGGRAPH/EUROGRAPHIC S workshop on Graphics hardware (HWWS '01), 9−16.
  105. Witcher MR, Kirov SA, Harris KM, 2006, Plasticity of perisynaptic astroglia during synaptogenesis in the mature rat hippocampus. Glia 55: 13−23, 2006.
  106. T.N., 2001, Analysis of fractal dimension of 02A glial cells differentiating in vitro. Methods, Volume 24, Number 4, August 2001, pp. 331−339(9)
  107. Xiao L., Cao Y.- An Adaptive Sampling Based Parallel Volume Rendering Algorithm, Virtual Reality and Visualization (ICVRV), 4−5 Nov. 2011, pp: 158−163
  108. Gobbetti E., Marton F., Antonio J.I.G., A single-pass GPU ray casting framework for interactive out-of-core rendering of massive volumetric datasets, The Visual Computer, July 2008, Volume 24, Issue 7−9, pp 797−806
  109. CANHAM P.B., and BURTON A.C. 1968. Distribution of size and shape in populations of normal human red cells// Circ. Res. 1968, 22(3): 405−422.
  110. E., Soldea O., Rivlin E.- 2007. A comparison of Gaussian and mean curvature estimation methods on triangular meshes of range image data, Computer Vision and Image Understanding, Volume 107, Issue 3, September 2007, Pages 139−159
  111. Nag S. Morphology and properties of astrocytes (Review) // Methods Mol. Biol. 2011- 686: 69−100.
  112. Sofroniew M., Vinters H. Astrocytes: biology and pathology (Review) // Acta Neuropathology (2010) 119: 7−35
  113. Kirillin M, Konig К, Shakhova N, Tromberg B, and Semyanov A: «Optical bioimaging and neuroimaging: from whole-body inspection to brain sensing «, J Biophotonics, 3(12), 741−2 (2010)
  114. И. В. Ультраструктурный анализ методом объёмной реконструкции обратимой ретракции дендритных шипиков в поле САЗ гиппокампа гибернирующих сусликов / Дисс. на соиск. степ. канд. биол. наук, 2008. 131с.
  115. Н.И., Турлапов В. Е. Подходы к оптимизации GPU-алгоритма volume raycasting для применения в составе виртуального анатомического стола // Scientific Visualization, 2012, Т.4, № 2. С.21−56 (http://sv-journal.com/2012−2/03.php?lang=ru)
  116. К. М., and Weinberg R. J. Ultrastructure of Synapses in the Mammalian Brain // Cold Spring Harbor Perspectives in Biology, online February 21, 2012. P. l-30 (http://synapses.clm.utexas.edu/)
  117. Genoud C., Quairiaux С, Steiner P., Hirling H., Welker E, Knott G. W. Plasticity of Astrocytic Coverage and Glutamate Transporter Expression in Adult Mouse Cortex // Issue of PLoS Biology. November 2006.
  118. Amanatides J., Woo A., 1987. A Fast Voxel Traversal Algorithm for Ray Tracing. In Proc. EG 87, pages 3−10. Eurographics Association.
  119. S., Bruckner S., Kanitsar A., Groller E., 2004. Memory Efficient Acceleration Structures and Techniques for CPU-based Volume Raycasting of Large Data. Proceedings of the IEEE Symposium on Volume Visualization and Graphics 2004. pp 1 8.
  120. Kruger J., Potter K., MacLeod R. S., and Johnson C., 2004. Uvf Unified Volume Format: A General System for Efficient Handling of Large Volumetric Datasets. IEEE Conf Inf Vis. 2008- pp 19−26.
  121. Marchesin S., Mongenet C. and Dischler J.-M., 2008. Multi-GPU Sort-Last Volume Visualization. Eurographics Symposium on Parallel Graphics and Visualization (2008), pp. 1−8
  122. D., Inoa F., Hagiharaa K., 2008: A decompression pipeline for accelerating out-of-core volume rendering of time-varying data- Computers & Graphics, Volume 32, Issue 3, June 2008, Pages 350−362
  123. Mei?ner M., Huang J., Bartz D., Mueller K., Crawfis R., 2000, A Practical Evaluation of Popular Volume Rendering Algorithms, WS '00 Proceedings of the 2000 IEEE symposium on Volume visualization, pp. 81 90
  124. Swan J. E., Yagel R. Slice-Based Volume Rendering // Ohio State University Technical Report OSU-ACCAD-1/93-TRI, January 1993.
  125. Guetat A., Ancel A., Marchesin S., Dischler J.-M. Pre-integrated Volume Rendering with Non-Linear Gradient Interpolation // IEEE Trans Vis Comput Graph, 16 (6), 2010, 1487−94.
  126. Max N., Hanrahan P., and Crawfis R. Area and volume coherence for efficient visualization of 3D scalar functions // In Proceedings of the 1990 workshop on Volume visualization (WS '90), 27−33.
  127. C., Hadwiger M., 2005- Fast Third-Order Texture Filtering // In GPU Gems 2, Volume 2,313−318.
  128. Ng R., Mark В., Ebert D., 2009 Real-Time Programmable Volume Rendering, http ://graphics. Stanford. edu/papers/rtprogvr/rtprogvr.pdf
  129. Tang W., Yao L., Yang J., Qin H., An adaptive sampling algorithm based on vector field for medical volume rendering, APVIS '07. 2007 6th International Asia-Pacific Symposium on 57 Feb. 2007 Page (s): 113 120
  130. Boada I., Navazo I., and Scopigno R. Multiresolution volume visualization with a texture-based octree. The Visual Computer, 17:185−197, 2001.
  131. Bajaj C., Ihm I., and Park S. 3D RGB image compression for interactive applications. ACM Transactions on Graphics, 20(1): 10−38, January 2001.
  132. Roettger S., Ertl Т. A two-step approach for interactive pre-integrated volume rendering of unstructured grids. In Proceedings of the IEEE Symposium on Volume Visualization and Graphics (2002), pp. 23−28.
  133. Kniss J., Premoze S., Ikits M., Lefohn A., Hansen C., Praun E.: Gaussian transfer functions for multi-field volume visualization. In Proceedings of IEEE Visualization (2003), pp. 497−504.
  134. Roettger S., Guthe S., Weiskopf D., Ertl Т., Strasser W.: Smart hardware-accelerated volume rendering. In EURO-GRAPHICS/IEEE Symposium on Visualization (2003), pp. 231 238.
  135. Rottger S., Kraus M., Ertl Т.: Hardware-accelerated volume and isosurface rendering based on cell projection. In Proceedings of IEEE Visualization. (2000), pp. 109−116.
  136. Stein C., Backer В., Max N.: Sorting and hardware assisted rendering for volume visualization. In Symposium on Volume Visualization (1994), pp. 83−90.
  137. Sherbondy A., Houston M., Napel S.: Fast volume segmentation with simultaneous visualization using programmable graphics hardware. In Proceedings of IEEE Visualization (2003), pp. 171−176.
  138. Schulze J. P., Kraus M., Lang U., Ertl Т.: Integrating pre-integration into the shear-warp algorithm. In Proceedings of the Eurographics/ IEEE TVCG Workshop on Volume Graphics (2003), pp. 109−118
  139. Lee, В., Yun, J., Seo, J., Shim, В., Shin, Y. G., & Kim, B. (2010). Fast High-Quality Volume Ray Casting with Virtual Samplings. Visualization and Computer Graphics, IEEE Transactions on, 16(6), 1525−1532.
  140. Donchin Y., Rivkind A I., Bar-Ziv J., Hiss J., Almog J., and Drescher M. Utility of postmortem computed tomography in trauma victims. Journal of trauma, 37(4):552−555, 1994.
  141. Marschner S.R. and Lobb R.J. An evaluation of reconstruction filters for volume rendering, Proceedings of the conference on Visualization'94, pp 100−107, 1994.
  142. Gavrilov N., Turlapov V.E., General implementation aspects of the GPU-based volume rendering algorithm // Scientific Visualization, 2011, Quarter: 1, Vol. 3, Number 1, Pages: 19 -32
  143. Gavrilov N., Belokamenskaya A., Turlapov V., Several approaches for improvement of the Direct Volume Rendering in scientific and medical visualization // Материалы конференции ГрафиКон'2011, 26−30 сентября, Москва, Россия. С. 88−91
  144. Гаврилов Н И., Турлапов B E. Advanced GPU-based Ray Casting for Bricked Datasets// SIGGRAPH 2012 Proceedings of the 39th annual conference on Computer graphics and interactive techniques, 5−9 August 2012
  145. Н.И., Турлапов В. Е. Качественная объёмная визуализация гигавоксельных массивов в блочном представлении на примерах данных из медицины // Материалы конференции ГрафиКон'2012, 1−5 октября, Москва, Россия. С. 174−179
  146. Е. К., Ney D. R., Heath D. G. et al. Volume rendering versus maximum intensity projection in CT angiography: what works best, when, and why // Radiogr. 2006. V. 26. № 3. P. 905−922.
  147. Marsaglia G. Xorshift rngs //Journal of Statistical Software. 2003. — T. 8. — №. 14. — C. 1−6.
  148. И. M. Метод Монте-Карло. Наука. Гл. ред. физ.-мат. лит., 1985.
  149. И. М. Соболь, «О распределении точек в кубе и приближенном вычислении интегралов», Ж. вычисл. матем. и матем. физ., 7:4 (1967), 784−802
  150. J., Harris К. М. Do thin spines learn to be mushroom spines that remember? //Current opinion in neurobiology. 2007. — T. 17. — №. 3. — C. 381−386.
Заполнить форму текущей работой

Сессия? Спокойно!