|
MultiSciView: 从交叉数据空间视角进行X射线图像的多变量可视分析
收藏
WenZhong, WeiXu, KevinG.Yager, GregoryS.Doerk, JianZhao, YunkeTiae, SungsooHa, CongXie, YuanZhong, KlausMueller, Kerstin KleeseVan Dam
Vis Inf. 2018 (1): 14-25.
DOI: 10.1016/j.visinf.2018.04.003
背景:由同步加速器光束生成的X射线图像是大规模、高分辨率和高动态范围的灰度数据,是对被测材料多种复杂属性的一种编码。它们通常与各种元数据相关联,从而增加了其内在的复杂性。这些数据中蕴含了丰富的信息,但迄今为止,科学家们尚缺乏现代化探索工具来揭开隐藏在这些信息中的财富。 贡献:为填补这一鸿沟,本文提出了一种面向光束生成的X射线散射数据的多变量的X射线图像科学可视化和探索系统:MultiSciView。该系统由三种相互补充、协调一致的交互式可视化方式组成,以实现对X射线像图像及其关联属性和特征空间的协同探索。第一种方式是基于多级散点图的可视化,采用属性、图像和像素尺度对图像进行探究。第二种方式是基于直方图的属性交叉过滤器,用户可以从数据中提取所希望的子集模式。第三种方式是属性射影可视化,用于捕捉属性的整体相关性。 结果: 本文通过对一个真实材料散射数据集的案例来演示所提出的系统。结果表明,该系统可对大规模的X射线图像实施高效的探索,准确地检出想要的图像模式、异常图像和错误的实验设置,有效地提高对材料纳米结构性质的理解。
|
|
在知晓其不确定性的情况下运用分层图像语义进行锁孔手术规划的工作流程
收藏
Christina Gillmann, Robin G.C. Maack, Tobias Post, Thomas Wischgoll, Hans Hagen
Vis Inf. 2018 (1): 26-36.
DOI: 10.1016/j.visinf.2018.04.004
背景:锁孔手术在临床日常工作中变得越来越重要,因为它们可以将患者健康组织的损伤降到最低。锁孔手术主要基于医学成像技术,该技术是影响手术成功的重要因素。在图像重建过程中,医学图像数据包含了不确定性,这增加了锁孔手术挑战性。 贡献:在本文中,作者提出了一个可视化的工作流程,帮助临床医生检查和比较不同的手术路径以及可视化患者受影响的组织。该分析基于分层图像语义学的概念,分层图像语义根据输入图像的不确定性和用户对组织成分的理解来分割底层图像数据。用户可以定义他们需要进一步调查的任意手术路径,然后通过评级函数查询定义的路径,以确定满足用户定义属性的路径。 应用:我们将其应用于脑肿瘤切除和膝盖的锁孔手术的规划中。
|
|
VisComposer:面向信息可视化的可编程集成开发环境
收藏
Honghui Mei, Wei Chen, Yuxin Ma, HuihuaGua, Wanqi Hu
Vis Inf. 2018 (1): 71-81.
DOI: 10.1016/j.visinf.2018.04.008
随着人们收集的数据不断增多、社会信息化程度的不断加深,信息可视化方法已被各行从业者广泛接受,带动了各种信息可视化编程框架的开发。但是,使用这样的框架需要全面的可视化和编程技巧;此外还有一种方法是使用几乎不需要编程的交互式可视化设计工具,但这些工具支持一小部分视图样式。 VisComposer通过对可视化流水线的抽象结合交互式设计和编程实现。可视化视图被抽象为一种场景图(Scenegraph)表达,用户可以通过拖拽、绘制等操作向场景图中添加视觉元素,如散点、矩阵等;这些视觉元素相关的数据变换和视觉映射可以通过可视编程的方式调整;而其中的各个模块还可以进一步通过编程实现或修改。
|
|
用于优化超级计算系统中大规模网络性能的可视分析系统
收藏
TakanoriFujiwara, JianpingKelvinLi, MisbahMubarak, CaitlinRoss, Christopher D.Carothers, Robert B.Ross, Kwan-LiuMa
Vis Inf. 2018 (1): 98-110.
DOI: 10.1016/j.visinf.2018.04.010
背景:超大规模超级计算机的整体效率很大程度上取决于其内部网络连接的性能。一些最先进的超级计算机的使用是基于日益流行的Dragonfly拓扑结构的网络。因此,研究和分析在Dragonfly网络上运行的不同并行应用程序的行为和性能,以便制定最佳的系统配置和设计选择(例如作业调度和路由策略),可谓至关重要。为了研究这些时序网络行为,我们需要一个工具将从Dragonfly的多层级中收集的大量多变量时间序列数据集关联起来并进行分析。 创新:本文提供了一种可视化分析系统,它使用Dragonfly网络来来分析时序行为以优化超级计算机的通信性能。我们将交互式可视化与时间序列分析方法结合起来,帮助揭示与不同的并行应用程序和系统配置相关的网络行为中的隐藏模式。我们的系统还提供多个协同视图,可将在网络中不同层次上观察到的行为关联起来,从而有效地进行可视分析。 应用:本文通过一套案例来证明系统的有效性。我们的系统和研究结果不仅有助于提高超级计算应用的通信性能,而且还有助于提高下一代超级计算机的网络性能。
|
|