Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouNathalie Lindo Alterado mais de 10 anos atrás
1
Visualização Neural Visualizando dados neurais para a medicina
Leonardo Milhomem Franco Christino
2
Cérebro Neurônios Átrios Dendritos Mas que coisa! Somos da Computação!
3
Cérebro Eyewire Segmentation: online game-like Microscópio Eletrônico
Sub-cube de 256³
4
Visualização do Cérebro
Muitos dados do EM (terabytes++) Estruturas Volumétricas (Oclusão) Estruturas complexas Pesquisas Atuais Aquisição das imagens Segmentação Proposta Análise neurocientífica eficiente Muito dado não sendo analisado bem
5
ConnectomeExplorer Integrado Guiado por Pesquisas
Connectomics (conectividade cerebral)
6
ConnectomeExplorer Petascale Microscopy data streams
data-driven modules e user-driven modules
7
ConnectomeExplorer
8
Trabalhos Relacionados
Neuroscience and connectomics Segmentation and annotation tools for neuroscience Visualization of microscopy data Neuroscience ontologies Visual analysis in neuroscience Dynamic and visual queries Volume rendering
9
Ray-Tracing Computação Gráfica
10
Ray-Tracing
11
GPU Ray-Tracing
12
Ray-Casting Versão simplificada do Ray-Tracing
Solução para alta quantidade de dados Stream de dado entre memórias
13
Renderização GPU-based Multi-Volume Rendering for the Visualization of Functional Brain Images
14
Renderização GigaVoxels: Ray-Guided Streaming for Efficient and Detailed Voxel Rendering
15
Renderização de Volumes
Características Escalabilidade Selecionar Highlighting Ligar com outras visualizações Associar com pesquisa
16
Renderização de Volumes
Construção do Volume Sub-blocos 3D a partir da imagem 2D Posição Resolução Ray-Caster nos sub-blocos Somente blocos visíveis são passados para GPU
17
Segmentação e Volume
18
Sinapses e Conectividade
19
Contectividade e Estatística
20
Comparação Sináptica
21
Dynamic Knowledge-Based Queries
Nível correto de abstração Álgebra de Conjuntos
22
Álgebra de conjuntos Simplicidade
Busca semântica (termos do usuário), e não busca em SQL
23
Álgebra de conjuntos Conceitos Básicos Formado de Tuplas com:
Objetos (id, tipo e atributo) Id, Axônio, força sináptica Conjunto Mistura de objetos de diferentes tipos Palavras chaves: all, axons, dendrites, (vazio) Outra tupla <axons,dendrites,synapses> Padrão: Conectividade
24
Algebra de conjuntos Pesquisas Predicados / Operadores
Relação Topológica (conectividade) Relação Espacial (distância) Atributos (tamanho) Predicados / Operadores [vesicleCount>50]<synapses>
25
Pedicados Agrupamento Projeção Agrupar
Grupos (união, intercessão, ...)
26
Pedicados Topológicos Espaciais Conectado Região de Interesse
Distância entre <obj1,obj2, distancia > Precisão dinâmica pela performance Distância de Threashold a partir de um objeto Mais eficiente por explorar a estrutura de dados
27
Pedicados Atributos =, !=, >, <, etc. Estatísticos Count Avg Dev
28
Construtor de Pesquisa Visual
29
Vizualizações Multi-volumes Renderizações Sinápticas Seleção
Divisão por ID Cores definidos pelo usuário Renderizações Sinápticas Topologia Esfera sombreada Seleção Lista de Objetos (ID) Ray-Casting e Buffer
30
Vizualizações Grafo de conectividade Segmentação/Fatia
Informações e estatísticas Region Of Interest Pesquisa Octree
31
Dados utilizados
32
Resultados Utilidade prática bem aceita entre neurologistas
Uso de resoluções de x x voxels Segmentação Manual Trabalho futuro: segmentação semi-automatico e automatico Axônios Dentritos Células Gliais Vesículos
33
Tempos – Análise de Axônios e Dendritos 1
Qual foi a média de vesículos de um axônio específico que foi selecionado pelo usuário na visualização 3D? 1a := [axonId=5]<axons> sel axon5 from set of axons 1b := <1a, synapses> tuples axon5 and its synapses 1c := [avg(vesicleCount)]<1b> avg ves no for axon5
34
Tempos – Análise de Axônios e Dendritos 2
Qual a média de vesículos de todos os axônios, e qual a média do número de vesículos de cada um? set of tuples for all axons and their synapses 2a := <axons,synapses> 2b := [avg(vesicleCount)]<2a> avg over all axons 2c := [group(1)]<2a> set of sets, grouped by axon 2d := [avg(vesicleCount)]<2c> avg for each axon
35
Tempos – Análise de Axônios e Dendritos 3
Todas as sinapses de um certo axônio possuem o mesmo número de vesículos? 3a := [dev(vesicleCount)]<1b> std dev of ves count
36
Tempos – Análise de Axônios e Dendritos 4
Ou o número de vesículos depende do dendrito específico que o axônio conecta? tuples of connected axons, dendrites, synapses 4a := [axonId=5]<axons, dendrites, synapses> 4b := [group(2)]<4a> set of sets grouped by dendrit 4c := [dev(vesicleCount)]<4b> std dev per dendrite
37
Tempos – Conectividade 5
Are two structures that are picked in the 3D view connected? As duas estruturas selecionadas são conectadas? 5a := [dendriteId=7]<dendrites> picked dendrite 5b := [connected]<1a,5a> empty set if not connected
38
Tempos – ROI 6 Quais são todos os dendritos dentro de um ROI? Quais são os que estão dentro do ROI que são menores de um certo volume? 6a := [ROI(cylinder c)]<dendrites> dendrites in ROI 6b := [size < 500k]<6a> small dendrites in ROI
39
Tempos – ROI 7 Quais axônios fazem um específico dendrito conectar a um cilindro? 7a := <5a, axons, synapses> all connections of dend7 7b := [ROI(cylinder c)]<7a> dend7 connections in ROI 7c := [project(2)]<7b> only keep connected axons
40
Tempos – ROI 8 Quais axônios dentro de um ROI não conectam ao dendrito? 8a := [ROI(cylinder c)]<axons> axons in ROI 8b := [relcomp]<8a,7c> ROI axonsnconnected axons
41
Tempos – ROI 9 Mas eles fazem conexões fora do ROI?
9a := [connected]<5a,8b> all connections
42
Tempos
43
Tempos
44
Feedback do Usuário Dois casos em que o usuário ganhou melhor conhecimento dos dados 1) Neurocientista interessado em axônios de multi-conexões com um ROI totalmente segmentado 2) Analisar numericamente e limpar dados de erros de segmentação
45
Feedback do Usuário Resposta muito positiva dos usuários Problemas
Pequeno período de treinamento Diferentes visualizações proporcionaram amplo conhecimento dos dados e melhor manipulação Pesquisas muito eficientes Problemas Segmentação esparsa em algumas áreas
46
Comparações Quadcore dual-CPU 3.2 GHz 12 GB RAM
NVIDIA GTX 680 GPU com 2 GB RAM Pode ser rodado remotamente
47
Comparações 12-75 fps 1024 x 768 viewport
Multi-Volume reduz em 10% - 30% a performance
48
Limitações Não óbvio para neurocientistas de início
Álgebra limitada por estar preso a um domínio Futuro Segmentação avançada Metáforas 3D mais intuitivas para navegação
49
Conclusão Aplicação direcionada, complexa e com muito potencial
Visualização direcionada a uso Quantidade de dados muito grandes Melhorar metáfora (grafo) Deixar mais intuitivo Usar gliphs ou outros elementos topológicos Oclusão
50
Suporte
51
Autores ConnectomeExplorer: Query-Guided Visual Analysis of Large Volumetric Neuroscience Data KAUST Johanna Beyer Ali Al-Awami Markus Hadwiger Center for Brain Science at Harvard University Narayanan Kasthuri Jeff W. Lichtman School of Engineering and Applied Sciences at Harvard University Hanspeter Pfister
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.