Resumen

Las funciones de transferencia bidimensionales (TF) diseñadas a partir del histograma de magnitud intensidad-gradiente (IGM) son herramientas eficaces para la visualización y exploración de datos de volumen 3D. Sin embargo, los métodos de diseño tradicionales suelen depender de múltiples ocasiones de ensayo y error. Proponemos un método novedoso para la generación automática de funciones de transferencia mediante la ejecución del algoritmo de agrupación por propagación de afinidad (AP) en el histograma IGM. En comparación con los algoritmos de agrupación anteriores que se emplearon en la visualización de volúmenes, el algoritmo de agrupación AP tiene una velocidad de convergencia mucho más rápida y puede lograr resultados de agrupación más precisos. Para obtener resultados de clustering significativos, introducimos dos medidas de similitud: La similitud IGM y la similitud espacial. Estas dos medidas de similitud pueden agrupar eficazmente los vóxeles del mismo tejido y diferenciar los vóxeles de tejidos diferentes, de modo que los TF generados puedan asignar propiedades ópticas diferentes a tejidos diferentes. Antes de realizar el algoritmo de agrupación en el histograma IGM, proponemos eliminar los vóxeles ruidosos basándonos en la información espacial de los vóxeles. Nuestro método no requiere que los usuarios introduzcan el número de clusters, y el proceso de clasificación y visualización es automático y eficiente. Los experimentos con diversos conjuntos de datos demuestran la eficacia del método propuesto.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Funciones de transferencia bidimensionales; histograma de magnitud intensidad-gradiente; visualización; exploración; algoritmo de agrupación por propagación de afinidad; resultados de la agrupación.
• Keywords:Two-dimensional transfer functions; intensity-gradient magnitude histogram; visualization; exploration; affinity propagation clustering algorithm; clustering results