.png){kind=icon}
返回
Fast HARDI Uncertainty Quantification and Visualization with Spherical Sampling
.png){kind=icon}
OA
AI
DOI：10.1111/cgf.70138.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本论文中，我们研究了方向分布函数（ODF）的不确定性量化与可视化，该函数对应于高角分辨率扩散成像（HARDI）数据的扩散剖面。形状包含概率（SIP）函数是捕获ODF集合不确定性的最先进方法。当前使用体素基计算SIP函数的方法具有高计算和内存成本，这可能成为将不确定性整合到HARDI可视化技术和工具中的瓶颈。我们提出了一种新颖的球面采样框架，用于更快速地计算SIP函数，同时降低内存使用并提高准确性。具体而言，我们通过执行ODF的球面采样，提出了直接提取SIP等值面的方法，这些等值面代表表示HARDI图符空间不确定性的置信区间。我们的球面采样方法所需的采样量远少于最先进的体素采样方法，因此显著提升了性能、可扩展性以及进行隐式光线追踪的能力。我们的实验表明，使用我们的球面采样方法提取的SIP等值面，与传统的体素采样方法相比，可实现高达8164倍的速度提升、37282倍的内存减少，以及SIP等值面误差降低50.2%。我们通过在合成和人类大脑HARDI数据集上的实验，展示了我们方法的有效性。
Keyword:
center dot Human-centered computing -> Scientific visualization
center dot Computing methodologies -> Uncertainty quantification
Ray tracing
center dot Mathematics of computing -> Probabilistic algorithms
Bootstrapping
期刊
IF:
2.9
论文数:
565
被引数:
1.1W
机构
引用论文
Correction: Evaluating the Accuracy of Diffusion MRI Models in White Matter更正：评估白质中扩散MRI模型的准确性.png)
PLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏
查看更多内容