Download pdf - Vis Infovis

Técnicas de VisualizaçãoVisualização Multidimensional Baseada em Pontos no Plano

Visualização de Informação para Dados MédicosProposta do Trabalho

Visualização de Informação no Apoio àAnálise de Dados Médicos

Integrando Imagens e Texto

Marcel Yugo Nakazaki

Orientadora: Profa. Dra. Rosane Minghim

Instituto de Ciências Matemáticas e de ComputaçãoUniversidade de São Paulo

Junho/2008

Marcel Yugo Nakazaki Exame de Qualificação de Mestrado



Roteiro

1 Técnicas de VisualizaçãoVisualização CientíficaVisualização de Informação

2 Visualização Multidimensional Baseada em Pontos no PlanoTécnicas Lineares de ProjeçãoTécnicas Não-Lineares de ProjeçãoProjection Explorer

3 Visualização de Informação para Dados MédicosVisualização na Área MédicaUnião entre Visualização Científica e de InformaçãoVisualização de Informação na Área Médica

4 Proposta do TrabalhoPropostaProjection Explorer for ImagingCoordenação entre Múltiplas VisõesCasos de Estudo




Visualização CientíficaVisualização de Informação

Roteiro









Visualização

Área de pesquisa que estuda o uso de representações gráficas (metáforasvisuais) para apoiar tarefas de exploração, análise e interpretação de dados.

Modelos gráficos acoplados a estratégias de interação: exploração dinâmica dedados.

A partir de dados, gera-se representações gráficas (imagens) interpretáveispelas pessoas.

Duas grandes sub-áreas: Visualização Científica e Visualização de Informação.





Visualização Científica

Dados “Científicos”Possuem uma representação geométrica conhecida, real ou imaginária.Resultantes de processos físicos, medidos, coletados ou simulados:atributos espaciais (e temporais) são determinantes para a visualização.

Interação com CG, IHC, matemática, ...Reconstrução de modelos geométricos, simulação numérica, renderingadequado dos modelos.





Voxels e Células

Figura: Organização de dados escalares em voxels (esquerda) ou células (direita),em uma grade regular.





Visualização Volumétrica

Técnicas para visualização de dados definidos em domínios 3D.São, em sua maioria, escalares ou vetoriais.Dados volumétricos⇒ Visualização volumétrica

Dados podem surgir em diferentes organizações.Uma organização usual é ter dados definidos em uma grade (“malha”) 3D.

Duas principais categorias de técnicas:Ajuste de SuperfíciesRendering Volumétrico Direto





Ajuste de Superfícies

Geram primitivas geométricas que representam estruturas de interesse.

Ajustam superfícies analisando os elementos do volume.

Algoritmo clássico é o Marching Cubes.

Malha de polígonos ajustada é renderizada.





Marching Cubes

O volume é considerado como um conjunto de “cubos lógicos”, formados a partirde fatias adjacentes.

Cada pixel de uma fatia tem um valor associado e é considerado como umvértice de um cubo que representa uma região do espaço.

O algoritmo constrói patches triangulares de uma superfície definida por umvalor de threshold.

Analisa os valores dos pixels de um cubo de cada vez, buscando arelação com o valor de threshold.É construído um código com valores 1 ou 0 para cada vértice, conforme ocaso.Analisa configurações pré-definidas para os cubos lógicos com base nocódigo.Um ou mais triângulos são gerados dentro do cubo, conforme o código.





Marching Cubes

Considerando 8 vértices do cubo lógico, teríamos 256 configurações possíveisque podem ser armazenadas numa tabela.Por simetria, estes 256 casos são reduzidos a 15.





Ajuste de Superfícies

Vantagens:Facilidade de implementação.Compactação do volume de dados.Rendering rápido.

Desvantagens:Introdução de artefatos.Difícil detectar e extrair estruturas pequenas.Visão parcial do conteúdo do volume.Definição dos valores de interesse pelo usuário não é trivial.





Rendering Volumétrico Direto

Gera a imagem a ser renderizada diretamente a partir do volume de dados, semcriar primitivas geométricas.

Operam em duas categorias:Operam na ordem dos objetos.Operam na ordem das imagens.





Ray Casting

Lançamento de raios:Partem do observador.Lançados para cada pixel do plano de projeção.Composição das amostras.Cor do pixel é a cor do raio.





Rendering Volumétrico Direto

Vantagens:Visão de “todo” o conteúdo do volume.Liberdade para explorar o volume.Imagens mais reais e intuitivas.

Desvantagens:Alto custo de processamento.Rendering a taxas não interativas.





Visualização de Informação

Dados “Abstratos”Não possuem uma representação geométrica (espacial) inerente.Qualquer forma de representação adotada é arbitrária (atribuída).Geralmente são dados coletados, medidos ou criados.

Interação com IHC, estatística, mineração de dados, ...





Métodos de Visualização de Informação

Auxiliam os usuários na exploração de grande quantidade de dados.

Exemplos:Coordenadas Paralelas.Técnicas Iconográficas.Gráficos de Dispersão (scatterplots).





Coordenadas Paralelas

Representação bidimensional de um conjunto de dados no espaçon-dimensional.

A idéia é exibir um conjunto de pontos n-dimensional como um conjunto desegmentos de reta conectados através de n eixos paralelos.





Coordenadas Paralelas

Figura: Utilização de coordenadas paralelas para auxílio na análise de dados.





Técnicas Iconográficas

Representação de cada objeto como um complexo ícone ou figura.

A idéia é mapear diferentes características dos atributos em diferentes formatos,ângulos e tamanhos.





Técnicas Iconográficas

Figura: Utilização de técnicas iconográficas para auxílio na análise de dados.




Técnicas Lineares de ProjeçãoTécnicas Não-Lineares de ProjeçãoProjection Explorer

Roteiro









Visualização Multidimensional

Contornam o problema da alta dimensionalidade reduzindo a dimensão dosdados analisados para uma, duas ou três dimensões.

Visa mapear os dados originais, compostos por m atributos espalhadosem um espaço m-dimensional, em um espaço p-dimensional, com p � m.

Torna possível uma representação gráfica dos dados.Explorar a capacidade visual humana no reconhecimento de estruturasinteressantes, padrões ou anomalias inerentes nos dados.

Possui dois grandes grupos de técnicas de projeções multidimensionais:Técnicas Lineares de Projeção.Técnicas Não-Lineares de Projeção.





Técnicas Lineares de Projeção

Criam Projeções por meio da combinação linear dos atributos dos dados.

Possui ínumeras técnicas:Principal Component Analysis (PCA).Projection Pursuit (PP).Singular Value Decomposition (SVD).Factor Analysis (FA).Redundancy Reduction.Blind Deconvolution.





Principal Component Analysis

Procura determinar combinações lineares ortogonais (Componentes Principais)que melhor capturem a variabilidade dos dados.

Permite identificar as tendências dos atributos mais relevantes.

Difícil determinar o número correto de dimensões.

Análise não paramétrica:Ponto Forte: Não é necessário ajustar parâmetros ou coeficientes.Ponto Fraco: Não é possível incorporar conhecimento prévio no algoritmo.





Técnicas Não-Lineares de Projeção

Tentam minimizar uma função de perda de informação.

Não necessitam que os dados originais possuam uma representação vetorial.Similaridade ou Dissimilaridade.

Possui inúmeras técnicas:Least Square Projection (LSP).Neighbor Joining (NJ).Projection by Clustering (ProjClus).Multidimensional Scaling (MDS).Fastmap.





Least Square Projection

Idéia Central:

Projetar um sub-conjunto de pontos e interpolar o restante.

Interpolação busca preservar a vizinhança entre os pontos.

Cada ponto é mapeado dentro do fecho convexo de seus vizinhos.

Passos Principais:Selecionar um sub-conjunto de pontos (Pontos de Controle) e projetaresses em Rp .Determinar a vizinhança dos pontos.Construir um sistema linear cujas respostas são as coordenadascartesianas dos pontos pi em Rp .





Neighbor Joining

Posicionamento de Pontos no Plano utilizando Árvores Filogenéticas.

Construção de uma árvore não-enraizada a partir de uma matriz de distânciasevolutivas, adaptando o critério de evolução mínima.





Projection Explorer

Exploração interativa de dados de alta dimensionalidade.

Aperfeiçoamento da ferramenta Text Map Explorer.

Representação visual definida graficamente em duas dimensões.Círculos representam os objetos sob análise.Arestas que indicam relações entre os objetos.

Utiliza quatro diferentes fontes de dados:Conjunto de documentos compactados no formato ASCII ou PDF.Conjunto de documentos como resultado de uma busca na Internet.Dados genéricos em um formato vetorial.Dados genéricos representados por uma matirs de distâncias.





Projection Explorer

Figura: Exemplo de projeção multidimensional para um conjunto de notíciasretiradas da Internet.





Projection Explorer

Figura: Projeção da base cbr-ilp-ir-son utilizando PCA e cosseno.





Projection Explorer

Figura: Projeção da base cbr-ilp-ir-son utilizando NJ e cosseno.




Visualização na Área MédicaUnião entre Visualização Científica e de InformaçãoVisualização de Informação na Área Médica

Roteiro









Visualização para Dados Médicos

Motivação:Grande quantidade e alta complexidade dos dados provindos da áreamédica.Avanços tecnológicos em desempenho computacional.Avanços na capacidade de armazenamento dos computadores.Automação de processos para aquisição de dados.

Auxílio no aprendizado médico, no processo pré e pós operatório, tomada dedecisões, ...

Possui a Visualização Científica como a área mais explorada e desenvolvida.





Visualização na Área Médica

Avanço e surgimento de novas modalidades de aquisição de dados médicos 3D.Tomografia Computadorizada (CT).Tomografia por Emissão de Pósitrons (PET).Tomografia por Emissão de Fótons (SPECT).Ultra-Sonografia (US).Ressonância Magnética (MRI).

Normalmente adquiridos em forma de imagens em fatias paralelas euniformemente espaçadas.

Amadurecimento da Visualização Volumétrica.





União entre Visualização Científica e de Informação

Métodos tradicionais de visualização freqüentemente focam em uma simplesmodadlidade de dados.

Diversas aplicações requerem uma análise de variados tipos de dados.Exames sangüíneos.Históricos do paciente.Relatórios Médicos.Imagens de exames clínicos.

Forma intuitiva: Integração entre Visualização Científica e Visualização deInformação

Visualização Científica e Visualização de Informação desenvolveram-seseparadamente.Em sua maior parte não interagiram entre si.





Visualização de Informação para Sistemas Médicos

Utilização de diferentes fontes de dados como auxílio na exploração de imagensmédicas.

Representar visualmente os dados a fim de torná-los mais intuitivos, fáceis deentender, aprender, reconhecer e navegar.

Ampliar visualmente pequenos aspectos de diagnóstico e terapêuticos.

Previnir o acúmuto excessivo de informação.

Permitir a manipulação de grandes quantidades de informações.






(a) (b)

Figura: Visão das Interfaces principais para Visible Human ExplorerInterface.






Figura: The Cube do projeto MedView.






Figura: SimVis do projeto MedView.






Figura: Telas de HotBox.






Figura: Tela principal de LifeLine.






Figura: Tela principal de TimeLine.
