Bibliography | Zhang, Jingxi: Visualisierungstechniken für Gehirntumore. University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Bachelor Thesis No. 96 (2018). 71 pages, german.
|
Abstract | Kontext: Im medizinischen Gebrauch sind Visualisierungen von MRT und CT Daten unverzichtbar. Die Daten bestehen aus probability maps aus mehreren Datensätzen. Dabei sind hochauflösende und präzise Visualisierungen zum Verständnis von Tumoren und deren Entwicklung wichtig. Im Gebrauch existieren viele Werkzeuge, die diese Daten als zweidimensionale Bilder ausgeben. Eine dreidimensionale Simulation dieser Daten ist damit von hohem Interesse. Zusätzlich sind Interaktionen mit der Visualisierung ebenfalls von Bedeutung. Ziele: Das Ziel dieser Arbeit besteht darin eine Methode zu finden dreidimensionalen Daten zu visualisieren, die in unterschiedlichen Datensätzen abgelegt sind. Dabei werden in dieser Arbeit Bewertungen für Visualisierungsalgorithmen zur Darstellung der Daten vorgenommen und zwei vielversprechende Ansätze angewandt und Ausgaben damit erzeugt. Ergebnisse: Die angewandten Algorithmen (marching cube und ray casting) erbrachten unterschiedliche Ergebnisse hinsichtlich der Nutzbarkeit. Dabei eignet sich Marching Cube mit mehreren Datensätzen die Struktur des Gehirns und des Tumors sowie dessen Entwicklung zu visualisieren. Ray Casting ist besser, um Strukturen und deren Wahrscheinlichkeit zu visualisieren und damit eine Ausgabe mit Schnittebenen zu visualisieren. Zusammmenfasusng: Für jeweiligen Fokus auf Schnitten oder Strukturen sollte eine angepasste Visualisierungstechnik angewandt werden. Um Visualisierungen ähnlich zu unseren Ergebnissen zu erzeugen, sind das Framework und das Skript eine gute Grundlage. Außerdem sind sowohl das Framework als auch das Skript eine gute Grundlage, um Visualisierungen und Effekte auszuprobieren, Veränderungen vorzunehmen.
|
Department(s) | University of Stuttgart, Institute of Parallel and Distributed Systems, Simulation of Large Systems
|
Superviser(s) | Mehl, Prof. Miriam; Scheufele, Klaudius |
Entry date | May 20, 2019 |
---|