计算机辅助设计与图形学学报杂志

计算机辅助设计与图形学学报杂志2021年第8期

• 医学图像数据压缩中的机器学习方法

  侯宇轩, 邸奕宁, 任重, 陶煜波, 陈为

  在医学研究中会产生大量需要储存、传输的图像数据,如计算机断层扫描(CT)等.医院要处理海量患者的所有数据相当困难,必须对这些数据进行压缩.随着人工智能技术的发展,应用机器学习的医学图像数据压缩方法成为新的研究热点.文中首先总结了传统医学图像数据压缩方法;然后基于机器学习的医学图像数据压缩方法,对各类方法针对脑部CT、肺部CT等不同医学图像的压缩效果进行对比,并对这些方法在压缩率、算法复杂度、重构质量等方面的优缺点进行系统的总结,指出机器学习和感兴趣区域结合的方法可以在享受有损压缩带来的高压缩率的同时保留重要区域的特征信息,比其他压缩方法更贴合医学数据的压缩要求;最后展望了该领域的未来方向和挑战.

• OD数据可视分析综述

  涂乐, 陈彬捷, 周志光

  OD数据是一类提供起点和终点位置、稀疏地描述对象移动轨迹的数据.OD数据可视分析能够发现群体移动模式,挖掘空间异常和隐藏关系,深入探索和分析多种统计属性,是数据可视化、地理空间分析等领域的研究热点.从OD数据的地理空间点对结构出发,阐述经典的OD数据可视化方法和原理,如OD矩阵、OD嵌套地图、OD流图等;然后从空间聚类维度、空间语义维度和时空联合维度对OD数据进行可视分析,探寻其在特征的表达、感知、提取、呈现等方面的应用场景和增强意义;再针对大规模OD数据可视化的视觉混淆问题,梳理OD数据可视分析研究方法中过滤、采样及聚合等视觉简化方法;最后通过OD数据可视分析技术在不同行业领域的应用及具体案例,总结和深入讨论OD数据可视分析中存在的挑战性问题,并展望该领域的发展趋势.

• 基于局部45°原则的折线图坐标轴网格生成

  包琛, 汪云海

  坐标轴网格是辅助人们观察统计折线图的重要参考结构.文中研究了有利人们感知直线斜率的坐标轴标签.首先通过一系列用户实验探索折线图中网格局部长宽比对于估计线段斜率这一任务的影响,通过用户估计的倾斜角度与直线真实的倾斜角度的误差大小反映不同实验条件的影响程度.实验得出的结论是适当的网格密度、接近正方形的网格格子局部长宽比有利于准确的斜率估计.基于该实验结论,提出了新的为折线图数据自动生成坐标轴的算法,考虑最大标签、最小标签和间隔步长3个变量,参考前人关于标签简洁性、覆盖性、重叠程度的定义,将正方化的局部长宽比这一因素加入水平和垂直2条坐标轴的标签联合优化之中,该算法能够生成既美观又提高图形感知准确性的坐标轴网格.

• 可读性增强的流图生成

  步川, 张全杰, 汪云海, 蒋鹏

  为了增强流图可读性,帮助用户更高效地识别染色层,提出一种基于流图已有布局,优化流图中染色层的颜色分配与标签布局的方法.首先根据流图的布局数据建立其颜色分配评价函数,通过遗传算法进行颜色分配方案优化,最大化染色层之间的颜色差异和染色层与背景的亮度差异;然后在每个染色层上运行滑动窗口,通过最小二乘法拟合自动调整标签倾斜角度以适应染色层形状变化,得到标签尺寸自适应的标签布局结果.通过用户测试与定量评估,将文中方法与现有方法在多个真实和模拟数据集上进行实验的结果表明,该方法能够显著提高染色层的识别正确率,降低识别耗时,同时增大标签尺寸,从而有效地提高流图可读性.

• 以特征线和高程范围为约束的DEM-cGAN框架

  江西林, 王少荣, 李文玉, 汪国平

  目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.

• 基于非线性薛定谔方程的时间序列去噪

  雷一凡, 宋刚, 高成勇, 包芳勋, 张云峰

  针对噪声污染严重的时间序列,提出一种基于动态随机共振效应的去噪方法.通过具体分析非线性光学系统中的动态随机共振效应,推导出非线性薛定谔方程中的非线性扰动项,得到用于描述非线性系统中的信号传播模型,并应用于时间序列去噪.首先将归一化的时间序列信号输入模型系统,然后通过自适应粒子群优化算法确定系统传播方程中的各项参数,最后利用分步傅里叶方法求解传播方程的数值解,作为系统的输出.对于一些典型的时间序列信号,与现有的去噪方法相比,文中方法在信噪比上平均提高0.3~3.7 dB,在均方根误差上平均降低0.03~0.11,该方法在时间序列去噪上具有更好的效果.

• 模拟情境下经济决策及财富关联可视分析

  刘玉华, 石青, 郑凤玲, 谢琬滢, 韩书焕, 周志光

  针对经济学领域中采用实验经济学方法产生的大规模高维动态数据,在与实验经济学专家密切合作的基础上,提出模拟情境下真实努力任务实验数据可视分析方法.设计决策过程信息图以全面呈现实验过程中参与者的总体决策分布和个体行为特征;设计自适应决策分类图、财富时序变化特征图、总体决策桑基图等方法直观地呈现实验参与者的决策过程表现与财富结果的关联关系.集成上述可视化设计与数据挖掘算法模型,开发面向真实努力任务实验数据的可视分析系统,帮助领域专家探索式地发掘参与者决策行为特征以及财富变化关键因素,为专家探索和分析贫困产生及贫困循环恶化的内在机制提供依据.大量基于真实数据的案例分析和专家反馈信息进一步验证了该方法和系统工具的有效性和实用性.

• 交通事故局部时空模式的张量分解可视分析方法

  罗月童, 刘新月, 郭正跃, 刘晓平

  交通事故数据中蕴含细粒度的局部时空模式,但它们往往被数据全集所掩盖而难以被发现.找到合适的数据子集是发现有意义的局部时空模式的重要前提,也是最为烦琐的过程.为此,提出基于张量分解方法自动获取数据子集的交通事故局部时空模式可视分析方法.首先,对交通事故数据集进行张量建模;并运用张量分解方法自动获取一组捕获了数据集各维度上的分布特征的向量,以表征数据集的多维模式;然后,利用这组向量指导数据集的聚类划分,从而将数据全集划分为若干有利于发现局部时空模式的数据子集,并设计了一套可视分析系统,以支持用户半自动化探索不同数据子集的局部时空模式和对得到的模式进行可视分析.最后,利用可视分析系统对合肥市交通事故接警数据进行局部时空模式的探索与分析,实验结果得到合肥交警部门相关专家的认同,表明该方法能够有效地辅助用户发掘数据集中所蕴含的局部时空模式.

• 变形图驱动和变形感知的谱姿态迁移

  邹歆仪, 李桂清, 尹梦晓, 柳雨新, 王宇攀

  为了提高姿态迁移过程中网格表面形状细节的保持能力,减少分层姿态迁移的交互环节,提出变形图驱动且变形感知的自动分层谱姿态迁移方法.首先利用变形图对三维模型进行形状保持的全局低频姿态迁移;然后根据模型变形前后的特征变化自动分割出局部刚性块,并对它再次进行姿态迁移,直到所有局部网格的姿态得到充分迁移.通过多个例子对文中方法和Yin等方法进行了比较,实验结果表明,文中方法次级姿态迁移的次数降低38.0%,平均距离误差降低54.0%,表面积和体积的变化降低12.5%.该方法的姿态迁移较充分,在模型的形状保持上更有优势,且自动化程度较高.

• 基于可穿戴传感器数据的人体行为识别数据特征提取方法

  郭毅博, 孟文化, 范一鸣, 侯立硕, 袁玥, 薛均晓, 徐明亮

  随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.

• 面向虚拟介入手术的电磁力反馈模型的设计与仿真

  赵俭辉, 林远轩, 袁志勇

  为满足虚拟血管介入手术中力触觉反馈的实时性和精准性,采用磁悬浮原理设计一种力反馈模型生成虚拟介入手术中的周向旋转力触觉.通过分析通电线圈磁场特性和介入手术操作模式,首先设计电磁线圈阵列的拓扑结构和手术器械模型;随后针对线圈阵列提出最优电流分配策略并进行仿真验证;最后通过模型融合方法构建力矩-电流预测模型.实验结果表明,该模型能以3%的误差、40 Hz的频率预测出电流,结合最优电流分配策略可对介入手术中的关键力反馈进行实时、精确还原.

• 采用双视觉里程计的SLAM位姿图优化方法

  曹剑飞, 余金城, 潘尚杰, 高枫, 于超, 胥智林, 黄正峰, 汪玉

  后端轨迹优化是视觉同步定位与建图系统的重要组成部分,可以显著地提高定位精度.然而,现有的基于捆集约束法的优化方法在大场景中计算量大,并且无法应用于端到端视觉里程计.针对这个问题,提出了一种在前端采用2个视觉里程计的后端通用位姿图优化方法,可以应用于端到端视觉里程计.该方法采用一个高速低精度的端到端视觉里程计以高频率运行,同时一个低速高精度的视觉里程计以低频率运行,局部优化通过2个里程计提供的约束条件使用高斯-牛顿法迭代优化;在全局优化中基于关键帧进行场景匹配与局部优化同时进行.实验证明,应用该优化方法的同步定位与建图系统可以在KITTI数据集上实时运行,相较于2个视觉里程计都取得了精度上的较大提升,并且对比现今开源的几种应用后端轨迹优化的著名同步定位与建图方法,在轨迹误差、绝对轨迹误差、旋转误差和相对位姿误差上均取得了较低的误差,兼顾了传统方法精度的优势和端到端方法速度上的优点.除此以外,该优化方法还可以适用于其他更多的视觉里程计.

• 结合稠密特征映射的CT图像肿瘤分割模型

  姜迪, 刘慧, 李钰, 张彩明

  与常规分割对象不同,医学图像中肿瘤组织像素占比小且解剖结构相近于人体狭小组织,不同肿瘤之间差异度不明显,这导致常规分割方法对肿瘤的分割效果低于期望值.因此,为了增强肿瘤特征传递的有效性,提出一种结合高低维稠密特征映射的肿瘤分割模型.首先,模型采用特征3维映射技术改进网络参数,将CT图像聚合成3维序列结构进行硬阈值3维变换,从而建立特征连接并减少不可逆初始特征丢失现象.然后,构建融合特征映射的稠密卷积网络,使用SELU代替ReLU激活函数,激活网络并提升网络优化度,引入负数部分参数避免“死特征”出现,并在每个稠密块后增加一层最大池化层抽象图像特征,减少时间、空间资本消耗.最后,采用特征复现方法进行特征重建,融合通道特征、空间特征提升特征表达能力.实验采用山东省千佛山医院提供的CT图像数据集,在TensorFlow环境下将模型与U-Net等分割模型进行对比,并对模型进行了消融实验.实验结果表明,该模型有效地提升了肿瘤分割的准确度,与已有经典模型相比,在均像素精度、均交并比等性能指标上均取得了更好的效果.

• 融合空间先验的医学影像分割神经网络模型

  张建伟, 张旭斌, 徐宇扬, 陈为

  由于现有神经网络方法泛化性能的局限性、医学影像参差不齐的质量以及肿瘤的不规则性和浸润性,应用神经网络全自动分割方法的效果无法令人满意.为了充分地利用不同图像特有的信息,提出融合空间信息的先验嵌入网络的新范式.在神经网络中引入基于图像空间位置的先验信息引导模型聚焦于病灶区域,学习肿瘤的判别性特征并排除无关信息,从而增强模型对于特征的选择能力并提高分割精度.使用医学图像分割框架2D U-Net和3D nnU-Net分别作为主干网络,在肝肿瘤分割任务上采用LiTS数据进行实验.经过5折交叉验证,先验嵌入网络在训练集上的分割精度比2D U-Net提高22.4%;在测试集上比集成式nnU-Net提高1.2%,比非集成式nnU-Net提高4.4%.

• 基于神经网络和体素模板的骨骼受损类型判别

  陈义仁, 何坤金, 陆丰威, 蒋俊锋, 陈正鸣

  针对骨骼受损类型复杂多样、难以自动判别的问题,提出一种基于神经网络和体素模板的骨骼受损类型自动判别方法.首先构建一种区域分割且规则化的体素模板,以有效地表征形态结构不规则的骨骼受损区域;然后建立一种受损骨骼与体素模板之间的同构映射,用于提取受损区域的体素信息,并依此生成受损类型体素样本库;再结合医学先验知识定义一种受损区域体素间的约束关系,将连续受损区域作为单元,对同类型样本进行组合以扩充样本库;最后设计和训练神经网络模型对骨骼的受损类型进行自动判别.实验中采集352份股骨受损样本,其预测结果与骨科医师的临床诊断结论相比,准确率达97%,且分类准确率、时间性能和所识别的受损类型数目优于现有文献方法,结果表明,该方法能够辅助医生快速、有效地判断患者骨骼的受损类型,为骨折手术中内固定植入物的选取提供理论基础.