科学计算中大数据可视化分析与应用

随着计算机软硬件的飞速发展及网络的迅速普及,科学计算中的数据量呈现爆炸式增长。大数据可视化已经成为科学计算中的重要研究内容之一。本文介绍了大数据的定义,阐述了可视化分析领域及科学计算中大数据可视化的重要意义;分析和讨论了传统的科学计算可视化研究方法,以研究数据场的类型为标准,对算法和技术进行了分类阐述;分析了大数据背景下,传统的科学计算可视化方法的不足,进而介绍了基于GPU环境的科学计算中大数据可视化的并行计算和绘制方法;最后结合本课题组在科学计算中针对大数据可视化领域取得的主要理论和应用成果,给出了大数据环境下的科学计算可视化进一步的发展及研究方向。     

基于3D区域增长法和改进的凸包算法相结合的全肺分割方法

肺实质分割结果的准确性在实际临床应用中具有非常重要的意义。但由于肺结节的位置、大小、形状的不规则性,肺部病变的多样性,以及人体胸部解剖结构的明显差异等,使得各类分割方法不能统一地适用于所有的胸部CT图像,所以对于肺实质分割方法的研究仍具有很大的挑战。该文在国内外研究分析的基础上提出基于3D区域增长法与改进的凸包修补算法相结合的全肺分割方法。在3D区域增长法的粗分割基础上,对分割的结果进行细化工作,通过连通域标记法与形态学方法相结合去除气管和主支气管,得到初步的肺实质掩膜,最后应用改进的凸包算法对肺部轮廓进行修补平滑,最终得到肺部分割结果。通过与凸包算法及滚球法相对比,证明该文所提改进的凸包算法能够有效地修补肺部轮廓凹陷,修补后的结果分割精度较高。