可视化技术能够为数据分析的过程和结果提供直观的展现方式,其在医学领域应用也非常广泛,能够形象展示结构复杂的数据,因此一直是研究的热点对象之一。利用科学技术破译大脑运转密码、揭开生命之谜,是21世纪科学领域最重大的挑战之一。脑纤维是构成大脑复杂结构和各脑区信息交流的物质基础,核磁共振成像技术能通过磁场将水分子运动进行绘制,这种无创方式能够很好地应用于脑纤维研究。脑纤维可视化技术的目标是更精确地表达单体素纤维走向和全局纤维分布,对纤维束形成过程中的不确定性进行量化分析,对纤维数据进行降维并提取纤维结构特征,以降低视觉混杂性,增加空间层次感,为临床诊断提供辅助性分析工具。本文主要研究内容包括以下几个方面:(1)通过设计脑纤维数据可视分析流程,实现对纤维数据的建模、追踪和筛选处理;使用ParaView工具将处理结果在三维空间中直观地呈现出来,通过设定颜色映射表和不透明度等相关参数,获得较好的绘制结果。(2)研究人员在分析异常纤维数据的时候,通过手动旋转纤维束找到最合适的视角来进行深入研究,由于脑纤维的结构复杂,在显示器平面很难观察,这一过程通常需要耗费大量的时间。为了能自动获得最有研究价值的视角,本文使用纤维点的医学属性数据作为着色信息对整体纤维进行绘制,并且编写自动化脚本程序实现自动旋转和保存多视角下的纤维图片,通过对比不同视角下正常和异常纤维绘制结果的不同,计算图片相似度,寻找差异最大的视角状态,从而快速定位到异常区域。(3)为了提取最有价值的纤维信息、筛除冗余数据、优化处理效率,本文对高维纤维数据进行降维,投影到二维平面,并在此基础之上进行聚类研究,达到分析纤维结构特征的目的。获取聚类结果之后,本文进一步对纤维束进行抽象表达,将被划分为同类的多条纤维抽象成一条纤维,保留主要的空间信息和属性值,使纤维结构走向更加直观,并且依照抽象的思想处理大量的纤维数据,挖掘数据背后的信息,研究正常和异常纤维分布的差异。