Visualisera stora mängder data om levande organ

Radiologer älskar bilder! Deras dagliga arbete består av att titta på röntgenbilder av en patients inre organ och bestämma om patienten är sjuk eller frisk. 

Human brain., scanned

Bilderna på de inre organen produceras av skannrar på sjukhuset. Skannrar i början av nittiotalet kunde bara producera en handfull bilder för radiologens diagnos.

Dagens skannrar kan avbilda alla delar av kroppen och producera tusentals bilder med millimeterupplösning av en enda patient.

Kommande skannrar kan skanna över tid och därmed registrera rörelser inuti kroppen. Detta är en fantastisk möjlighet eftersom radiologen då kan göra en diagnos baserad på organens funktion när de rör sig. 

Hantera stor mängd bilddata med bibehållen kvalite

Det är emellertid omöjligt för radiologen att använda dagens arbetsflöde för att undersöka de hundratusentals bilder som kan nya skannrarna levererar. Nya verktyg behövs som kan visualisera relevant information och samtidigt hantera den enorma mängd data som produceras.

Human organ. scannedFör att stödja radiologerna i deras arbete forskar jag på metoder som kan hantera den ökade datamängden och samtidigt behålla bildkvaliteten. Algoritmer som ger högupplösta bildkvalitet kräver processmässigt dyra beräkningar, vilket begränsar hur stor mängd data som kan hanteras. 

För att lösa detta problem försöker vi svara på frågan: Om bilderna liknar varann över tid, kan vi minska mängden beräkningsarbetet genom att använda beräkningar som redan gjorts? 

Vi försöker först identifiera vilken del av en algoritm som kan ändras så att beräkningarna kan återanvändas. Vi undersöker sedan vilken information som behöver levereras för att kunna veta vilka beräkningar som ska göras om. I dessa två pusselbitar möter vi utmaningen att bestämma hur man ändrar algoritmen och genomförandet så att det blir effektivare än att räkna om allt. 

Förbättra användargränssnittet

Daniel Jönsson på MIT workshop om utbildningar på MIT. Foto: Thor BalkhedTill detta lägger vi en tredje pusselbit som berättar vilken information radiologen är intresserad av. Det gör att vi kan fokusera på att ge den bästa representationen av relevanta data och filtrera bort onödiga delar.

En annan del av min forskning är av mjukare natur. Radiologer behöver lättanvända verktyg i sitt dagliga arbete, som  samtidigt måste vara kraftfulla nog att visualisera önskad information. Utmaningen ligger i att kombinera verktyget med den bakomliggande tekniken. Uppdraget är att välja ut och visa några få viktiga parametrar som är lätta att förstå och justera för användaren. 

Vi undersöker därför hur vi antingen kan ändra algoritmerna för att göra inmatningen mer intuitiv, eller skapa intuitiva parametrar som är kopplade till de data algoritmen hämtar in.

Dessa två forskningsinriktningar syftar tillsammans till att ge radiologen möjlighet att utforska organs funktion och göra det på ett effektivt sätt.

Publikationer

2017

Daniel Jönsson, Ynnerman Anders

Correlated Photon Mapping for Interactive Global Illumination of Time-Varying Volumetric Data

Ingår i IEEE Transactions on Visualization and Computer Graphics

Artikel i tidskrift

Daniel Jönsson, Anders Ynnerman

Correlated Photon Mapping for Interactive Global Illumination of Time-Varying Volumetric Data

Ingår i IEEE Transactions on Visualization and Computer Graphics

Artikel i tidskrift

2016

Daniel Jönsson, Martin Falk, Anders Ynnerman

Intuitive Exploration of Volumetric Data Using Dynamic Galleries

Ingår i IEEE Transactions on Visualization and Computer Graphics

Artikel i tidskrift

Daniel Jönsson

Enhancing Salient Features in Volumetric Data Using Illumination and Transfer Functions

Doktorsavhandling, sammanläggning

2015

Erik Sundén, Peter Steneteg, Sathish Kottravel, Daniel Jönsson, Rickard Englund, Martin Falk, Timo Ropinski

Inviwo - An Extensible, Multi-Purpose Visualization Framework

Ingår i 2015 IEEE Scientific Visualization Conference (SciVis)

Konferensbidrag

Relaterad information