动画在可视化中起着非常重要的作用，尤其在体绘制过程中，动画可以对一些复杂结构及实时趋势进行可视化。然而现有的很多动画生成方法都需要大量的人工干预，如大量地加入关键帧(keyframe)。
本文[1]采用对虚拟摄像头路径自动生成的方法对体绘制的内部结构进行“录制”，从而形成动画。在路径生成过程中，采用了摄影学与可视化中的一些准则，对初步生成的路径进行优化。具体而言，路径优化时采用了6条准则，每条准则将产生一定方向的力，对路径上的结点进行更改，6条准则对应的力线性地组合在一起，最终优化的路径就是这些力平衡的结果。
在神经科学中，神经元之间的连接性可视化一直是一个热门的研究课题，现有的方法大部分只提供二维神经元连接性的可视分析，缺乏直观的三维体绘制效果。本文[1]可视化的数据中包括以下几个神经元研究对象：Synapse(神经元的突触)，Axons(轴突)，Dendrite(树突)，Glia(神经胶质).
本文[1]仿照SQL语言中查询机制，对大容量神经科学体数据进行查询与分析。如图2所示，具体步骤包括
1) 数据采集；数据采集自电子显微镜，体绘制数据包括多个体数据，EM Data体数据，Segmentation体数据，其中Segmentation体数据是由人工结合一些智能识别算法Trace出来的。也就是说，神经元数据之间的连接性由人工手动tracing得到的。
大部分现有的体绘制(Volume rendering)研究都是针对同时可视化单个变量的Volume数据，而比较少研究在同一个Volume中同时展示多个变量的信息。在同一个Volume中展示多个变量，最直观的方法有两种，其一、通过用户控制，快速切换多个变量的渲染；其二、将多个变量混合起来。前者的缺点是用户体验差，无法同时感知两个变量的分布与关系；另外，如果Volume比较大，渲染速度比较慢，就完全退化成两个体绘制。后者的缺点也是比较显示的，虽然它在同一个Volume中展示了多个变量的信息，但是混合过程中，信息损失很严重，且次要变量往往会掩盖主要变量从而误导用户。
关键字：体编辑(Volume editing), 骨架化(Skeletonization), 体分割(Volume segmentation)
在计算机仿真与实体建模等实际应用中，体编辑(Volume editing)一直是一个重要的研究方向。尤其在医学图像处理中，某些器官在不同病理情况下，器官图像分割算法精度并不是很高，因此需要有效的体编辑(Volume editing)算法来校正这些误分割(misclassifications)。
这是一篇2008年IEEE Vis的论文[1]，作者介绍了一种用图例解释二维地层数据的可视化方法，该方法着手于解决传统的自下而上的解释性方法相对耗时的缺陷，提出了自上而下的解释性方法。作者还提出了一种参数化层位线的方法来获取层位线的局部坐标，从而为最后的纹理映射提供纹理坐标。
近期评论