Resumen de Técnicas de visualización orientadas a la reducción de complejidad geométrica e interpretativa en escenas neuronales
Esta Tesis está centrada en la generación de técnicas de visualización para el análisis de representaciones neuronales orientadas a la reducción de complejidad geométrica e interpretativa, utilizando para ello información neurocientíca así como los nuevos avances ofrecidos en computación gráfica. Para ello se han desarrollado dos lineas de investigación.
En la linea orientada a reducir la complejidad computacional, se han generado unos algoritmos que permiten reconstruir toda la neuromembrana, buscando soluciones adaptadas a cada uno de los principales elementos que conforman la supercie neuronal: el soma, las neuritas y las espinas. la complejidad de estas escenas se ha abordado por medio de la utilización de técnicas de niveles de detalle, inicialmente discretos, pero, que posteriormente, aprovechando las capacidades de procesamiento de las GPUs, se han mejorado aplicando técnicas de refinamiento en tiempo real, utilizando para ello shaders de teselación sobre un manado base muy grosero y compacto. En esta misma linea. se ha dado un paso más, y se ha desarrollado una técnica que permite no sólo generar la malla et nivel de detalle deseado al vuelo, sino además hacerlo de manera adaptativa, pudiendo asignar niveles de importancia a variables a lo largo de la neurona para que se refine la malla consecuentemente.
En la linea de investigación orientada hacia la mejora de las capacidades interpretativas, se ha aprovechado la fidelidad de las representaciones realistas que se generan, y se ha desarrollado una técnica de visualización especialmente diseñada para adaptarse a las peculiaridades de las estructuras neuronales. Donde, para evitar la saturación visual provocada por la complejidad de la escena, se permite realizar una visualización incremental de las variables a analizar. De esta forma no se visualiza toda la escena a la vez, sino que que se permite al usuario visualizar las zonas de interés de acuerdo a distintos criterios y condiciones sobre las variables bajo estudio. Otro trabajo elaborado en esta linea, consiste en expresar la información morfológica más relevante por medio de representaciones semánticas, utilizando formas geométricas muy simples, escalas de colores y números, para representar y destacar las principales características de los datos. Este tipo de representación permite al usuario una exploración más sencilla, asi como observar y comparar las variables de interés. Siguiendo este enfoque, se ha creado una modelo de representación para el análisis de información morfológica y uno enfocado al análisis de información de simulación. Ambas aproximaciones estructuran la información utilizando diferentes representaciones para facilitar el análisis.
