VolVis: Explorando Grandes Conjuntos de Dados Volumétricos Multi-Dimensionais Variantes no Tempo Usando Projeções

• Processo: 10/00498-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de setembro de 2010
• Data de Término da vigência: 31 de agosto de 2012
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Fernando Vieira Paulovich
• Beneficiário: Fernando Vieira Paulovich
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Christian Jorge Daniel Wong Cruz ; Danilo Medeiros Eler ; Jorge Luis Poco Medina ; Luis Gustavo Nonato ; Maria Cristina Ferreira de Oliveira ; Rosane Minghim ; Tácito Trindade de Araújo Tiburtino Neves
• Assunto(s): Visualização de informação Mineração de dados
• Palavra(s)-Chave do Pesquisador: Análise visual de padrões | Dados tensorias | Fluxo de dados (streams) | mineração visual de dados | Visualização de Informação | Visualização de volumes multi-dimensionais | Processamento Gráfico (Graphics)

Resumo

Projeções multi-dimensionais são frequentemente empregadas para a criação de representações gráficas de conjuntos de dados abstratos que reflitam algum padrão estrutural existente entre as instâncias de dados multi-dimensionais. Dessa forma, as habilidade visuais humanas podem ser empregadas no processo exploratório dos dados, apoiando atividades de identificação e extração de padrões e anomalias, acelerando a interpretação da informação subjacente. Este projeto propõe a definição de uma abordagem baseada em projeções multi-dimensionais para análise de conjuntos de dados volumétricos, que podem apresentar a característica de serem variante no tempo, suportando tarefas que envolvam a descoberta e seleção de estruturas de interesse a serem visualizadas. Como resultado espera-se a definição de um arcabouço para a análise de dados volumétricos da área médica, como as fibras neuronais, e para a análise de conjuntos variantes no tempo, como os resultantes de simulações de fenômenos naturais, aplicações carentes de ferramentas principalmente quando conjuntos de dados de grande porte são considerados. (AU)