机构名称：
¥ 1.0
神经成像领域的最新进展使科学家能够创建大脑网络数据，从而对神经回路产生新的见解，并更好地理解大脑的组织。这些网络本质上涉及空间组件，描述哪些大脑区域在结构、功能或遗传上相关。它们的 3D 可视化受到遮挡和混乱的影响，尤其是随着节点和连接数量的增加，而 2D 表示（例如连接图、连接矩阵和节点链接图）则忽略了空间解剖背景。手动排列 2D 图的方法繁琐、依赖于物种，并且需要领域专家的知识。在本文中，我们提出了一种空间数据驱动的方法，用于在 2D 节点链接图中布局 3D 大脑网络，同时保持其空间组织。生成的图形不需要手动定位节点，是一致的（即使对于子图也是如此），并提供与视角相关的方向排列。此外，我们还提供了一种视觉设计，以突出显示解剖背景，包括大脑的形状和大脑区域的大小。我们在几个案例研究中展示了我们的方法对不同神经科学相关物种的适用性，包括小鼠、人类和果蝇幼虫。在与多位领域专家进行的用户研究中，我们证明了它的相关性和有效性，以及它在神经科学出版物、演示和教育方面的潜力。© 2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
空间数据驱动的脑网络可视化布局
主要关键词
相关文件推荐
