header

ViES: Visuell-interaktive Exploration zur individualisierten Selektion relevanter Datenbereiche (Prof. H. Schumann (Universität Rostock, Fakultät für Informatik und Elektrotechnik, Institut für Informatik), Prof. O. Stachs), 2016-2018

Ziel des Projektes ist es, durch visuell-interaktive Methoden eine patientenspezifische Diagnose von Netzhautschäden des Auges zu unterstützen. Hierfür stehen hochaufgelöste Datensätze basierend auf einer optischen Kohärenztomographie der Netzhaut zur Verfügung, die vor einer Auswertung auf ein handhabbares Maß reduziert werden müssen. Bisher wird eine automatische und stark vereinfachte Datenreduktion eingesetzt, die zu Fehldiagnosen bei kleinen Netzhautveränderungen führen kann. Diese automatischen Berechnungen sollen nun um neue visuell-interaktive Methoden erweitert werden. Durch visuelle Kodierung der Daten und ihrer Eigenschaften auf unterschiedlichen Granularitätsstufen sowie durch visuelle Hervorhebungen und Verzahnungen wird die Auswahl relevanter Details erleichtert. Die Daten lassen sich somit gezielt reduzieren, so dass sie einerseits für den Mediziner handhabbar sind, andererseits aber keine wichtigen Informationen verloren gehen. Es entstehen individualisierte Datensätze, die eine umfangreiche Analyse von Substrukturen ermöglichen. Im Rahmen des Transferprojektes soll ein Framework entwickelt werden, welches diesen stufenlosen Wechsel zwischen Datenselektion, -reduktion und visueller Analyse von Details mit innovativen Methoden unterstützt. Dabei kann auf Ergebnisse zurückgegriffen werden, die im Rahmen des DFG-SPP 1335 (Scalable Visual Analytics), im Teilprojekt VASSiB entwickelt wurden. Hierzu gehören folgende Ansätze: 1. Eine neue Visualisierungstechnik zur Multi-Skalen-Darstellung großer Datenmengen, wobei durch eine Kodierung von Heterogenitätswerten das Auffinden interessanter Details unterstützt wird. 2. Ein neuer Visualisierungsansatz zur Darstellung und Analyse von Daten, verbundenen Unsicherheiten sowie zugehörigen Parameterabhängigkeiten. 3.Eine neue Methode zur Extraktion und zeitlichen Verfolgung von Features in 3-dim. Datensätzen. Diese Ansätze gilt es nun bezogen auf die konkrete Anwendungsfrage, die Diagnose von Netzschäden, anzupassen und entsprechend zu erweitern. Dazu sind grundlegende Untersuchungen notwendig: 1. Die Multi-Skalen-Darstellung wurde für 1-dim. Zeitreihen entwickelt. Sie wurde in einem ersten Ansatz auch auf 2-dim. Daten übertragen, muss aber für den 3-dim. Fall substantiell erweitert werden. 2. Die Darstellung von Daten, Unsicherheiten und Parameterabhängigkeiten ist bisher auf 1-dim. Zeitreihen aus Multi-Run-Simulationsdaten abgestimmt. Bei der Betrachtung hochaufgelöster 3-dim. Daten ergeben sich neue Herausforderungen. 3. Es müssen anwendungsbezogen Features definiert und Methoden für ihre Extraktion und Visualisierung entwickelt werden. Hierbei müssen Qualitätskriterien eingehalten werden; sowohl bei der Reduktion als auch bei der visuellen Präsentation der Daten. Das bedeutet z.B., dass nicht nur die selektierten Daten, sondern dass gleichzeitig auch die der Datenauswahl zugrunde liegenden Kriterien angezeigt werden. Hierfür sind geeignete Verfahren zu entwerfen.