Zusammenfassung
In der Medizin werden große Mengen an Daten generiert, die sich auf diagnostische Prozeduren, Behandlungsentscheidungen und Ergebnisse der Behandlung beziehen. Medizinische Bilddaten, z. B. Computertomografie (CT) und Kernspintomografiedaten (MRT), werden häufig akquiriert. Diese Daten müssen effizient analysiert werden, um klinische Entscheidungen adäquat zu unterstützen. Insbesondere müssen Bildanalysetechniken, wie die Segmentierung und Quantifizierung anatomischer Strukturen und die visuelle Exploration der Daten, integriert werden. Neben den Anforderungen der individuellen Behandlung ergeben sich weitere Herausforderungen für die Datenauswertung aus den Bedürfnissen der klinischen Forschung, der öffentlichen Gesundheitsvorsorge und der Epidemiologie. Die Rolle des Benutzers ist hier die eines Forschers, der Daten untersucht und dabei z. B. potenzielle Korrelationen zwischen Risikofaktoren und der Entstehung von Erkrankungen analysiert. Die visuelle Exploration, bei der oft mehrere koordinierte Ansichten genutzt werden, und statistische Analysen müssen dazu geeignet integriert werden. Oft sind dabei die räumliche (geografische) Verteilung der Patienten und die zeitliche Entwicklung von Erkrankungsfällen wesentlich. Daher müssen die medizinischen Daten in ihrem räumlichen und zeitlichen Bezug repräsentiert werden, sodass eine enge Verbindung zwischen geografischen Informationssystemen und der Datenvisualisierung entsteht.
References
Bade R, Schlechtweg S, Miksch S (2004) Connecting time-oriented data and information to a coherent interactive visualization. Proc of ACM SIGCHI, pp 105–112
Dai X, Gahegan M (2005) Visualization based approach for exploration of health data and risk factors. In: Proceedings of the 8th International Conference on GeoComputation. University of Michigan, USA, 31 July–3 August 2005
Gasteiger R, Neugebauer M, Kubisch C, Preim B (2010) Adapted surface visualization of cerebral aneurysms with embedded blood flow information. Eurographics Workshop on Visual Computing for Biology and Medicine (EG VCBM), Leipzig, 1–2 June 2010, pp 25–32
Glaßer S, Schäfer S, Oeltze S, Preim U, Tönnies K-D, Preim B (2009) A visual analytics approach to diagnosis of breast DCE-MRI data. Proc of Vision, Modeling, and Visualization (VMV), pp 351–362
Guo D (2007) Visual analytics of spatial interaction patterns for pandemic decision support. Int J Geogr Inf Sci 21(8):859–877
Lex A, Streit M, Kruijff E, Schmalstieg D (2010a) Caleydo: Design and evaluation of a visual analysis framework for gene expression data in its biological context. In: Proceedings of the IEEE Pacific Visualization Symposium, Taipei, Taiwan, 2–5 March 2010, pp 57–64
Lex A, Streit M, Partl C, Kashofer K, Schmalstieg D (2010b) Comparative analysis of multidimensional, quantitative data. IEEE Transactions on Visualization and Computer Graphics, Bd 16(6)
Maciejewski R, Tyner B, Jang Y et al (2007) LAHVA: linked animal-human health visual analytics. Proc of the IEEE Symposium on Visual Analytics Science and Technology, pp 27–34
Müller H, Reihs R, Sauer S, Zatloukal K, Streit M, Lex A, Schlegl B, Schmalstieg D (2009) Connecting genes with diseases. In: Proceedings of the 2009 13th International Conference on Information Visualization 2009, 13th International Conference on Information Visualization, 14–17 July 2009, Barcelona, Spain, pp 323–330
Muigg P, Kehrer J, Oeltze S, Piringer H, Doleisch H, Preim B, Hauser H (2008) A four-level focus + context approach to interactive visual – analysis of temporal features in large scientific data. Comput Graph Forum (EuroVis) 27(3):775–782
Oeltze S, Muigg P, Doleisch H, Hauser H, Preim B (2007) Interactive visual analysis of perfusion data. IEEE Trans Vis Graph 13(6):1392–1399
Saffer JD, Burnett VL, Chen G, van der Spek P (2004) Visual analytics in the pharmaceutical industry. IEEE Comput Graph Appl 24(5):10–15
Schulze-Wollgast P, Schumann H, Tominski C (2003) Visual analysis of human health data. IRMA International Conference, Philadelphia, USA
Ward M, Grinstein GG, Keim D (2010) Interactive Data Visualization: Foundations, Techniques, and Applications. AK Peters
Zachow S, Muigg P, Hildebrandt T, Doleisch H, Hege H-C (2009) Visual exploration of nasal airflow. IEEE Trans Vis Graph 15(6):1407–1414
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Preim, B., Oeltze, S. & Tönnies, K. Visuelle Analyse medizinischer Daten. Informatik Spektrum 33, 569–579 (2010). https://doi.org/10.1007/s00287-010-0491-x
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00287-010-0491-x