Visual Analytics for Concept Exploration in Subspaces of Patient Groups: Making Sense of Complex Datasets with the Doctor-in-the-Loop

Michael Hund, Dominic Boehm, Werner Josef Sturm, Michael Sedlmair, Tobias Schreck, Torsten Ullrich, Daniel Keim, Ljiljana Majnaric, Andreas Holzinger

Publikation: Beitrag in einer FachzeitschriftArtikel

Abstract

Sowohl Klinikerinnen und Kliniker als auch Forscherinnen und Forscher sind im biomedizinischen Bereich vermehrt mit hochdimensionalen und komplexen Patientinnendaten und Patientendaten konfrontiert. Durch den im hochdimensionalen Raum auftretenden sogenannten „curse of dimensionality“ stellen sich extrem schwierige Herausforderungen im maschinellen Lernen um Wissen in solchen Daten zu entdecken. Dabei sind insbesondere unwichtige, korrelierende und sich widersprechende Dimensionen gerade jene Einflüsse die unter anderen Ähnlichkeitsdefinitionen zwischen Datenpunkten die größten Einflüsse bewirken und dadurch z.B. das Clusteringergebnis verfälschen. Ein weiteres Muster welches ebenfalls durch den „curse of dimensionality“ beeinflusst wird ist die Korrelation zwischen einem Patientinnenzustand bzw. Patientenzustand und einem Therapieergebnis in bestimmten Kombinationen von Dimensionen (=Subspace). Die hochdimensionalen Daten müssen in eine niedrigere Anzahl von relevanten Dimensionen projiziert werden um es einem Domainexperten bzw. einer Domainexpertin (expert-in-the-loop) ermöglichen, erfolgreiche Korrelationen zu erkennen. Zusammen mit der Keim-Gruppe der Universität Konstanz, konnten wir einige Experimente durchführen, um die Nützlichkeit und das zukünftige Potential interaktiver Subspaceanalysetechniken (SubVis) mit einem human-in-the-loop zu zeigen. Die Experimente wurden mit real-world Datensätzen aus dem Universitätsklinikum Osijek (Kroatien) durchgeführt.
Originalspracheenglisch
Seiten (von - bis)233-247
FachzeitschriftBrain Informatics
Jahrgang3
Ausgabenummer4
DOIs
PublikationsstatusVeröffentlicht - 17 Nov 2016

Schlagwörter

  • Maschinelles Lernen
  • interaktives maschinelles Lernen
  • interactive visuelle Analyse
  • Medizinische Informatik

ASJC Scopus subject areas

  • Artificial intelligence

Fields of Expertise

  • Information, Communication & Computing

Treatment code (Nähere Zuordnung)

  • Basic - Fundamental (Grundlagenforschung)

Fingerprint Untersuchen Sie die Forschungsthemen von „Visual Analytics for Concept Exploration in Subspaces of Patient Groups: Making Sense of Complex Datasets with the Doctor-in-the-Loop“. Zusammen bilden sie einen einzigartigen Fingerprint.

  • Verwandte Tätigkeiten

    • 1 Vortrag bei Workshop, Seminar oder Kurs

    Workshop Machine Learning for Biomedicine at TU Graz

    Andreas Holzinger (Redner/in)
    26 Jan 2016

    Aktivität: Vortrag oder PräsentationVortrag bei Workshop, Seminar oder KursScience to science

    Dieses zitieren