Visuelle Unterstützung der Anlayse hierarchisch strukturierter, multipler heterogener Datenquellen
Final Report Abstract
In diesem Forschungsprojekt wurden Visualisierungskonzepte entwickelt und umgesetzt, die eine interaktive graphische Darstellung und Analyse über mehrere Datensätze hinweg ermöglichen. Diese Problemstellung tritt in vielen Anwendungsgebieten auf, so z.B. in der Biomedizin oder der Klimaforschung, wo immer gleich mehrere, unterschiedliche Datenquellen in eine Analyse eingehen. Bisher ist dieses Szenario jedoch nur unzureichend graphisch unterstützt, was sicherlich auch an dem damit einhergehenden Aufwand liegt. Denn solch eine Visualisierung über Datensatzgrenzen hinweg muss nicht nur die Datensätze und ihre Querverweise untereinander darstellen, sondern auch die jeweiligen Daten innerhalb der Datensätze – und diese können sehr unterschiedlich sein (z.B. textuell, numerisch, oder kategorisch) wobei für jeden dieser Datentypen wiederum sehr unterschiedliche Darstellungstechniken existieren. Ein Hauptergebnis dieses Projekts ist es, zum einen Techniken für solche Datensatzvisualisierungen über die gesamte „Datenlandschaft“ mehrerer Datensätze erarbeitet zu haben. Zum anderen wurden aber auch unterschiedliche Möglichkeiten untersucht und realisiert, die nötige Vielfalt an Datenvisualisierungen für die einzelnen Datensätze ohne hohen Extraaufwand zu erzeugen und in die Datensatzvisualisierungen dynamisch einzubetten. Dies wurde insbesondere am Beispiel von hierarchischen Visualisierungen – sogenannten Baumvisualisierungen – erprobt, deren große Vielfalt im Rahmen des Projekts auf der Webseite http://treevis.net dokumentiert wurde. In Verbindung beider Ansätze können die Datensätze und die Daten innerhalb der Datensätze gleichzeitig dargestellt und untersucht werden. In Zusammenarbeit mit Forschungspartnern der TU Graz und der Harvard Medical School wurden diese Methoden dann u.a. in der Krebsforschung angewendet; in diesem Fall konkret für die Identifikation von Krebssubtypen aus einer Menge von mehreren Datensätzen, wie z.B. Genexpressiondaten und klinischen Daten von Patienten. Das Ergebnis dieser speziellen Anwendung wurde 2012 auf Europas größter Visualisierungstagung, der EuroVis, publiziert und erhielt dort den Preis für die drittbeste Publikation in dem Jahr – ein Ergebnis, das auch von den Wissenschaftsmedien aufgegriffen wurde, so z.B. von Springer Medizin (http://www.springermedizin.at/artikel/29722-visualisierung-bringt-die-datenflut-zum-sprechen).
Publications
-
In Situ Exploration of Large Dynamic Networks. IEEE Transactions on Visualization and Computer Graphics Bd.17 Nr.12 (Proceedings of the IEEE Conference on Information Visualization), Seiten 2334-2343, 2011
Steffen Hadlak, Hans-Jörg Schulz, Heidrun Schumann
-
Treevis.net – A Tree Visualization Reference. IEEE Computer Graphics and Applications Bd.31 Nr.6, Seiten 11-15, 2011
Hans-Jörg Schulz
-
VisBricks – Multiform Visualization of Large, Inhomogeneous Data. IEEE Transactions on Visualization and Computer Graphics Bd.17 Nr.12 (Proceedings of the IEEE Conference on Information Visualization), Seiten 2291-2300, 2011
Alexander Lex, Hans-Jörg Schulz, Marc Streit, Christian Partl, Dieter Schmalstieg
-
StratomeX – Visual Analysis of Large-Scale Heterogeneous Genomics Data for Cancer Subtype Characterization. Computer Graphics Forum Bd.31 Nr.3pt3 (Proceedings of the Eurographics Conference on Visualization), Seiten 1175-1184, 2012. 3rd Best Paper Award
Alexander Lex, Marc Streit, Hans-Jörg Schulz, Christian Partl, Dieter Schmalstieg, Peter J. Park, Nils Gehlenborg
-
A Design Space of Visualization Tasks. IEEE Transactions on Visualization and Computer Graphics Bd.19 Nr.12 (Proceedings of the IEEE Conference on Information Visualization), Seiten 2366- 2375, 2013
Hans-Jörg Schulz, Thomas Nocke, Magnus Heitzler, Heidrun Schumann
-
Special Section on Visual Analytics. Computers and Graphics Bd.38, 2014
Hans-Jörg Schulz, Heidrun Schumann, Margit Pohl (Hrsg.)
