论文：Progressive Visual Analytics: User-Driven Visual Exploration of In-Progress Analytics

会议：VAST 2014

作者：Charles D.Stolper, Adam Perer, and David Gotz

简介

本文提出一种“渐进式的可视分析”范式，用于解决当前在可视分析中数据规模庞大、可视分析算法复杂、计算量规模大的挑战和局限性。在已有的解决方案中，针对大数据和复杂大计算量算法的解决方案包括：预计算、大量使用并行 处理加速以及本文为剃刀的渐进式的可视分析方法。前两者存在不方便实时更新参数以及硬件需求等局限性，已有的系统包括 Dix，imMens,SampleAction……

本文的贡献点包括以下几点：

1.一种渐进式的可视分析范式的描述

2.在渐进式的可视分析系统中的算法和可视化设计目标

3.分析事件序列模式的可视分析系统（Progressive Insights）

4.临床专家利用本文系统针对医学数据对这种渐进式的可视分析范式的评估

渐进式的可视分析方法

图片1

​ 传统的批处理可视分析方法存在：计算-等待-可视化（Compute-Wait-Visualize）和速度延迟的（Speed Bump）两大问题；而本文的渐进式的可视化分析方法拥有渐进的并且由用户驱动分析以及渐进的可视化交互的可视化两种优势，从流程上区分如上图所示。本文的方法有用户可以迭代的进行可视分析工作、并且实时地更新设置参数即渐进的由用户驱动分析的特点；提供给用户用于可视分析工作的调整和强调功能，展示尽可能多的更新的信息，避免因为更新影响到当前的分析工作的渐进式的可交互的特点。系统的算法类似于将深度优先算法转换为广度优先算法，从而针对有层次结构的数据，实现 SPAM 算法。

图片2

设计目标

本文提出了七大设计目标，用来评价本文的渐进式可视分析方法以及系统的性能优劣。如下

  • 可视分析

​ 1.随着算法执行不断增长的有意义的部分结果

​ 2.允许用户聚焦到感兴趣的数据子空间

​ 3.允许用户忽略没必要的数据子空间

  • 可视化

​ 4.将视图改变引起的视觉干扰减小到最低

​ 5.对新产生的结果提供暗示

​ 6.支持请求式的更新操作

​ 7.提供用户选择或忽略可视化结果的用户界面

图片3

可视分析系统

本文实现了一个结合了列表视图、散点图视图、树图视图、其他辅助信息视图的可视分析系统，用于分析医疗病患的大规模数据。
系统的具有：联动性（各个视图之间在进行数据选择、参数设置之后的联动性）；Overview first, zoom and filter, details on demand（用 Tooltip、详细信息）;实时修改参数重计算（设置 SPAM 算法中的参数、重构 Run Stack，置顶新的计算任务，回溯 Run Stack 任务，记录历史参数）；筛选对应的数据集等功能。

Case Study：

  • 数据： 2 个月时长的 UNN 医疗中心的医学数据，包括 87000 名病人

  • 目标：

    1. 探究手术方案是否有效
    2. 实时观测分类变化，实时修改算法参数，实时评估治疗效果
    3. 解决延迟问题

  • 用户反馈：

    • 最初使用：
      1. 快速高效
      2. 医学数据调整参数进行实时的分类工作
      3. 对比手术的复诊率
    • 熟练使用：
      1. 通过条件进行对医学数据的摄入探究
      2. 手术的执行情况与患者的性别、年龄和地理位置之间的关系
      3. 手术类别和复诊率之间的相关性

  • 成果：

    1. 能够直观的探究出以前无法得到的信息
    2. 对医学数据分析意义重大

Questions & Discussion： ✉️ zjuvis@cad.zju.edu.cn