Visual Analytics in Public Health
- Project title: Visual Analytics in Public Health
- Funding organisation: German Research Foundation (DFG)
- Funding period: 01.02.2012 until 31.12.2015
- Localisation: Object Recognition in MRI Images, Visual Analytics
The essence of epidemiology lies in analyzing the relationships between causes and effects on human health. What combination of influences leads to an increased risk of developing a particular disease? To analyze these complex relationships, a comprehensive data foundation is required in the form of extensive population studies like the "Study of Health in Pomerania" (SHIP), which regularly collects data from a large cohort of participants. To capture complex relationships in this data beyond established statistical tools, visualizations are needed to help epidemiologists analyze the data hypothesis-driven. Techniques must be developed to efficiently correlate the various sociodemographic and medical parameters of the studies to derive connections.
Medical image processing and visualization are gaining importance in epidemiology since whole-body MRI scans have become part of data acquisition in large studies like SHIP. In addition to detecting pathologies, epidemiologists are interested in new statistical measures, such as the size of a specific structure or distances between different tissue types.
Our research initially focuses on the shape variation analysis of the spine. Specifically, the aim is to distinguish pathological shape changes from age-related changes. For this purpose, individual vertebrae up to the entire lumbar spine must be prepared in a way that allows comparisons between different subjects.
A specially developed system connects information visualizations of sociodemographic and medical parameters with the shape variation visualization of relevant structures (upper figure visualization system). This system is an important tool for epidemiologists, who previously had to methodologically separate statistical and image-based analyses. Overview visualizations of several hundred epidemiological parameters simultaneously enable exploratory data analysis (lower figure similarity matrix). This allows not only the verification of hypotheses about risk factors for diseases based on the data but also the identification of new relationships and thus new hypotheses.
This project has been funded under the direction of Prof. Dr. Bernhard Preim (Otto-von-Guericke-University Magdeburg) since 2012.
Further information about the project can be found here.
- Projekttitel: Visual Analytics im Bereich Public Health
- Fördermittelgeber: Deutsche Fördergemeinschaft (DFG)
- Förderzeit: 01.02.2012 bis 31.12.2015
- Verortung: Objekterkennung in MRT-Bildern, Visual Analytics
Das Wesen der Epidemiologie besteht in der Analyse von Zusammenhängen zwischen Ursachen und Folgen auf den Gesundheitszustand des Menschen. Welche Kombination von Einflüssen führt zu einem erhöhten Risiko, eine bestimmte Krankheit zu bekommen? Um diese komplexen Zusammenhänge analysieren zu können, bedarf es einer umfangreichen Datengrundlage in Form breit angelegter Bevölkerungsstudien wie der „Study of Health in Pomerania“ (SHIP), die in regelmäßigen Abständen Daten über eine große Probanden-Kohorte sammelt. Um jenseits von bewährten statistischen Werkzeugen komplexe Zusammenhänge in diesem Datenschatz zu erfassen, bedarf es Visualisierungen, die den Epidemiologen dabei helfen, die Daten hypothesengesteuert zu analysieren. Hierbei müssen Techniken entwickelt werden, die es ermöglichen, die verschiedenen soziodemografischen und medizinischen Parameter der Studien effizient miteinander in Verbindung zu bringen, um Zusammenhänge abzuleiten.
Medizinische Bildverarbeitung und Visualisierung gewinnt in der Epidemiologie an Bedeutung, seit Ganzkörper-MRT-Scans ein Teil der Datenakquise großer Studien wie der SHIP sind. Neben der Erkennung von Pathologien interessieren sich die Epidemiologen für neue statistische Kennzahlen, wie beispielsweise den Umfang einer bestimmten Struktur oder Abstände zwischen verschiedenen Gewebetypen.
Den Fokus der Forschung haben wir hier zunächst auf die Formvariationsanalyse der Wirbelsäule gelegt. Konkret geht es darum, pathologische Formveränderungen von altersbedingten Erscheinungen zu unterscheiden. Hierfür müssen die einzelnen Wirbelkörper bis hin zur gesamten Lendenwirbelsäule so aufbereitet werden, dass zwischen verschiedenen Probanden Vergleiche angestellt werden können.
Ein eigens hierfür entwickeltes System verbindet Informationsvisualisierungen von soziodemografische und medizinische Parametern mit der Formvariationsvisualisierung von relevanten Strukturen (obere Abbildung Visualisierungssystem). Dieses System ist ein wichtiges Werkzeug für Epidemiologen, die bisher statistische und bildbasierte Analysen zu weiten Teilen methodisch voneinander trennen. Überblicksvisualisierungen über mehrere hundert epidemiologische Parameter gleichzeitig sollen eine explorative Datenanalyse ermöglichen (untere Abbildung Ähnlichkeitsmatrix). So können anhand der Daten nicht nur Hypothesen über Risikofaktoren für Krankheiten überprüft werden, sondern auch neue Zusammenhänge und damit Hypothesen erkannt werden.
Dieses Projekt wird unter der Leitung von Prof. Dr. Bernhard Preim (Otto-von-Guericke-Universität Magdeburg) seit 2012 gefördert.
Weitere Informationen zum Projekt können hier erhalten werden.
