Lehrstuhl Computergraphik

UniVA - Einheitliche Nutzungsschnittstelle für Visual Analytics

2018-2020, DFG Projekt, in Kooperation mit Prof. B. Urban, Fraunhofer IGD Rostock

Existierende Visual Analytics (VA) Werkzeuge sind häufig Speziallösungen, die auf ein bestimmtes Analyseszenario zugeschnitten sind. Generische VA Frameworks sind selten, da deren Wartung und Nutzung weit aufwändiger ist. Zudem tauchen dennoch immer wieder Situationen auf, in denen diese Frameworks zu kurz greifen, da sie kaum alle möglichen Erfordernisse einer Datenanalyse vorhersehen können. Daher verfolgt dieses Projekt die Idee, existierende VA Werkzeuge miteinander zu verschneiden und zu koordinieren, anstatt eine solche “Superapplikation” zu erstellen. Zu diesem Zweck werden wir eine Nutzungsschnittstelle entwickeln, die einen einheitlichen Zugriff auf Daten und Funktionalitäten mehrerer VA Werkzeuge innerhalb eines Analyse-Workflows ermöglicht. Die Arbeitsgruppe Computergraphik wird dieses Vorhaben auf der Ebene der graphischen Oberfläche durch die Erforschung sogenannter View Ensembles verfolgen. Diese beschreiben die Anordnung und das interaktive Verschneiden von graphischen Ausgaben unterschiedlicher VA Werkzeuge.

GEMS 2.0 - Visuelles Editieren und Vergleich multivariater Graphen in interaktiven Multi-Display-Umgebungen

2017-2020, DFG Projekt (Fortsetzung von GEMS), in Koop. mit Prof. R. Dachselt, TU Dresden

Multivariate Graphen werden in verschiedenen Anwendungsgebieten eingesetzt, z.B. für die Darstellung von biologischen oder sozialen Netzen. Bei dieser Art von Graphen sind die Knoten und Kanten mit Datenattributen assoziiert. Die Arbeit mit derartigen Graphen stellt aufgrund des komplexen Zusammenspiels zwischen Struktur und Datenattributen eine besondere Herausforderung dar. Das GEMS 2.0 Projekt hat es sich zum Ziel gesetzt neue Konzepte, Methoden und Werkzeuge für das visuelle Vergleichen und Editieren von multivariaten Graphen in Display Umgebungen mit mehreren Geräten zu entwickeln. Schwerpunkte der Rostocker Arbeiten sind: (1) Die Untersuchung neuer Darstellungsformen, die sowohl die Eigenschaften der Struktur als auch die assoziierten Datenattribute kommunizieren. (2) Die Entwicklung neuer Konzepte zum Editieren von Knoten, Kanten und Attributen sowie eine entsprechende visuelle Repräsentation der Veränderungen. (3) Die Unterstützung des Nutzers bei dem Vergleich und der Bearbeitung mehrerer Graphen.

TOPOs - Therapieprädiktion durch OCT und Patientendemographie in der Ophthalmologie

2017-2020, BMBF Projekt, in Koop. mit Prof. Ritter, (Hochschule Mittweida), Prof. Dr. Stahl (Universitätsklinik Freiburg), Dr. med. Philipp Daumke (AVERBIS GmbH)

Mit Hilfe der optischen Kohärenztomographie (OCT) sind Augenärzte dazu in der Lage, Bilder der Retina des menschlichen Auges zu erzeugen. Hiermit ist es bereits jetzt möglich, eine Reihe von Augenerkrankungen, wie die altersbedingte Makuladegeneration, den retinalen Venenverschluss oder die diabetische Retinopathie verlässlich zu diagnostizieren. Auch der Therapieverlauf wird durch die OCT-Analyse begleitet. Zwar gibt es erfolgreiche Theraphien, vorwiegend durch die regelmäßige Injektion von Anti-VEGF Substanzen. Dennoch scheint es derzeit noch nicht möglich zu sein, eine verlässliche Vorhersage für den Erfolg und die Dauer der Therapie zu treffen. Vor diesem Hintergrund bringt dieses Projekt das Wissen der Experten in Visueller Analytik sowie Ophthalmologie zusammen. So wird es möglich, aus den multidimensionalen und sehr heterogenen Daten, nicht nur aus der OCT-Analyse, sondern auch aus den Metadaten der Patienten, die Erkenntnisse zu gewinnen, die auf mögliche Ursachen für den Erfolg einer Therapie schließen lassen. Zum Einsatz kommt hier ein speziell auf die Ophthalmologie ausgerichtetes Visualisierungstool.

VisSect: Visual Segmentation and Labeling of Multivariate Time Series

2016-2020, DFG Projekt, in Koop. mit TU Darmstadt und TU Wien

Das Segmentieren und Annotieren von multivariaten Zeitreihen ist von großer Bedeutung für viele Anwendungsgebiete, wie z.B. für die Analyse von menschlichen Bewegungsdaten oder von EKG-Daten. Das Ziel dieser Untersuchungen ist es, bedeutsame Teilstücke in den Zeitreihen zu finden und mit ähnlichen Segmenten zu vergleichen. Dieses Forschungsprojekt beabsichtigt, neue Ansätze für die visuelle und interaktive Analyse von multivariaten Zeitreihen zu entwickeln, um das Generieren von Hypothesen und das Ziehen von Schlussfolgerungen zu unterstützen. Das übergreifende Ziel hierbei ist es, drei wichtige Schritte in diesem Prozess zu kombinieren: (1) Wahl des Algorithmus für die Segmentierung und Annotation, (2) Parametrisierung und (3) Visualisierung und Exploration von Unsicherheiten in den Ergebnissen.