iVAR:Interactive Visual Analytics of Radiomics Features from Large-Scale Medical Images总结翻译

---

摘要

医学图像使得研究人员和从业者能够更加详细地了解疾病的特征。然而，庞大的呈像数据和高维度的衍生特征成为数据分析、诊断和知识发现的主要挑战。我们提出列一个新颖的视觉分析系统，命名为iVAR，目的是通过有效地探索大量的定量影像特征来观察肿瘤全面量化后的表型特征。我们的系统由多个连接的视图组成，结合三维体积的可视化和计算机断层扫描图像(CT)重建的肿瘤，以及高维度特征的影像组学分析，量化肿瘤图像的强度、形状和纹理，以及三个非图像的临床学特征。因此，它提供了对定量影像特征的整体分布的洞察能力，并对特征之间的关系进行了详细的分析。我们在实际大规模CT数据和肺癌数据的场景下展示我们的系统。

---

引言

虽然使用诸如相关性聚类和子空间聚类的自动化方法是一种可行的选择，但是分析师很难去控制这些自动化分析过程。此外，这些聚类结果只针对特定的目标模式，而分析人员可能对更多的模式感兴趣，例如相关的、不相关的维度和异常值等。一旦在子空间中发现了感兴趣的模式，分析人员就需要追踪患者的影像数据的细节，以验证结果。因此，分析人员通常希望通过交互式的方式可视化特征的整体分布，并探索成对或多个特征之间的关系。
我们提出了一种交互式的视觉分析系统。