論文の概要: Narrative Visualization to Communicate Neurological Diseases

• arxiv url: http://arxiv.org/abs/2212.10121v1
• Date: Tue, 20 Dec 2022 09:39:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:12:32.847445
• Title: Narrative Visualization to Communicate Neurological Diseases
• Title（参考訳）: 神経疾患の物語的可視化
• Authors: Sarah Mittenentzwei, Veronika Wei{\ss}, Stefanie Schreiber, Laura A. Garrison, Stefan Bruckner, Malte Pfister, Bernhard Preim, and Monique Meuschke
• Abstract要約: 可視化技術を用いて神経疾患データを一般の聴衆に理解可能な方法で伝達する方法について検討した。 我々は脳小血管疾患を解説した物語的可視化を考案した。 我々は、慎重に考え抜かれたストーリーラインと明確なキーメッセージの組み合わせ、分かりやすいインタラクションと組み合わせた視覚化の魅力、そして信頼できる参照が、聴衆を巻き込む神経疾患に関する物語の可視化に不可欠であることを見出した。
• 参考スコア（独自算出の注目度）: 8.326479391467725
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: While narrative visualization has been used successfully in various applications to communicate scientific data in the format of a story to a general audience, the same has not been true for medical data. There are only a few exceptions that present tabular medical data to non-experts. However, a key component of medical visualization is the interactive analysis of 3D data, such as 3D models of anatomical structures, which were rarely included in narrative visualizations so far. In this design study, we investigate how neurological disease data can be communicated through narrative visualization techniques to a general audience in an understandable way. We designed a narrative visualization explaining cerebral small vessel disease. Learning about its avoidable risk factors serves to motivate the audience watching the resulting visual data story. Using this example, we discuss the adaption of basic narrative components. This includes the conflict and characters of a story, as well as the story's structure and content to address and communicate specific characteristics of medical data. Furthermore, we explore the extent to which complex medical relationships need to be simplified to be understandable to a general audience without distorting the underlying data and evidence. In particular, the data needs to be preprocessed for non-experts and appropriate forms of interaction must be found. We explore approaches to make the data more personally relatable, such as including a fictional patient. We evaluated our approach in a user study with 40 participants in a web-based implementation of the designed story. We found that the combination of a carefully thought-out storyline with a clear key message, appealing visualizations combined with easy-to-use interactions, and credible references are crucial for creating a narrative visualization about a neurological disease that engages an audience.
• Abstract（参考訳）: 物語の可視化は、様々な応用において、物語の形式で科学的なデータを一般の聴衆に伝えるために使われてきたが、医学的なデータには当てはまらない。 非専門家に表型医療データを提示する例外はわずかである。 しかし、医学的視覚化の重要な要素は、解剖学的構造の3dモデルのような3dデータのインタラクティブな分析である。 本研究では,脳神経疾患データを可視化技術を用いて,一般の聴衆に理解可能な方法で伝達する方法を検討する。 脳血管疾患を説明する物語の可視化をデザインした。 避けられるリスク要因について学ぶことは、結果のビジュアルデータストーリーを見る観客を動機付けるのに役立つ。 この例を用いて,基本的物語成分の適応について論じる。 これには、ストーリーの競合やキャラクター、ストーリーの構造や内容が含まれ、医療データの特定の特徴に対処し、伝達する。 さらに,基礎となるデータやエビデンスを歪ませることなく,一般のオーディエンスが理解できるように,複雑な医療関係を単純化する必要性について検討する。 特に、非専門家のための事前処理が必要であり、適切なインタラクション形式を見出す必要がある。 我々は、架空の患者を含め、データをより個人的に再利用可能にするアプローチを探求する。 デザインストーリーのWebベース実装において,40名の参加者によるユーザスタディにおいて,我々のアプローチを評価した。 注意深い考察と明確なメッセージの組み合わせ、魅力的な視覚化と使いやすいインタラクションの組み合わせ、そして信頼できる参照の組み合わせは、オーディエンスを対象とする神経疾患に関する物語の可視化に不可欠であることがわかった。

関連論文リスト

• Autoregressive Sequence Modeling for 3D Medical Image Representation [48.706230961589924]
  本稿では, 自己回帰シーケンス事前学習フレームワークを用いて, 3次元医用画像表現を学習するための先駆的手法を提案する。 我々は,空間的,コントラスト的,意味的相関に基づく様々な3次元医用画像にアプローチし,トークンシーケンス内の相互接続された視覚トークンとして扱う。
  論文  参考訳（メタデータ） (2024-09-13T10:19:10Z)
• Evaluating and Analyzing Relationship Hallucinations in Large Vision-Language Models [69.79709804046325]
  視覚関係の幻覚を評価するための新しいベンチマークであるR-Benchを紹介する。 R-Benchは、関係の存在に焦点を当てたイメージレベルの質問と、局所的な視覚的理解を評価するインスタンスレベルの質問を特徴としている。 我々は,関係関連性,主観関連性,関係対象性という,幻覚につながる3つの関係共起関係を同定する。
  論文  参考訳（メタデータ） (2024-06-24T08:42:42Z)
• A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
  ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。 胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。 医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T17:55:02Z)
• Topicwise Separable Sentence Retrieval for Medical Report Generation [41.812337937025084]
  医療報告生成のためのトピックワイズ分離文検索(Teaser)を導入する。 一般的なトピックと稀なトピックの両方を包括的に学習するために、クエリを共通型と希なタイプに分類し、トピックコントラストロスを提案する。 MIMIC-CXRとIU X線データセットの実験は、ティーザーが最先端のモデルを上回ることを示した。
  論文  参考訳（メタデータ） (2024-05-07T10:21:23Z)
• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• Knowledge-augmented Graph Neural Networks with Concept-aware Attention for Adverse Drug Event Detection [9.334701229573739]
  副作用薬物イベント(ADEs)は、薬物の安全性の重要な側面である。 さまざまな文献にはADEに関する豊富な情報が含まれている。 近年,テキストからのADE検出を自動化するために,単語埋め込みとディープラーニングに基づく自然言語処理を適用している。 本稿では,グラフ内のノードの種類によって異なる特徴を学習する,概念認識型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-01-25T08:01:45Z)
• Improving Radiology Summarization with Radiograph and Anatomy Prompts [60.30659124918211]
  本稿では,印象生成を促進するために,新しい解剖学的拡張型マルチモーダルモデルを提案する。 より詳しくは、まず、解剖学を抽出する一連のルールを構築し、各文にこれらのプロンプトを配置し、解剖学的特徴を強調する。 コントラスト学習モジュールを用いて、これらの2つの表現を全体レベルで整列させ、コアテンションを用いて文レベルで融合させる。
  論文  参考訳（メタデータ） (2022-10-15T14:05:03Z)
• Towards Narrative Medical Visualization [12.654190663732509]
  ナラティブ・ビジュアライゼーションは、科学的な結果を一般の聴衆に伝えることを目的としている。 探索的および説明的可視化の融合は、科学的プロセスの非専門的な理解を効果的に支援することができる。
  論文  参考訳（メタデータ） (2021-08-11T22:01:34Z)
• Visual Exploration and Knowledge Discovery from Biomedical Dark Data [0.0]
  我々は、バイオメディカルダークデータから知識を発見するために、自然言語処理ベースのパイプラインを使用している。 我々は、膨大な量の情報を解析する問題を克服する潜在的な解決策を得ることを目的としている。
  論文  参考訳（メタデータ） (2020-09-28T04:27:05Z)
• Once Upon A Time In Visualization: Understanding the Use of Textual Narratives for Causality [21.67542584041709]
  因果性ビジュアライゼーションは、イベントの時間的連鎖を理解するのに役立つ。 しかし、これらのイベントシーケンスの規模と複雑さが大きくなるにつれて、これらの視覚化でさえ圧倒的に利用できなくなる。 本稿では、因果性可視化を強化するためのデータ駆動型ストーリーテリング手法として、テキスト物語の利用を提案する。
  論文  参考訳（メタデータ） (2020-09-06T05:46:24Z)
• Hide-and-Tell: Learning to Bridge Photo Streams for Visual Storytelling [86.42719129731907]
  視覚的ギャップを埋めるストーリーラインを明示的に学習することを提案する。 私たちは、欠落した写真であっても、ネットワークをトレーニングして、完全なプラウティブルなストーリーを作り出す。 実験では,本手法とネットワーク設計がストーリーテリングに有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-03T14:22:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。