上海科技大学信息科学与技术学院李权课题组（交互智能与可视分析实验室ViSeer LAB）通过开发先进的交互和可视分析技术，旨在促进人、机器和数据之间的紧密互联，从而提升在真实世界不同应用领域中涉及大量数据、各种复杂人工智能模型以及不同背景的用户群体进行数据探索的效率，为支持通用的数据科学工作流程的可视化设计、开发和评估做出积极贡献。近日，课题组多项研究成果被可视化领域会议IEEE Visualization Conference （IEEE VIS 2023）正式接收，同时收录在可视化与计算机图形学领域期刊IEEE Transactions on Visualization and Computer Graphics (TVCG)。
多模态医学教育：实习医生和初级医生的突破性学习模式
基于模拟的医学教育（SBME）是一个为实习医生和初级医生提供持续监督和指导培训的解决方案，它提高了实践经验和诊断能力，同时不增加过多的学习负担。为了增强SBME效果，李权课题组开展了一项研究，旨在设计实习医生、初级医生和基于现有医学数据库训练的多模态机器学习（ML）模型之间的交互。研究人员开发了名为“DiagnosisAssistant”的可视分析系统。该系统使领域专家能够更好地理解模型的决策，并支持用户探索多模态数据并对个别患者进行比较分析。通过案例研究和专家访谈验证了该方法的有效性和可靠性，展示了其提升医学培训和诊断能力的潜力。
图：“DiagnosisAssistant”旨在提升实习生和初级医师的诊断学习体验。
该研究成果由上海科技大学信息科学与技术学院李权课题组、复旦大学附属中山医院等合作完成，并以“Leveraging Historical Medical Records as a Proxy via Multimodal Modeling and Visualization to Enrich Medical Diagnostic Learning”为题发表。信息科学与技术学院2021级硕士研究生欧阳阳为论文的第一作者，李权助理教授为通讯作者。
可视分析解析直播电商复杂关联性：实现有效的战略决策支持
直播电商将购物和娱乐融合，使得观众可以在观看直播时实时购买商品，给零售商、品牌和数字平台带来了巨大机遇。然而在直播电商中，营销策略执行往往由于组织能力、限制、核心竞争力和内部运营等各种因素，以及战略发展和执行之间的差距，阻碍营销结果的实现。
目前已有的分析工具未能建立起直播表现与流媒体统计数据之间的清晰联系，主播们在进行全面的战略回顾时仍然需要依赖繁琐的来回分析方法。李权课题组开发了一个交互式的可视分析框架LiveRetro，用于促进直播电商的战略回顾，并为基于证据的营销研究提供平台。该系统满足支持战略回顾的七个设计要求，并结合了信息丰富的计算特征，用于分析直播表现。系统提供增强的可视化和丰富的交互功能，能够从多个角度分析直播电商策略。通过案例研究和专家访谈验证了该方法的有效性，展示了其在解析直播电商中复杂关联性方面的能力。LiveRetro是首个基于直播视频使用可视分析技术进行视频内容和同步反馈联合分析的研究工作，有望激发讨论并进一步探索可视分析在直播和直播电商分析中的应用。
图：LiveRetro系统的工作流程包括三个部分：数据处理模块，建模引擎和交互式可视化模块。
该研究成果由信息科学与技术学院李权课题组及创业与管理学院范筱萌课题组等合作完成，并以“LiveRetro: Visual Analytics for Strategic Retrospect in Livestream E-Commerce”为题发表。信息科学与技术学院2022级项目型硕士研究生吴宇辰为论文的第一作者，李权助理教授为通讯作者。
可视分析支持下的消防站选址决策：平衡资源配置与公共安全
消防站在减轻火灾对人类生命、财产和环境的威胁方面扮演着至关重要的角色。优化消防站的空间布局与救援效率密切相关，可以缩短响应时间并最小化火灾造成的损害。传统的布局评估主要依赖数学模型，缺乏可解释性，难以提供可信赖的消防规划建议。消防站选址决策涉及多个标准，例如交通状况、建设成本、政治因素和供水情况，平衡这些因素通常需要进行费时费力的人工分析。此外，传统算法在处理大规模空间数据和复杂选址目标时存在局限性。
为了克服这些挑战，李权课题组整合了理论研究和实际的领域专业知识，引入了可解释的时空预测模型，通过分析火灾记录和相关特征揭示火灾发生的模式和影响因素，为决策者提供有价值的见解。此外，课题组还利用火灾分布数据和现有消防站布局，开发了一个基于人机交互技术的可视化流程，有助于确定城市中可能存在不足消防资源的区域。通过模拟和比较不同解决方案对原始消防站布局的影响，决策者可以得出改善资源配置的最佳方案。通过案例研究和专家访谈，证明了综合方法的有效性。
图：FSLens旨在评估和优化消防站的空间布局，包括后端模型算法和交互式可视化系统两个主要组件。
该研究成果由上海科技大学信息科学与技术学院李权课题组、浙江大学建筑工程学院合作完成，并以“FSLens: A Visual Analytics Approach to Evaluating and Optimizing the Spatial Layout of Fire Stations”为题发表。信息科学与技术学院2022级硕士研究生陈龙飞为论文的第一作者，李权助理教授为通讯作者。
基于对比学习的缺失数据建模优化：提高机器学习模型性能的潜力
缺失数据是指由于固有特性、隐私问题和数据收集难度等原因未在数据集中记录的值。解决缺失数据问题对有效建模至关重要。排除缺失值可能导致弱的统计结论和样本量减少。然而，现有的特征插补和标签预测方法常引入偏差，更注重插补缺失值。李权课题组提出了基于对比学习（CL）的框架来解决观测数据中缺失值的建模挑战。该框架无需数据插补，融入正负策略的专家知识，并结合人工引导策略。课题组开发了CIVis人机交互可视分析系统，以用户友好和透明方式促进基于CL的缺失数据建模。CIVis为探索、分析和发展基于CL的缺失数据建模提供强大工具。通过结合CL和专家知识，该系统在ML建模中有效应对缺失数据挑战，具有潜力提高观测数据建模的准确性和可靠性。进一步研究和应用CIVis有望显著改善各领域中观测数据的建模，提升ML模型的精度和可靠性。
图：课题组提出了基于对比学习的可视化分析系统CIVis，用于支持专家理解、分析和改进对观测数据中缺失值的建模。
该研究成果由上海科技大学信息科学与技术学院李权课题组及腾讯IEG公共数据平台部合作完成，并以“Towards Better Modeling with Missing Data: A Contrastive Learning-based Visual Analytics Perspective”为题发表。信息科学与技术学院2020级博士研究生谢莱鑫为论文的第一作者，李权助理教授为通讯作者。
沪公网安备 31011502006855号