Anfang Oktober 2017 fand ein vom ICCAS organisiertes Tutorial zur Zusammenf\u00fchrung von Visualisierungs- und Analysemethoden f\u00fcr die Auswertung von gro\u00dfen Datenmengen (Big Data) in Phoenix, USA, im Rahmen der IEEE Visualization Conference (VIS 2017) statt. Neben dem ICCAS waren die Magdeburger Otto-von-Guericke Universit\u00e4t, die Technische Universit\u00e4t Darmstadt und das IBM T.J. Watson Research Center als Vortragende beteiligt. <\/p>\n
Um zu einer sinnvollen Interpretation von komplexen Bild- und Nichtbilddaten tausender Individuen einer Kohortenstudie zu gelangen, m\u00fcssen die Daten effizient erhoben, bereinigt, analysiert und visualisiert werden. Das ist eine gro\u00dfe Herausforderung. F\u00fcr die Epidemiologie, die sich mit der Verbreitung, den Ursachen und den Folgen von Krankheiten in der Bev\u00f6lkerung besch\u00e4ftigt, ist die Analyse der Kohortendaten jedoch von immenser Bedeutung. Zum einen k\u00f6nnen Risikofaktoren und deren Einfluss auf bestimmte Krankheiten identifiziert und zum anderen das Krankheitsrisiko festgestellt werden. Zudem profitiert der Gesundheitssektor durch die Analyse der Qualit\u00e4t von Therapien und das Aufdecken von auff\u00e4lligen Mustern und Trends im Therapieverlauf von dem Big-Data-Ansatz. \u00dcber das Tutorial wurden Verkn\u00fcpfungsm\u00f6glichkeiten von Analyse- und Visualisierungstechniken zur Erstellung und Auswertung eines Datenpools vorgestellt. Dar\u00fcber hinaus wurden offene Forschungsprobleme und aktuelle Trends diskutiert.<\/p>\n","protected":false},"excerpt":{"rendered":"
(more information)<\/p>\n","protected":false},"author":1,"featured_media":15560,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-15557","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"acf":[],"yoast_head":"\n