Medical doctors and researchers in bio-medicine are increasingly confronted with complex patient data, posing new and difficult analysis challenges. These data are often comprising high-dimensional descriptions of patient conditions and measurements on the success of certain therapies. An important analysis question in such data is to compare and correlate patient conditions and therapy results along with combinations of dimensions. As the number of dimensions is often very large, one needs to map them to a smaller number of relevant dimensions to be more amenable for expert analysis. This is because irrelevant, redundant, and conflicting dimensions can negatively affect effectiveness and efficiency of the analytic process (the so-called curse of dimensionality). However, the possible mappings from high- to low-dimensional spaces are ambiguous. For example, the similarity between patients may change by considering different combinations of relevant dimensions (subspaces). We demonstrate the potential of subspace analysis for the interpretation of high-dimensional medical data. Specifically, we present SubVIS, an interactive tool to visually explore subspace clusters from different perspectives, introduce a novel analysis workflow, and discuss future directions for high-dimensional (medical) data analysis and its visual exploration. We apply the presented workflow to a real-world dataset from the medical domain and show its usefulness with a domain expert evaluation.

中文翻译：

---

可视化分析，用于在患者组子空间中进行概念探索：利用“回路医生”了解复杂的数据集。

生物医学领域的医生和研究人员正日益面临复杂的患者数据，带来了新的困难分析挑战。这些数据通常包括患者状况的高维描述和某些疗法成功的度量。此类数据中的一个重要分析问题是将患者状况和治疗结果以及各个维度的组合进行比较和关联。由于维度的数量通常非常大，因此需要将它们映射到较少数量的相关维度，以便更易于进行专家分析。这是因为无关，多余和冲突的维度可能会对分析过程的有效性和效率（所谓的维度诅咒）产生负面影响。但是，从高维空间到低维空间的可能映射是不明确的。例如，患者之间的相似性可能会通过考虑相关维度（子空间）的不同组合而发生变化。我们展示了子空间分析在解释高维医学数据方面的潜力。具体来说，我们介绍了SubVIS，这是一种交互式工具，可以从不同的角度直观地探索子空间集群，引入新颖的分析工作流程，并讨论高维（医学）数据分析及其视觉探索的未来方向。我们将提出的工作流程应用于医学领域的真实数据集，并通过领域专家评估显示其有用性。我们展示了子空间分析在解释高维医学数据方面的潜力。具体来说，我们介绍了SubVIS，这是一种交互式工具，可以从不同的角度直观地探索子空间集群，引入新颖的分析工作流程，并讨论高维（医学）数据分析及其视觉探索的未来方向。我们将提出的工作流程应用于医学领域的真实数据集，并通过领域专家评估显示其有用性。我们展示了子空间分析在解释高维医学数据方面的潜力。具体来说，我们介绍了SubVIS，这是一种交互式工具，可以从不同的角度直观地探索子空间集群，引入新颖的分析工作流程，并讨论高维（医学）数据分析及其视觉探索的未来方向。我们将提出的工作流程应用于医学领域的真实数据集，并通过领域专家评估显示其有用性。