Upload
lemien
View
220
Download
0
Embed Size (px)
Citation preview
Information visualization for biosensing
Fernando V. Paulovichhttp://www.icmc.usp.br/~paulovic
Instituto de Ciências Matemáticas e de Computação (ICMC)Universidade de São Paulo (USP)
1 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
2 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
3 / 60
Crescimento em Números
Em 2007 existiam cerca de 30 milhões de câmeras de vigilânciasomente nos EUA
Mais de 4 bilhões de horas de vídeo toda semana [J. Vlahos,2008]
Em 2002, 5 exabytes de nova informação impressa, magnética eótica foi produzida
Equivalente a 37,000 cópias de todos os 7 milhões de livros daBiblioteca do Congresso americano [Lyman & Hal, 2003]
Na média, atualmente uma pessoa em uma grande companhiatroca cerca de 177 mensagens por dia [Tanaka, 1998]
Uma unica edição do New York Times atual contém maisinformação do que uma pessoa comum no século 17 tevecontato em toda sua vida [Tanaka, 1998]
5 / 60
Crescimento em Números
Em 2007 existiam cerca de 30 milhões de câmeras de vigilânciasomente nos EUA
Mais de 4 bilhões de horas de vídeo toda semana [J. Vlahos,2008]
Em 2002, 5 exabytes de nova informação impressa, magnética eótica foi produzida
Equivalente a 37,000 cópias de todos os 7 milhões de livros daBiblioteca do Congresso americano [Lyman & Hal, 2003]
Na média, atualmente uma pessoa em uma grande companhiatroca cerca de 177 mensagens por dia [Tanaka, 1998]
Uma unica edição do New York Times atual contém maisinformação do que uma pessoa comum no século 17 tevecontato em toda sua vida [Tanaka, 1998]
6 / 60
Crescimento em Números
Em 2007 existiam cerca de 30 milhões de câmeras de vigilânciasomente nos EUA
Mais de 4 bilhões de horas de vídeo toda semana [J. Vlahos,2008]
Em 2002, 5 exabytes de nova informação impressa, magnética eótica foi produzida
Equivalente a 37,000 cópias de todos os 7 milhões de livros daBiblioteca do Congresso americano [Lyman & Hal, 2003]
Na média, atualmente uma pessoa em uma grande companhiatroca cerca de 177 mensagens por dia [Tanaka, 1998]
Uma unica edição do New York Times atual contém maisinformação do que uma pessoa comum no século 17 tevecontato em toda sua vida [Tanaka, 1998]
7 / 60
Crescimento em Números
Em 2007 existiam cerca de 30 milhões de câmeras de vigilânciasomente nos EUA
Mais de 4 bilhões de horas de vídeo toda semana [J. Vlahos,2008]
Em 2002, 5 exabytes de nova informação impressa, magnética eótica foi produzida
Equivalente a 37,000 cópias de todos os 7 milhões de livros daBiblioteca do Congresso americano [Lyman & Hal, 2003]
Na média, atualmente uma pessoa em uma grande companhiatroca cerca de 177 mensagens por dia [Tanaka, 1998]
Uma unica edição do New York Times atual contém maisinformação do que uma pessoa comum no século 17 tevecontato em toda sua vida [Tanaka, 1998]
8 / 60
Simples! Colete menos dados...
Nome Posição Altura Peso Data NascimentoBrennan Bosch Centro 1,75 77 14/02/1988Scott Wasden Centro 1,85 91 04/01/1988Colton Grant Ala Esquerda 1,75 79 20/03/1989Darren Helm Ala Esquerda 1,83 83 21/01/1987Derek Dorsett Ala Direita 1,08 81 20/12/1986
Daine Todd Centro 1,78 76 10/01/1987Tyler Swystun Ala Direita 1,80 82 15/01/1988
Matt Lowry Centro 1,83 83 02/03/1988Kevin Undershute Ala Esquerda 1,83 82 12/04/1987
Jerrid Sauer Ala Direita 1,78 94 12/09/1987Tyler Ennis Centro 1,75 70 06/10/1989
Jordan Hickmott Centro 1,83 82 11/04/1990Jakub Rumpel Ala Direita 1,73 75 27/01/1987
Bretton Cameron Centro 1,80 77 26/01/1989Chris Stevens Ala Esquerda 1,78 89 20/08/1986Gord Baldwin Defesa 1,96 93 01/03/1987
David Schlemko Defesa 1,85 88 22/01/1988Trevor Glass Defesa 1,83 85 22/01/1988Kris Russell Defesa 1,80 80 02/05/1987
Michael Sauer Defesa 1,91 93 07/08/1987Mark Isherwood Defesa 1,83 82 31/01/1989Shayne Brown Defesa 1,85 86 20/02/1989Jordan Benfield Defesa 1,91 104 09/02/1988
Ryan Holfeld Goleiro 1,80 75 29/06/1989Matt Keetley Goleiro 1,88 86 27/04/1986
Tabela: Time de hoquei junior do Medicine Hat Tigers de 2007 [Gladwell,2008].
9 / 60
Simples! Colete menos dados...
Nome Posição Altura Peso Data NascimentoBrennan Bosch Centro 1,75 77 14/02/1988Scott Wasden Centro 1,85 91 04/01/1988Colton Grant Ala Esquerda 1,75 79 20/03/1989Darren Helm Ala Esquerda 1,83 83 21/01/1987Derek Dorsett Ala Direita 1,08 81 20/12/1986
Daine Todd Centro 1,78 76 10/01/1987Tyler Swystun Ala Direita 1,80 82 15/01/1988
Matt Lowry Centro 1,83 83 02/03/1988Kevin Undershute Ala Esquerda 1,83 82 12/04/1987
Jerrid Sauer Ala Direita 1,78 94 12/09/1987Tyler Ennis Centro 1,75 70 06/10/1989
Jordan Hickmott Centro 1,83 82 11/04/1990Jakub Rumpel Ala Direita 1,73 75 27/01/1987
Bretton Cameron Centro 1,80 77 26/01/1989Chris Stevens Ala Esquerda 1,78 89 20/08/1986Gord Baldwin Defesa 1,96 93 01/03/1987
David Schlemko Defesa 1,85 88 22/01/1988Trevor Glass Defesa 1,83 85 22/01/1988Kris Russell Defesa 1,80 80 02/05/1987
Michael Sauer Defesa 1,91 93 07/08/1987Mark Isherwood Defesa 1,83 82 31/01/1989Shayne Brown Defesa 1,85 86 20/02/1989Jordan Benfield Defesa 1,91 104 09/02/1988
Ryan Holfeld Goleiro 1,80 75 29/06/1989Matt Keetley Goleiro 1,88 86 27/04/1986
Tabela: Time de hoquei junior do Medicine Hat Tigers de 2007 [Gladwell,2008].
10 / 60
Simples! Colete menos dados...
Nome Posição Altura Peso Data NascimentoBrennan Bosch Centro 1,75 77 14/02/1988Scott Wasden Centro 1,85 91 04/01/1988Colton Grant Ala Esquerda 1,75 79 20/03/1989Darren Helm Ala Esquerda 1,83 83 21/01/1987Derek Dorsett Ala Direita 1,08 81 20/12/1986
Daine Todd Centro 1,78 76 10/01/1987Tyler Swystun Ala Direita 1,80 82 15/01/1988
Matt Lowry Centro 1,83 83 02/03/1988Kevin Undershute Ala Esquerda 1,83 82 12/04/1987
Jerrid Sauer Ala Direita 1,78 94 12/09/1987Tyler Ennis Centro 1,75 70 06/10/1989
Jordan Hickmott Centro 1,83 82 11/04/1990Jakub Rumpel Ala Direita 1,73 75 27/01/1987
Bretton Cameron Centro 1,80 77 26/01/1989Chris Stevens Ala Esquerda 1,78 89 20/08/1986Gord Baldwin Defesa 1,96 93 01/03/1987
David Schlemko Defesa 1,85 88 22/01/1988Trevor Glass Defesa 1,83 85 22/01/1988Kris Russell Defesa 1,80 80 02/05/1987
Michael Sauer Defesa 1,91 93 07/08/1987Mark Isherwood Defesa 1,83 82 31/01/1989Shayne Brown Defesa 1,85 86 20/02/1989Jordan Benfield Defesa 1,91 104 09/02/1988
Ryan Holfeld Goleiro 1,80 75 29/06/1989Matt Keetley Goleiro 1,88 86 27/04/1986
Tabela: Time de hoquei junior do Medicine Hat Tigers de 2007 [Gladwell,2008].
11 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
13 / 60
Visualização
“O uso de representações visuais de dados interativas eapoiadas por computador, para ampliar a cognição”
Card et al., Readings in Information Visualization, 1999
14 / 60
Visualização
“O uso de representações visuais de dados interativas eapoiadas por computador, para ampliar a cognição”
Card et al., Readings in Information Visualization, 1999
15 / 60
Mapas de Calor (Copa FIFA 2010)
http://pt.fifa.com/worldcup/statistics/players/
16 / 60
Mapas de Calor (Copa FIFA 2010)
http://pt.fifa.com/worldcup/statistics/players/
17 / 60
Exemplo New York Times
http://www.nytimes.com//interactive/2009/07/31/business/20080801-metrics-graphic.html?ref=business
18 / 60
Exemplo New York Times
http://www.nytimes.com//interactive/2009/07/31/business/20080801-metrics-graphic.html?ref=business
19 / 60
Exemplo
Qual é a maior renda? Média? DistribuiçãoQual a relação entre renda e educação?Anomalias?
20 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
22 / 60
Projeção Multidimensional
IDH/ONU de 2006 (http://hdr.undp.org/hdr2006/statistics/)
23 / 60
Projeção Multidimensional
δ : xi,xj→ℜ,xi,xj ∈ X
d : yi,yj→ℜ,yi,yj ∈ Y
f : X→ Y, |δ (xi,xj)−d(f (xi), f (xj))| ≈ 0,∀xi,xj ∈ X
24 / 60
Projeção Multidimensional
δ : xi,xj→ℜ,xi,xj ∈ X
d : yi,yj→ℜ,yi,yj ∈ Y
f : X→ Y, |δ (xi,xj)−d(f (xi), f (xj))| ≈ 0,∀xi,xj ∈ X
25 / 60
Projeção Multidimensional
δ : xi,xj→ℜ,xi,xj ∈ X
d : yi,yj→ℜ,yi,yj ∈ Y
f : X→ Y, |δ (xi,xj)−d(f (xi), f (xj))| ≈ 0,∀xi,xj ∈ X
26 / 60
Projeção Multidimensional
δ : xi,xj→ℜ,xi,xj ∈ X
d : yi,yj→ℜ,yi,yj ∈ Y
f : X→ Y, |δ (xi,xj)−d(f (xi), f (xj))| ≈ 0,∀xi,xj ∈ X
27 / 60
Projection Explorer (PEx)
http://infoserver.lcad.icmc.usp.br/
29 / 60
Projection Explorer Image (PEx-Image)
http://infoserver.lcad.icmc.usp.br/
30 / 60
Projeções Variantes no Tempo
Projeções multidimensionais variantes no tempo de coleções dedocumentos
Evolução temporal
31 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
32 / 60
Sensores e Biossensores
Espectroscopia por Impedância
Unidade sensorial mede a impedância (valores real eimaginário) em diferentes faixas de frequências, permitindocaracterizar diferentes substâncias
Alta-dimensionalidade dos dados se muitas faixas de frequênciasforem consideradas
33 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
34 / 60
Detecção de Ácido Fítico
Objetivo
Distinguir diferentes concentrações de Ácido Fítico (fitase)
Dados
Amostras em 5 diferentes concentrações (10−2, 10−3, 10−4, 10−5,10−6), 10 por concentraçãoSolução tampão, 10 amostrasDiferentes sensores: (1) PAH/PVS e (2) PAH/phytase
Moraes, M.L., Maki, R.M., Paulovich, F.V., Rodrigues Filho, U.P., Oliveira, M.C.F., Riul Jr., A.,Souza, N.C., Ferreira, M., Gomes, H.L., Oliveira Jr., O.N. Strategies to Optimize BiosensorsBased on Impedance Spectroscopy to Detect Phytic Acid Using Layer-by-Layer Films.Analytical Chemistry(Washington), v. 82, p. 3239-3246, 2010.
35 / 60
PAH/phytase e PAH/PVS
Projeção Sammon’s Mapping para dados dos sensores PAH/phytase e PAH/PVS unidos
38 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
39 / 60
Distinção Leishmaniose/Chagas
Objetivo
Distinguir amostras com anticorpos para Leishmaniose e doençade Chagas
Muitos falso positivos devido a dificuldade de distinguir entre essesdois tipos de anticorpos
Paulovich, F.V., Maki, R., Oliveira, M.C.F., Colhone, M.C., Santos, F.R., Migliaccio, V.,Ciancaglini, P., Daghastanli, K.R., Stabeli, R.G., Perinoto, A.C., Oliveira Jr., O.N., Zucolotto,V. Using multidimensional projection techniques for reaching a high distinguishing ability inbiosensing Analytical and Bioanalytical Chemistry, v. 400, p. 1153-1159, 2011.
Perinoto, A.C., Maki, R.M., Colhone, M.C., Santos, F.R., Migliaccio, V., Daghastanli, K.R.,Stabeli, R.G., Ciancaglini, P., Paulovich,F.V., Oliveira, M.C.F., Zucolotto, V. Biosensors forEfficient Diagnosis of Leishmaniasis: Innovations in Bioanalytics for a Neglected Disease.Analytical Chemistry(Washington), v. 82, p. 9763-9768, 2010.
40 / 60
Dados Mensurados
Dados25 substâncias distintas com 9 amostras cada = 225 amostras4 diferentes configurações de sensores58 frequências analisadas para cada sensor116 atributos para cada sensor, resultando em 464 atributos paraos dados
Amostrassolução tampão (usada como referência)soro infectado com Leishmania (em quatro concentrações)soro infectado com Tripanossoma Cruzi (em quatroconcentrações)soro com ausência de anticorpos contra os parasitas (em quatroconcentrações)soro com anticorpos negativos (em três concentrações)soro com anticorpos anti-Leishmania (em três concentrações)soro com anticorpos anti-T. Cruzi (em três concentrações)mistura de soro com anticorpos anti-T. Cruzi e anti-Leishmania(em três concentrações)
41 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
45 / 60
Eliminação de Cross-Talk
Objetivo
Eliminar interferência entre sensores próximos
Siqueira, J.R., Maki, R.M., Paulovich, F.V., Werner, C.F., Poghossian, A., Oliveira, M.C.F.,Zucolotto, V., Oliveira Jr., O.N., Schöning, M.J. Use of Information Visualization MethodsEliminating Cross Talk in Multiple Sensing Units Investigated for a Light-AddressablePotentiometric Sensor. Analytical Chemistry (Washington), v. 82, p. 61-65, 2010.
46 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
47 / 60
Projection Explorer Sensors (PEx-Sensors)
Objetivo
Ferramenta de visualização de propósito geral para análise dedados de sensores e biossensores
Dados
Os mesmos usados para a identificação de Ácido Fítico
Paulovich, F.V., Moraes, M.L., Maki, R.M.,Ferreira, M., Oliveira Jr., O.N., Oliveira,M.C.F. Information visualization techniquesfor sensing and biosensing. Analyst(London. 1877. Print), v. 136, p.1344-1350, 2011.
48 / 60
Interpretando Dados de Sensores
(a) Bare electrode (b) PAH/phytase
(c) PAH/PVS
Projeções com diferentes sensores
49 / 60
Sumário
1 Motivação
2 Visualização de Informação
3 Projeções Multidimensionais
4 Sensores e BiossensoresDetecção de Ácido FíticoDistinção Leishmaniose/ChagasEliminação de Cross-TalkProjection Explorer Sensors (PEx-Sensors)
5 Conclusões
53 / 60
Conclusões
O crescimento da quantidade de dados produzidos é latenteQual o custo de se gerar dados?Qual o benefício de ser possível analisar mais dados?
Análise se torna cada vez mais complexaMaior quantidade de dados e medidas (atributos)Multimodalidade (diferentes dispositivos)Análise limitada pode levar a interpretações ERRADAS!
O que o VICG/ICMC/USP pode prover como soluçãoAnálise de similaridade (verificar reprodutividade)Visualização de variações temporais (modificações/degradações)...
54 / 60
Conclusões
O crescimento da quantidade de dados produzidos é latenteQual o custo de se gerar dados?Qual o benefício de ser possível analisar mais dados?
Análise se torna cada vez mais complexaMaior quantidade de dados e medidas (atributos)Multimodalidade (diferentes dispositivos)Análise limitada pode levar a interpretações ERRADAS!
O que o VICG/ICMC/USP pode prover como soluçãoAnálise de similaridade (verificar reprodutividade)Visualização de variações temporais (modificações/degradações)...
55 / 60
Conclusões
O crescimento da quantidade de dados produzidos é latenteQual o custo de se gerar dados?Qual o benefício de ser possível analisar mais dados?
Análise se torna cada vez mais complexaMaior quantidade de dados e medidas (atributos)Multimodalidade (diferentes dispositivos)Análise limitada pode levar a interpretações ERRADAS!
O que o VICG/ICMC/USP pode prover como soluçãoAnálise de similaridade (verificar reprodutividade)Visualização de variações temporais (modificações/degradações)...
56 / 60
Conclusões
O crescimento da quantidade de dados produzidos é latenteQual o custo de se gerar dados?Qual o benefício de ser possível analisar mais dados?
Análise se torna cada vez mais complexaMaior quantidade de dados e medidas (atributos)Multimodalidade (diferentes dispositivos)Análise limitada pode levar a interpretações ERRADAS!
O que o VICG/ICMC/USP pode prover como soluçãoAnálise de similaridade (verificar reprodutividade)Visualização de variações temporais (modificações/degradações)...
57 / 60
Grupo de Pesquisa
Grupo de Visualização, Imagens e Computação Gráfica (VICG)http://infoserver.lcad.icmc.usp.br/
Professores
Afonso Paiva (Computação Gráfica)
Maria Cristina Ferreira de Oliveira (Visualização)
Fernando Paulovich (Visualização)
Luis Gustavo Nonato (Visualização)
Moacir Ponti Jr. (Processamento de Imagens)
Rosane Minghim (Visualização)
Antonio Castelo Filho (Computação Gráfica)
João Do Espirito Santo Batista Neto (Processamento deImagens)
Colaboradores
Alexandru Telea (RUG - Holanda)
Alneu de Andrade Lopes (ICMC - USP)
Anton Heijs (Treparel - Holanda)
Charl P. Botha (TU-Delft - Holanda)
Haim Levkowitz (UMASS - EUA)
Lars Linsen (Jacobs University - Alemanha)
Osvaldo Novais de Oliveira Jr (IFSC - USP)
...
58 / 60
Referências
[Lyman & Varian, 2003] Peter Lyman and Hal R. Varian, HowMuch Information, 2003; www2.sims.berkeley.edu/research/projects/how-much-info/
[Tanaka, 1998] Jennifer Tanaka, Drowning in Data, Newsweek,4/28/98, p. 85[Cetron & Davies, 1991] Marvin Cetron and Owen Davies,Crystal Globe, New York, St. Martin’s Press, 1991, pp. 361-2[Cetrin & Davies, 1989] Marvin Cetron and Owen Davies,American Renaissance, New York, St. Martin’s Press, 1989, p.65[Gladwell, 2008] Malcolm Gladwell, Fora de Série : Outliers,Sextante, 2008.
60 / 60