DaedalusData：医疗制造中粒子探索、知识外部化与标记的设计研究

在医疗诊断中，包括早期疾病检测和常规体检，基于颗粒的体外诊断耗材污染构成了对患者的重大风险。基于客观数据驱动的决策，可显著降低患者风险，同时节省质量评估的时间和成本。我们的合作伙伴介绍了他们的质量控制流程，包括通过图像识别获取粒子数据、特征提取以及反映粒子生产背景的属性。当前流程存在几个不足之处：探索数千张图像的能力不足、数据驱动决策有限、知识外部化无效。遵循设计研究方法论，我们的贡献包括问题空间与需求的表征、DaedalusData的开发与验证、我们研究学习的全面讨论，以及通用的知识外部化框架。DaedalusData是一个可视化分析系统，使领域专家能够探索粒子污染模式、使用标签字母对粒子进行标记，并通过半监督标签信息数据投影来外部化知识。我们的案例研究和用户研究表明，DaedalusData具有良好的可用性，能够高效支持专家对数千个粒子进行综合概览、大量粒子标记以及知识外部化以进一步扩充数据集。反思我们的方案，我们就通过人类知识外部化进行数据扩充、以及在实际应用中伴随的可扩展性与权衡进行讨论。