一个正在增长的趋势是将机器学习方法应用于医疗数据集来预测患者的未来状态。尽管其中一些方法取得了很好的效果，但如何通过它们的可解读信息来比较和评估不同的模型仍然存在挑战。进行这种分析有助于临床医生改善基于证据的医学诊断。 本文开发了一个可视分析系统，用来对多个模型的预测标准进行比较并评估它们的一致性。通过该系统，用户可以领会不同模型的内部标准以及每个模型对特定患者预测结果的可依赖性。通过对一个公开的临床数据集的案例研究，证明了本可视分析系统可有效地帮助临床医生和研究人员对不同机器学习方法进行比较和定量评估。

背景：缺乏编程能力的用户在进行可视化分析和设计时，想要快速地创建基于 web 的可视化作品，会遇到诸多困难，而现有的可视化设计系统和编程工具库并不能很好地解决这一问题。本文介绍了一种开源的、基于 web 的、跨平台的、支持快速创建交互式可视化的框架 ECharts，它易于使用，拥有丰富的内置交互和高性能。通过对 ECharts 与 C3.js, HighCharts, Chart.js 的多项性能对比，表明了该框架具有良好的实用性和可伸缩性。

背景：在本文中，我们列出了人机分析的目标、优势和不足之处，提到它不仅可在关键的底层可视化任务中发挥作用,而且能在更复杂的由模型生成的可视化分析任务中发挥作用。人工智能，尤其是在机器学习方面的最新进展，使得人们期盼使用自动技术来实施现由数据分析师采用可视化方法来执行的若干任务。但是，可视化分析仍然非常复杂，包含多个不同的子任务。其中一些任务处于底层，自动化方法可以大显身手（如数据的分类和聚类）；另一些任务则更为抽象，需要用到更多的人类创造力，例如，将从许多不同和异构的数据中获得的思想关联起来，以支持决策。 在本文中，我们将概述导引可能的应用，以及需要为导引提供的输入。我们讨论了实现导引方法的挑战，包括导引系统的输入以及如何为用户提供指导，提出了在分析过程的不同阶段中评估导引质量的潜在方法，并引入导引可能带来的负面效果，作为分析决策的偏差来源。

数值模拟在不同科学领域的广泛应用创造了各种研究机会。它们通常输出大量的时空模拟数据，按其特征可分为单程、多程、多变量、多模态和多维数据。从数据探索和分析的视角看，我们注意到许多聚焦于时空模拟数据的工作往往采用相似的探索技术，例如针对模拟空间、参数空间、特征空间以及它们的组合而设计的探索方案。 然而，目前尚无对这些工作基本共性的系统性综述。在本综述中，我们基于新颖的多空间视角将代表当前水平的工作分为三大类。分类依据的是其采用的相类似的技术：模拟空间中的可视化设计(可视化映射、基于盒形图的可视化概览等)、参数空间分析(可视导航、参数空间投影等)和特征空间中的数据处理(特征定义和提取、模拟数据的采样、简化和聚类等)。

在发育生物学中，对细胞结构及其（形态）动态行为的了解，有助于全面理解它们的行为及其参与机制。这些知识是生物学研究以及所有药物开发，药物或预防性疗法的决定性因素。基于实验的细胞分析不仅困难、昂贵而且耗时。为了克服这些困难，近年来，在细胞科学中已经开发了几种计算化的对象跟踪方法、软件系统和程序包，其中组合了不同学科和技术分支。 对象跟踪是在序列图像中定位和监控特定对象及其行为的过程。本文提供了对细胞跟踪中的对象跟踪阶段和所采用计算方法的全面综述。此外，还回顾了在处理这一领域内延时显微镜图像时可用的软件包和工具包，面对的挑战及其解决方案。描述计算细胞跟踪方法和工具旨在使生物学家和细胞科学家能运用这些可计算技术，构建一种新的方法来获取他们感兴趣问题的进一步信息。