UTA4: SUS Dataset

本数据集包含从用户测试和分析4（UTA4）研究中得出的临床医生的可用性结果，通过应用系统可用性量表（SUS）进行测量。

This dataset contains the clinicians' usability outcomes derived from the User Testing and Analysis 4 (UTA4) study, which were measured using the System Usability Scale (SUS).

原始信息汇总

UTA4: System Usability Scale (SUS) Dataset

概述

UTA4数据集是基于User Tests and Analysis 4 (UTA4)研究的临床医生可用性结果。该数据集通过应用SUS量表来测量用户测试的可用性。

数据集内容

• 研究背景：用户测试在临床机构进行，临床医生对单模态与多模态进行比较诊断。
• 测试工具：使用了prototype-single-modality和prototype-multi-modality进行比较。
• 相关项目：数据集代表BreastScreening和MIDA项目的信息。
• 技术应用：项目涉及使用深度卷积神经网络(CNNs)。

数据发布

数据集发布在多个平台，包括Kaggle、data.world、figshare和OpenML。

引用

如需引用该数据集，请使用以下BibTeX条目： bibtex @inproceedings{10.1145/3399715.3399744, author = {Calisto, Francisco Maria and Nunes, Nuno and Nascimento, Jacinto C.}, title = {BreastScreening: On the Use of Multi-Modality in Medical Imaging Diagnosis}, year = {2020}, isbn = {9781450375351}, publisher = {Association for Computing Machinery}, address = {New York, NY, USA}, url = {https://doi.org/10.1145/3399715.3399744}, doi = {10.1145/3399715.3399744}, abstract = {This paper describes the field research, design and comparative deployment of a multimodal medical imaging user interface for breast screening. The main contributions described here are threefold: 1) The design of an advanced visual interface for multimodal diagnosis of breast cancer (BreastScreening); 2) Insights from the field comparison of Single-Modality vs Multi-Modality screening of breast cancer diagnosis with 31 clinicians and 566 images; and 3) The visualization of the two main types of breast lesions in the following image modalities: (i) MammoGraphy (MG) in both Craniocaudal (CC) and Mediolateral oblique (MLO) views; (ii) UltraSound (US); and (iii) Magnetic Resonance Imaging (MRI). We summarize our work with recommendations from the radiologists for guiding the future design of medical imaging interfaces.}, booktitle = {Proceedings of the International Conference on Advanced Visual Interfaces}, articleno = {49}, numpages = {5}, keywords = {user-centered design, multimodality, medical imaging, human-computer interaction, healthcare systems, breast cancer, annotations}, location = {Salerno, Italy}, series = {AVI 20} }

相关资源

• LaTeX模板：SUS LaTeX模板
• 统计分析：结果分析和解释来自统计分析图表。

许可证

该数据集遵循GNU AGPLv3许可证和CC-BY-SA-4.0版权。

搜集汇总

数据集介绍

构建方式

UTA4: SUS数据集的构建基于临床环境中的用户测试，旨在评估单模态与多模态医疗影像诊断系统的可用性。研究团队在多个临床机构中进行了用户测试，采用了系统可用性量表（SUS）对31名临床医生进行了评估。测试过程中，使用了单模态和多模态原型系统，并结合了深度卷积神经网络（CNN）技术，以确保数据的科学性和实用性。数据集的分析结果已在AVI 2020会议上发表，进一步验证了其学术价值。

特点

UTA4: SUS数据集的特点在于其专注于医疗影像诊断系统的可用性评估，特别是单模态与多模态系统的对比。数据集包含了临床医生在使用不同模态系统时的可用性评分，涵盖了566张影像数据。此外，数据集还结合了深度学习和人机交互技术，提供了丰富的上下文信息，使其在医疗影像和HCI领域具有重要的研究价值。

使用方法

UTA4: SUS数据集的使用方法相对简单，用户可以通过Git克隆仓库获取数据。数据集提供了Python脚本`demo.py`，用户可以通过运行该脚本下载数据并进行初步分析。此外，数据集还支持通过LaTeX模板生成报告，便于研究人员在学术论文中使用。用户还可以参考相关的统计分析和图表，进一步挖掘数据的潜在价值。

背景与挑战

背景概述

UTA4: SUS数据集由MIMBCD-UI研究团队于2020年创建，旨在通过系统可用性量表（SUS）评估医疗影像诊断界面的用户体验。该数据集的核心研究问题聚焦于单模态与多模态医疗影像界面在乳腺癌筛查中的可用性比较。研究团队在临床环境中进行了用户测试，涉及31名临床医生和566张影像数据，研究结果发表在顶级人机交互会议AVI 2020上。该数据集不仅为医疗影像界面的设计提供了实证依据，还推动了深度学习技术在医疗诊断中的应用，特别是在卷积神经网络（CNN）与用户界面（UI）框架的结合方面。研究团队包括来自ISR-Lisboa、INESC-ID等机构的专家，项目得到了葡萄牙科技基金会（FCT）等机构的支持。

当前挑战

UTA4: SUS数据集在构建与应用过程中面临多重挑战。首先，医疗影像诊断界面的可用性评估需要高度专业化的用户群体，临床医生的参与和数据收集过程复杂且耗时。其次，单模态与多模态界面的比较涉及多种影像技术（如乳腺X线摄影、超声和磁共振成像），数据整合与标准化处理难度较大。此外，SUS量表的应用需要确保数据的可靠性与有效性，研究团队通过严格的统计分析来验证结果。在数据集构建过程中，如何平衡数据的开放性与隐私保护也是一个重要挑战，特别是在涉及患者影像数据时，需遵循严格的伦理与法律规范。这些挑战不仅影响了数据集的构建效率，也对后续的研究与应用提出了更高的要求。

常用场景

经典使用场景

UTA4: SUS数据集在人机交互（HCI）领域中被广泛用于评估医疗影像诊断系统的可用性。该数据集通过应用系统可用性量表（SUS），对临床医生在单模态与多模态影像诊断中的用户体验进行了量化分析。经典的使用场景包括在临床环境中，通过对比不同影像模态的诊断效率，优化医疗影像界面的设计，从而提升医生的工作效率和诊断准确性。

解决学术问题

UTA4: SUS数据集解决了医疗影像诊断系统中可用性评估的难题。通过提供详细的用户体验数据，该数据集为研究人员提供了量化分析工具，帮助识别和解决界面设计中的瓶颈问题。其意义在于推动了医疗影像系统的人机交互研究，促进了多模态影像技术在临床诊断中的应用，为未来的医疗界面设计提供了科学依据。

衍生相关工作

UTA4: SUS数据集衍生了一系列相关研究，特别是在医疗影像诊断系统的可用性优化方面。基于该数据集的研究成果，推动了多模态影像技术在乳腺癌诊断中的应用。此外，该数据集还促进了人机交互领域的研究，特别是在医疗系统界面设计中的用户体验优化，为后续的医疗影像系统开发提供了重要的参考依据。