[論文レビュー] Clinica: an open source software platform for reproducible clinical neuroscience studies

Alexandre Routier, Ninon Burgos+22 more|HAL (Le Centre pour la Communication Scientifique Directe)|Jul 21, 2021

Biomedical Text Mining and Ontologies被引用数 16

ひとこと要約

Clinica は、原始データに BIDS を、処理済み出力に CAPS を使用することで、臨床神経科学分野におけるマルチモodal神経画像データ処理を標準化・自動化するオープンソースのソフトウェアプラットフォームです。T1強調 MRI、拡散 MRI、PET の処理パイプラインを再現可能で共有可能かつスケーラブルに可能にし、既存のツールを統合するとともに、統計および機械学習ワークフローをサポートします。

ABSTRACT

We present Clinica (www.clinica.run), an open-source software platform designed to make clinical neuroscience studies easier and more reproducible. Clinica aims for researchers to i) spend less time on data management and processing, ii) perform reproducible evaluations of their methods, and iii) easily share data and results within their institution and with external collaborators. The core of Clinica is a set of automatic pipelines for processing and analysis of multimodal neuroimaging data (currently, T1-weighted MRI, diffusion MRI and PET data), as well as tools for statistics, machine learning and deep learning. It relies on the brain imaging data structure (BIDS) for the organization of raw neuroimaging datasets and on established tools written by the community to build its pipelines. It also provides converters of public neuroimaging datasets to BIDS (currently ADNI, AIBL, OASIS and NIFD). Processed data include image-valued scalar fields (e.g. tissue probability maps), meshes, surface-based scalar fields (e.g. cortical thickness maps) or scalar outputs (e.g. regional averages). These data follow the ClinicA Processed Structure (CAPS) format which shares the same philosophy as BIDS. Consistent organization of raw and processed neuroimaging files facilitates the execution of single pipelines and of sequences of pipelines, as well as the integration of processed data into statistics or machine learning frameworks. The target audience of Clinica is neuroscientists or clinicians conducting clinical neuroscience studies involving multimodal imaging, and researchers developing advanced machine learning algorithms applied to neuroimaging data.

研究の動機と目的

• マルチモダリティ神経画像データを含む臨床神経科学研究における再現性と標準化の欠如に対処する。
• 共通の処理パイプラインの自動化により、研究者がデータ管理および前処理に費やす時間を削減する。
• 機関内および外部の共同研究者との間で、原始データおよび処理済み神経画像データをシームレスに共有できるようにする。
• 標準化されたデータ形式を通じて、処理済みデータを統計および機械学習フレームワークに統合するのを容易にする。
• コミュニティで検証されたツールを活用して、研究者および開発者が信頼性があり、スケーラブルで監査可能な神経画像研究を実施できるように支援する。

提案手法

• 原始神経画像データセットを一貫性があり人間および機械が読み取り可能な形式で整理するため、脳画像データ構造（BIDS）を使用する。
• 処理済み神経画像出力の整理を標準化するため、Clinica 処理構造（CAPS）を採用する。これには画像値フィールド、メッシュ、表面ベースマップ、スカラー値が含まれる。
• 信頼性と再現性を確保するため、既存のコミュニティ開発ツール（例：FSL、FreeSurfer、ANTS）を用いて処理パイプラインを構築する。
• 公開データセット（ADNI、AIBL、OASIS、NIFD）を BIDS準拠形式に変換するコンバータを提供し、Clinica での直接利用を可能にする。
• 一貫性のある入出力処理を備えたコマンドラインインターフェースを通じて、単一または連続的なパイプラインの実行を可能にする。
• 標準化された構造的フォーマットで処理済みデータを公開することで、統計および機械学習フレームワークとの統合を支援する。

実験結果

リサーチクエスチョン

• RQ1 標準化されたデータ整理と処理によって、臨床神経科学研究はどの程度再現可能になるか？
• RQ2 神経画像処理パイプラインの自動化は、データ処理における人的ミスや手作業の負担をどの程度軽減できるか？
• RQ3 統一されたデータフォーマット（CAPS）は、多様な神経画像出力を効果的にサポートでき、後続の分析統合をどのように簡素化できるか？
• RQ4 Clinica は、T1強調画像（T1w）、拡散強調画像（DWI）、PET といったマルチモダリティデータを、異なる公開データセットにおいて一貫的かつスケーラブルに処理できるか？
• RQ5 BIDS と CAPS の使用が、共同作業、データ共有、および研究手法の透明性に与える影響はいかほどか？

主な発見

• Clinica は、コミュニティ標準ツールを用いて T1強調 MRI、拡散 MRI、PET データの処理パイプラインを自動化し、人的介入を大幅に削減した。
• BIDS と CAPS を用いた一貫性のある原始データおよび処理済みデータの整理により、データの再現性と相互運用性が顕著に向上した。
• ADNI、AIBL、OASIS、NIFD といった公開データセットは、最小限の作業で BIDS 形式に変換可能であり、標準化された処理ワークフローの実行が可能になった。
• 組織確率マップ、皮質厚さマップ、領域平均値といった処理済み出力は、構造的で機械可読なフォーマット（CAPS）に格納されており、後続の統計的および機械学習分析を容易にした。
• 既存の神経画像ツールとの統合により、異なる研究環境および共同作業環境においても、互換性と再利用性が保証された。
• 一貫したデータ構造とモジュラーなパイプライン実行を強制することで、原始データの取り込みから統計モデリングまでをカバーするエンドツーエンドの再現可能ワークフローを実現した。