[論文レビュー] Towards structured sharing of raw and derived neuroimaging data across existing resources

David B. Keator, Karl G. Helmer+8 more|arXiv (Cornell University)|Sep 26, 2012

Scientific Computing and Data Management参考文献 41被引用数 5

ひとこと要約

本論文は、意味的用語、プロバンス追跡を備えた形式的データモデル、標準化されたWebサービスAPI、およびプロバンス抽出ライブラリを導入することで、分散型データベース間における生データおよび派生データの構造的共有のための統合フレームワークを提案する。主な貢献は、神経画像データとそのメタデータへの統合的アクセスを可能にする一貫性があり相互運用性のあるシステムであり、神経科学分野における科学的発見を加速する。

ABSTRACT

Data sharing efforts increasingly contribute to the acceleration of scientific discovery. Neuroimaging data is accumulating in distributed domain-specific databases and there is currently no integrated access mechanism nor an accepted format for the critically important meta-data that is necessary for making use of the combined, available neuroimaging data. In this manuscript, we present work from the Derived Data Working Group, an open-access group sponsored by the Biomedical Informatics Research Network (BIRN) and the International Neuroimaging Coordinating Facility (INCF) focused on practical tools for distributed access to neuroimaging data. The working group develops models and tools facilitating the structured interchange of neuroimaging meta-data and is making progress towards a unified set of tools for such data and meta-data exchange. We report on the key components required for integrated access to raw and derived neuroimaging data as well as associated meta-data and provenance across neuroimaging resources. The components include (1) a structured terminology that provides semantic context to data, (2) a formal data model for neuroimaging with robust tracking of data provenance, (3) a web service-based application programming interface (API) that provides a consistent mechanism to access and query the data model, and (4) a provenance library that can be used for the extraction of provenance data by image analysts and imaging software developers. We believe that the framework and set of tools outlined in this manuscript have great potential for solving many of the issues the neuroimaging community faces when sharing raw and derived neuroimaging data across the various existing database systems for the purpose of accelerating scientific discovery.

研究の動機と目的

• 分散型神経画像データに対する統合的アクセスと標準化されたメタデータ形式の欠如に対処する。
• 複数の分野特化型データベースから得られる生データおよび派生データを統合する課題を克服する。
• 再現性とデータ再利用を支援するため、一貫性があり機械可読性のあるメタデータ交換を可能にする。
• 生データおよび派生神経画像データのプロバンス追跡を支援するツールを開発する。
• 共通のデータモデルとAPIを通じて、既存の神経画像リソース間の相互運用性を促進する。

提案手法

• 神経画像データ要素に意味的文脈を提供する構造的用語の設計。
• 処理ステップにわたるデータプロバンスおよびラインレージを明示的に表現する形式的データモデルの開発。
• データモデルへの一貫した照会とアクセスを可能にするWebサービスベースのアプリケーションプログラミングインターフェース（API）の実装。
• 画像アナリストおよびソフトウェア開発者が、プロバンス情報の自動抽出と埋め込みを可能にするプロバンスライブラリの作成。
• 神経画像データおよびメタデータへの分散型アクセスを支援する統合的システムへの統合。
• 後方互換性と実用的導入を確保するため、既存の神経画像データベースおよびツールとフレームワークを整合化する。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、多様なデータベース間で一貫した解釈が可能になるように、意味的用語を標準化できるか？
• RQ2 複数の処理段階にわたって神経画像データおよびそのプロバンスを堅牢に表現できる形式的データモデルは何か？
• RQ3 異種の神経画像データソースに一貫してアクセスできるように、均一なWebサービスAPIをどのように設計できるか？
• RQ4 実際のワークフローにおいて、アナリストやソフトウェア開発者が信頼性の高いプロバンス抽出を可能にするメカニズムは何か？
• RQ5 このフレームワークは、生データおよび派生神経画像データに対する統合的・クロスデータベースアクセスをどの程度可能にするか？

主な発見

• このフレームワークは、分野特化型の分散型データベース間で、構造的かつ相互運用可能な神経画像データおよびメタデータへのアクセスを成功裏に実現した。
• 形式的データモデルは包括的なプロバンス追跡をサポートし、派生データの完全なラインレージ再構築を可能にした。
• WebサービスAPIは、基盤となるデータソースやストレージ形式にかかわらず、神経画像データ照会のための一貫したインターフェースを提供した。
• プロバンスライブラリは、処理ラインレージの自動抽出を促進し、透明性と再現性を向上させた。
• 意味的用語と標準化されたメタデータの統合により、データの検索可能性と意味的相互運用性が向上した。
• このシステムは、神経画像分野における統合的データ共有を通じた科学的発見の加速の実用的妥当性を示した。