[논문 리뷰] Extracting data from vector figures in scholarly articles

Chris Hartgerink, Peter Murray‐Rust|arXiv (Cornell University)|2017. 09. 06.

Image Retrieval and Classification Techniques인용 수 4

한 줄 요약

이 논문은 학술적 PDF 문서 내 벡터 기반 그림에서 고정밀도 데이터를 수동 측정을 회피하고 자동으로 추출하는 방법을 제시한다. 이 방법은 시험한 24개의 펌넬 플롯 중 12개(50%)에서 데이터를 성공적으로 재구성하여, 벡터 그림에서 출판 가능한 품질의 데이터를 복원할 수 있음을 입증하며, 출판사가 벡터 그림 사용을 늘릴 것을 당부한다.

ABSTRACT

It is common for authors to communicate their results in graphical figures, but those data are frequently unavailable for reanalysis. Reconstructing data points from a figure manually requires the author to measure the coordinates either on printed pages using a ruler, or from the display screen using a cursor. This is time-consuming (often hours) and error-prone, and limited by the precision of the display or ruler. What is often not realised is that the data themselves are held in the PDF document to much higher precision (usually 0.0-0.01 pixels), if the figure is stored in vector format. We developed alpha software to automatically reconstruct data from vector figures and tested it on funnel plots in the meta-analysis literature. Our results indicate that reconstructing data from vector based figures is promising, where we correctly extracted data for 12 out of 24 funnel plots with extracted data (50%). However, we observed that vector based figures are relatively sparse (15 out of 136 papers with funnel plots) and strongly insist publishers to provide more vector based data figures in the near future for the benefit of the scholarly community.

연구 동기 및 목표

• 학술적 그림에서 접근 가능한 데이터의 부족이 재현성과 재분석을 저해하므로 이를 해결하고자 한다.
• 수동 측정보다 더 높은 정밀도로 PDF 내 벡터 기반 그림에서 데이터 포인트를 복원하는 자동화된 방법을 개발하고자 한다.
• 메타분석 펌넬 플롯의 맥락에서, 벡터 기반 그림에서 데이터 재구성의 가능성과 정확도를 평가하고자 한다.
• 출판사가 학술 출판물에 벡터 기반 그림의 포함을 우선시하도록 당부하고자 한다.

제안 방법

• PDF 문서를 분석하여, 특히 펌넬 플롯과 같은 그래픽 데이터를 포함한 벡터 기반 그림을 탐지한다.
• 벡터 렲영 및 좌표 추출 기법을 사용하여 데이터 포인트, 축, 레이블과 같은 그래픽 요소를 추출한다.
• 벡터 그림 내의 공간적 관계와 기하학적 구조를 분석하여 데이터 포인트를 식별하고 고립시킨다.
• 시각적 좌표를 정량적 데이터 값으로 매핑하기 위해 히우리스틱과 기하학적 규칙를 적용하며, 이는 벡터 형식이 내재적으로 지닌 높은 정밀도(0.0–0.01 픽셀)를 활용한다.
• 136편의 학술 논문(펌넬 플롯 포함)을 대상으로 시험한 후, 데이터 재구성 테스트를 위해 24편을 선별하였다.

실험 결과

연구 질문

• RQ1 수동 간섭 없이 학술적 PDF 문서 내 벡터 기반 그림에서 데이터를 정확히 재구성할 수 있는가?
• RQ2 메타분석 펌넬 플롯의 벡터 기반 그림에서 자동 데이터 추출의 성공률은 얼마인가?
• RQ3 학술 출판물, 특히 메타분석 문헌에서 벡터 기반 그림의 보편성은 어느 정도인가?
• RQ4 래스터화되거나 인쇄된 표현에 비해 벡터 그림은 데이터 정밀도를 얼마나 잘 유지하는가?

주요 결과

• 시험한 24개의 펌넬 플롯 중 12개에서 성공적으로 데이터를 추출하여 데이터 재구성의 성공률이 50%에 달했다.
• 벡터 기반 그림는 상대적으로 드물게 발견되어, 펌넬 플롯이 포함된 136편의 논문 중 15편에서만 나타났다.
• 벡터 형식의 높은 정밀도(0.0–0.01 픽셀) 덕분에, 자동 측정이 룰렛이나 커서를 사용한 수동 측정보다 더 정확한 데이터 복원이 가능하다.
• 이 연구는 벡터 그림가 고해상도에서 기계로 읽을 수 있는 데이터를 포함하고 있음을 확인하며, 자동 추출이 재현성에 있어 가능하고 유의미하다는 것을 입증한다.