[논문 리뷰] Medical imaging data structure extended to multiple modalities and anatomical regions

J. M. Saborit-Torres, Jhon Jairo Sáenz-Gamboa외 14명|arXiv (Cornell University)|2020. 10. 05.

Advanced MRI Techniques and Applications참고 문헌 9인용 수 1

한 줄 요약

이 논문은 뇌 영상 데이터 구조(BIDS)의 확장판인 의료 영상 데이터 구조(MIDS)를 제안한다. MIDS는 다양한 해부학적 부위와 영상 모odal리티 간의 의료 영상 데이터 조직을 표준화한다. MIDS는 세션 수준의 메타데이터 테이블을 갖춘 계층적 폴더 구조를 도입하며, 다양한 영상 유형(예: MRI, CT, 초음파)을 지원하고 XNAT과 같은 플랫폼과의 상호운용성을 확보하기 위해 전용 컨버터를 제공한다. 주요 기여는 재현성, 쿠리에이션, 그리고 AI 준비 상태의 데이터 공유를 향상시키는 확장 가능하고 확장 가능한 데이터 표준이다.

ABSTRACT

Brain Imaging Data Structure (BIDS) allows the user to organise brain imaging data into a clear and easy standard directory structure. BIDS is widely supported by the scientific community and is considered a powerful standard for management. The original BIDS is limited to images or data related to the brain. Medical Imaging Data Structure (MIDS) was therefore conceived with the objective of extending this methodology to other anatomical regions and other types of imaging systems in these areas.

연구 동기 및 목표

• 뇌 MRI를 초월한 의료 영상 데이터를 조직하기 위한 통합적이고 확장 가능한 표준의 부재를 해결하기 위해.
• 뇌 영상 데이터 구조(BIDS)를 확장하여 CT, 초음파, X선 등 다양한 해부학적 부위와 영상 모달리티를 지원하기 위해.
• 생물의학 연구 및 AI 모델 훈련에서 데이터 쿠리에이션, 재현성, 상호운용성을 향상시키기 위해.
• REST API 기반의 데이터 다운로드 파이프라인을 통해 기존 플랫폼인 XNAT과의 원활한 통합을 가능하게 하기 위해.
• 향후 확장성을 높이기 위해 SNOMED-CT 및 UMLS와 같은 표준 코딩 체계를 지원하여 메타데이터의 풍부함을 향상시키기 위해.

제안 방법

• MIDS는 해부학적 부위와 영상 모달리티별로 데이터를 조직하기 위해 BIDS에 새로운 계층 수준을 추가한다.
• 스캔 파rameter, 진단(ICC-10), 절차 정보 등의 메타데이터를 저장하기 위해 세션 기반 설명 테이블을 도입한다.
• 물리적 원리(예: 자기공명, 이온화 방사선, 초음파)에 따라 분류함으로써 다양한 영상 모달리티를 지원한다.
• XNAT REST API를 사용하여 XNAT의 프로젝트를 MIDS 형식으로 프로그래밍적으로 다운로드할 수 있는 소프트웨어 도구인 XNAT2MIDS를 개발한다.
• 기계 학습을 통한 자동 태깅의 향후 자동화를 지원하기 위해 DICOM 메타데이터와 영상 특징을 활용한다.
• MIDS 사양에 부합하는지 확인하기 위해 데이터 무결성과 준수 여부를 검증하는 검증 도구를 제안한다.

실험 결과

연구 질문

• RQ1 뇌 영상 외부의 다양한 해부학적 부위와 모달리티에서 의료 영상 데이터를 지원할 수 있는 표준화된 데이터 구조는 어떻게 설계할 수 있는가?
• RQ2 의료 영상 데이터 관리에서 재현성, 상호운용성, 확장성을 확보하기 위해 필요한 계층적 구조와 메타데이터 구성 요소는 무엇인가?
• RQ3 기존 영상 플랫폼인 XNAT은 신규 MIDS 표준과 어떻게 통합되어 자동 데이터 내보내기 및 쿠리에이션을 가능하게 할 수 있는가?
• RQ4 MIDS는 일관되고 잘 정리된, 주석이 추가된 데이터를 제공함으로써 인공지능 모델 훈련을 어느 정도 지원할 수 있는가?
• RQ5 메타데이터의 풍부함과 기관 간 데이터 공유를 향상시키기 위해 향후 필요한 확장(예: SNOMED-CT, UMLS)은 무엇인가?

주요 결과

• MIDS는 뇌 영상 외부의 영상 모달리티, 즉 CT, X선, 초음파를 포함하여 일관된 계층적 구조로 지원함으로써 BIDS를 성공적으로 확장하였다.
• MIDS 프레임워크는 흉부 X선 촬영 및 CT 스캔을 포함한 BIMCV-COVID19+ 프로젝트의 데이터를 표준화되고 기계로 읽을 수 있는 형식으로 조직할 수 있게 하였다.
• 작동하는 XNAT2MIDS 컨버터가 구현되어 대용량 데이터셋에 대해서도 안전하고 오류에 강한 XNAT REST API 기반 다운로드가 가능해졌다.
• MIDS 구조는 T2w 스피너이코일과 기울기 에코 간의 영상 시퀀스를 구분할 수 있도록 지원하여 정확한 AI 모델 훈련에 필수적인 요소를 제공한다.
• MIDS 표준은 GDPR 및 CEN/ISO 기준을 준수하는 완전히 익명화된 확장 가능한 의료 영상 데이터 레이크를 지원하기 위해 DeepHealth 유럽 연합 프로젝트에 통합되고 있다.
• MIDS 사양은 GitHub에 공개되어 있으며, 확장성을 고려한 검증 도구와 메타데이터 테이블 스키마가 함께 제공된다.