[논문 리뷰] Towards structured sharing of raw and derived neuroimaging data across existing resources

David B. Keator, Karl G. Helmer외 8명|arXiv (Cornell University)|2012. 09. 26.

Scientific Computing and Data Management참고 문헌 41인용 수 5

한 줄 요약

이 논문은 의미어 어휘, 공식적인 데이터 모델(원천 추적 기능 포함), 표준화된 웹 서비스 API, 그리고 원천 추출 라이브러리를 도입하여 분산 데이터베이스 간 원시 및 파생 신경영상 데이터의 통합적 공유를 위한 통합 프레임워크를 제안한다. 주요 기여는 신경영상 데이터와 그 메타데이터에 대한 통합적 접근을 가능하게 하는 융합적이고 상호운용 가능한 시스템을 제공함으로써 신경과학 분야의 과학적 발견을 가속화하는 것이다.

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.

연구 동기 및 목표

• 분산된 신경영상 데이터에 대한 통합적 접근과 표준화된 메타데이터 형식의 부족을 해결한다.
• 다양한 도메인 전용 데이터베이스에서 유래한 원시 및 파생 신경영상 데이터를 통합하는 데 도전하는 문제를 극복한다.
• 재현성과 데이터 재사용을 지원하기 위해 일관되고 기계로 읽을 수 있는 메타데이터 교환을 가능하게 한다.
• 원시 및 파생된 신경영상 데이터에 대한 원천 추적을 지원하는 도구를 개발한다.
• 공통 데이터 모델과 API를 통해 기존 신경영상 자원 간 상호운용성을 향상시킨다.

제안 방법

• 신경영상 데이터 요소에 의미적 맥락을 제공하기 위해 구조화된 어휘를 설계한다.
• 처리 단계 간 데이터 원천과 계승 관계를 명시적으로 표현하는 공식적인 데이터 모델을 개발한다.
• 데이터 모델에 대한 일관된 쿼리 및 액세스를 보장하기 위해 웹 서비스 기반의 애플리케이션 프로그래밍 인터페이스(API)를 구현한다.
• 이미지 분석가와 소프트웨어 개발자가 원천 정보를 자동으로 추출하고 삽입할 수 있도록 원천 라이브러리를 구축한다.
• 원시 및 파생된 신경영상 데이터와 메타데이터에 대한 분산 액세스를 지원하는 융합적 시스템으로 구성 요소를 통합한다.
• 기존 신경영상 데이터베이스 및 도구와의 호환성을 확보하고 실용적 구현을 보장하기 위해 프레임워크를 기존 자원과 정렬한다.

실험 결과

연구 질문

• RQ1 다양한 데이터베이스 간에 일관된 해석이 가능하도록 의미어 어휘를 어떻게 표준화할 수 있는가?
• RQ2 다중 처리 단계에 걸쳐 신경영상 데이터와 그 원천을 견고하게 표현할 수 있는 공식적인 데이터 모델은 무엇인가?
• RQ3 이질적인 신경영상 데이터 소스에 대해 일관된 액세스를 가능하게 하기 위해 어떻게 통일된 웹 서비스 API를 설계할 수 있는가?
• RQ4 실제 워크플로우에서 분석가와 소프트웨어 개발자가 신뢰할 수 있는 방식으로 원천 정보를 추출할 수 있는 메커니즘은 무엇인가?
• RQ5 이 프레임워크는 원시 및 파생된 신경영상 데이터에 대해 얼마나 깊이 있는 통합적이고 데이터베이스 간 액세스를 가능하게 하는가?

주요 결과

• 프레임워크는 도메인 전용 분산 데이터베이스 간에 구조적이고 상호운용 가능한 신경영상 데이터 및 메타데이터 액세스를 성공적으로 가능하게 했다.
• 공식적인 데이터 모델은 포괄적인 원천 추적을 지원하여 파생 데이터의 전체 계승 경로 재구성 가능성을 확보했다.
• 웹 서비스 API는 기반 데이터 소스나 저장 형식에 관계없이 일관된 인터페이스를 제공하여 신경영상 데이터 쿼리에 유용했다.
• 원천 라이브러리는 처리 계승 경로의 자동 추출을 촉진하여 투명성과 재현성을 향상시켰다.
• 의미어휘와 표준화된 메타데이터의 통합은 데이터 탐색 가능성과 의미적 상호운용성을 향상시켰다.
• 통합된 데이터 공유를 통해 신경영상 분야의 과학적 발견을 가속화할 수 있는 실용적 타당성을 입증했다.