[論文レビュー] Medical imaging data structure extended to multiple modalities and anatomical regions

J. M. Saborit-Torres, Jhon Jairo Sáenz-Gamboa+14 more|arXiv (Cornell University)|Oct 5, 2020

Advanced MRI Techniques and Applications参考文献 9被引用数 1

ひとこと要約

本論文は、脳MRIにとどまらない複数の解剖領域および画像モodalitiesをカバーする医療画像データの組織化を標準化する、Brain Imaging Data Structure (BIDS) の拡張版である Medical Imaging Data Structure (MIDS) を提案する。MIDS は、セッションレベルのメタデータテーブルを備えた階層的フォルダ構造を導入し、MRI や CT、超音波画像など多様な画像タイプをサポートし、XNAT などのプラットフォームと連携可能な専用コンバータを備える。主な貢献は、再現性、データキュレーション、および AI 用データ共有を向上させるスケーラブルかつ拡張可能なデータ標準の構築である。

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.

研究の動機と目的

• 脳MRIにとどまらない、拡張性のある統一された医療画像データの組織化標準の欠如に対処すること。
• Brain Imaging Data Structure (BIDS) を、CT や超音波、レントゲン画像など、多様な解剖領域および画像モダリティに対応するように拡張すること。
• 生物医学研究および AI モデルのトレーニングにおけるデータキュレーション、再現性、相互運用性の向上。
• REST API を活用したデータダウンロードパイプラインにより、XNAT などの既存プラットフォームとのシームレスな統合を可能にすること。
• SNOMED-CT や UMLS といった標準化コード体系を用いた今後の拡張性を確保し、メタデータの豊かさを向上させること。

提案手法

• MIDS は、解剖領域と画像モダリティごとにデータを整理するための新しい階層的レベルを BIDS に追加する。
• スキャンパラメータ、診断（ICD-10）、手技情報などのメタデータを格納するためのセッション記述テーブルを導入する。
• 物理的原理（例：磁気共鳴、電離放射線、超音波）に基づいて画像モダリティを分類することで、複数の画像モダリティをサポートする。
• XNAT REST API を活用して、XNAT から MIDS 形式でプロジェクトをプログラムでダウンロード可能なソフトウェアツール「XNAT2MIDS」を提供する。
• DICOM メタデータと画像特徴を活用し、将来の機械学習による自動タグ付けの自動化を支援する。
• MIDS 標準に準拠したデータの整合性と適合性を保証するためのバリデーター・ツールを提案する。

実験結果

リサーチクエスチョン

• RQ1 脳画像にとどまらない、複数の解剖領域およびモダリティをカバーする医療画像データを扱うための標準化されたデータ構造をどのように設計できるか？
• RQ2 再現性、相互運用性、スケーラビリティを確保するための医療画像データ管理において、必要な階層的構造とメタデータ構成とは何か？
• RQ3 XNAT などの既存画像プラットフォームを、MIDS 標準と統合することで、自動データエクスポートとキュレーションをどのように実現できるか？
• RQ4 MIDS が、一貫性があり、整理されており、アノテーションが施されたデータを提供することで、人工知能モデルのトレーニングをどの程度支援できるか？
• RQ5 メタデータの豊かさと国境を越えたデータ共有を向上させるために、今後の拡張（例：SNOMED-CT、UMLS）にはどのようなものが必要か？

主な発見

• MIDS は、CT やレントゲン、超音波画像を含む、脳以外の画像モダリティを BIDS から効果的に拡張し、一貫性のある階層的構造を実現した。
• MIDS フレームワークは、BIMCV-COVID19+ プロジェクトの胸部レントゲン画像や CT スキャンデータを、標準化され、機械可読な形式で整理可能である。
• 動作確認済みの XNAT2MIDS コンバータを実装し、XNAT REST API を介した安全でエラーに強く、大容量データセットに対しても対応可能なデータダウンロードが可能になった。
• MIDS 構造は、画像シーケンス（例：T2w スピンエコー対比度 vs. グラデーションエコー）の区別を可能にし、正確な AI モデルトレーニングに不可欠である。
• MIDS 標準は、GDPR および CEN/ISO 標準に準拠した完全に匿名化され、スケーラブルな医療画像データレイクを支援する DeepHealth EU プロジェクトに統合中である。
• MIDS 標準は GitHub で公開されており、拡張性を考慮したバリデーター・ツールとメタデータテーブルスキーマが併記されている。