[论文解读] 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 5

一句话总结

本文提出了一套统一框架，通过引入语义术语、带有溯源追踪的正式数据模型、标准化的Web服务API以及溯源提取库，实现在分布式数据库之间对原始和衍生神经影像数据的结构化共享。核心贡献是一个连贯、互操作的系统，支持对神经影像数据及其元数据的集成访问，从而加速神经科学领域的科学发现。

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.

研究动机与目标

• 解决分布式神经影像数据缺乏集成访问和标准化元数据格式的问题。
• 克服从多个领域特定数据库整合原始和衍生神经影像数据的挑战。
• 实现一致、机器可读的元数据交换，以支持可重现性和数据重用。
• 开发支持原始和衍生神经影像数据溯源追踪的工具。
• 通过通用数据模型和API，促进现有神经影像资源之间的互操作性。

提出的方法

• 设计一种结构化术语体系，为神经影像数据元素提供语义上下文。
• 开发一种正式数据模型，明确表示数据在多个处理步骤中的溯源和血缘关系。
• 实现基于Web服务的应用程序编程接口（API），以提供对数据模型的一致查询和访问。
• 创建一个溯源库，使图像分析人员和软件开发人员能够自动提取并嵌入溯源信息。
• 将各组件整合为一个连贯的系统，支持对神经影像数据和元数据的分布式访问。
• 使该框架与现有神经影像数据库和工具对齐，以确保向后兼容性和实际部署可行性。

实验结果

研究问题

• RQ1 如何对语义术语进行标准化，以实现在不同数据库之间对神经影像元数据的一致解释？
• RQ2 何种正式数据模型能够稳健地表示跨多个处理阶段的神经影像数据及其溯源信息？
• RQ3 如何设计统一的Web服务API，以实现对异构神经影像数据源的一致访问？
• RQ4 哪些机制可使分析人员和软件开发人员在真实工作流中可靠地提取溯源信息？
• RQ5 该框架在多大程度上能够实现对原始和衍生神经影像数据的集成化、跨数据库访问？

主要发现

• 该框架成功实现了在分布式、领域特定数据库之间对神经影像数据和元数据的结构化、互操作性访问。
• 正式数据模型支持全面的溯源追踪，可实现对衍生数据完整血缘关系的重建。
• Web服务API为查询神经影像数据提供了统一接口，无论底层数据源或存储格式如何。
• 溯源库促进了处理血缘的自动提取，提升了透明度和可重现性。
• 语义术语与标准化元数据的整合增强了数据的可发现性与语义互操作性。
• 该系统展示了在神经影像领域通过统一数据共享加速科学发现的实际可行性。