[论文解读] 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 1

一句话总结

本文提出医学影像数据结构（MIDS），作为脑部影像数据结构（BIDS）的扩展，旨在统一多解剖区域和多成像模态的医学影像数据组织方式。MIDS引入了分层文件夹结构与会话级元数据表格，支持多种成像类型（如MRI、CT、超声），并通过专用转换器实现与XNAT等平台的互操作性。其主要贡献在于提供一种可扩展、可扩展的数据标准，显著提升生物医学研究中的可重复性、数据管理效率以及面向人工智能的高质量数据共享。

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.

研究动机与目标

• 为解决脑部MRI以外的医学影像数据缺乏统一、可扩展组织标准的问题。
• 扩展脑部影像数据结构（BIDS），以支持CT、超声、X射线等多样化解剖区域和成像模态。
• 提升生物医学研究与人工智能模型训练中的数据管理、可重复性与互操作性。
• 通过基于REST API的数据下载管道，实现与现有平台（如XNAT）的无缝集成。
• 通过标准化编码系统（如SNOMED-CT和UMLS）支持未来可扩展性，以增强元数据丰富度。

提出的方法

• MIDS通过在BIDS基础上增加新的分层结构，按解剖区域和成像模态组织数据。
• 引入会话描述表格，用于存储扫描参数、诊断（ICD-10）及操作信息等元数据。
• 通过基于物理原理（如磁共振、电离辐射、超声）对多种成像模态进行分类，支持多模态成像。
• 开发软件工具XNAT2MIDS，利用XNAT REST API实现程序化下载XNAT项目为MIDS格式。
• 利用DICOM元数据和图像特征，支持未来通过机器学习实现自动标记的自动化。
• 提出验证工具，以确保数据完整性与MIDS规范的合规性。

实验结果

研究问题

• RQ1 如何设计一种标准化数据结构，以支持脑部以外的多解剖区域和多模态医学影像数据？
• RQ2 为确保医学影像数据管理的可重复性、互操作性与可扩展性，需要哪些分层结构与元数据组件？
• RQ3 如何将现有影像平台（如XNAT）与新的MIDS标准集成，以实现自动化数据导出与管理？
• RQ4 MIDS在多大程度上可通过提供一致、结构良好且带标注的数据，支持人工智能模型的训练？
• RQ5 为增强元数据丰富度与跨机构数据共享，未来需要哪些扩展（如SNOMED-CT、UMLS）？

主要发现

• MIDS成功将BIDS扩展至非脑部成像模态，包括CT、X射线和超声，采用一致的分层结构。
• MIDS框架已成功用于组织BIMCV-COVID19+项目的数据，包括胸部X光片与CT扫描，实现标准化、机器可读的格式。
• 已实现可工作的XNAT2MIDS转换器，支持通过XNAT REST API安全、抗错地下载数据，即使在大规模数据集下亦表现稳定。
• MIDS结构可区分图像序列（如T2加权自旋回波与梯度回波），这对人工智能模型的精确训练至关重要。
• 该标准已集成至欧盟DeepHealth项目，用于构建完全匿名化、可扩展的医学影像数据湖，符合GDPR与CEN/ISO标准。
• MIDS规范已公开发布于GitHub，配套工具包括验证器与元数据表格模式，支持进一步扩展。