banner
Heim / Nachricht / Verbesserung der Neuroimaging-Datenpipeline: ConnPipe optimiert Best Practices: IU News
Nachricht

Verbesserung der Neuroimaging-Datenpipeline: ConnPipe optimiert Best Practices: IU News

Jun 10, 2023Jun 10, 2023

In diesem zweiten Teil einer dreiteiligen Serie zur medizinischen und neuroimaging-Unterstützung von UITS Research Technologies geht es um ConnPipe.

Den ersten Artikel der Serie finden Sie hier.

Heutige Neurowissenschaftler stoßen auf eine ständig wachsende Vielfalt an Datenverarbeitungstechnologien und damit verbundenen Neuroimaging-Daten. Dies gilt insbesondere für den Bereich Brain Connectomics, der komplexe Verarbeitungstechniken und modernste Bildgebungsdaten (wie diffusionsgewichtete Bildgebung und funktionelle MRT im Ruhezustand) kombiniert, um zu untersuchen, wie Gehirnnetzwerke organisiert und von verschiedenen Faktoren beeinflusst werden. ConnPipe ist eine Gehirnkonnektivitätspipeline, die von Forschern am Center for Neuroimaging (CfN) der IU School of Medicine in Zusammenarbeit mit dem Scalable Compute Archive (SCA) entwickelt wurde. ConnPipe kombiniert modernste Tools aus verschiedenen Bildverarbeitungspaketen mit selbst entwickelten Algorithmen, die es ermöglichen, diese komplexen Datensätze in einem kohärenten Rahmen zu verarbeiten.

Andrea Avena-Koenigsberger, Senior Analystin/Programmiererin und Softwareentwicklerin, SCA

Bei der Neurobildgebung ist jeder Verarbeitungsschritt darauf ausgelegt, entweder die Bildqualität zu verbessern, die geometrischen Muster und Intensitätsmuster des Bildes zu standardisieren oder Maße für die weitere Analyse zu berechnen. Da die Vorverarbeitungspipelines jedoch in der Neuroimaging-Forschung unterschiedlich sind, stehen Wissenschaftler vor der Herausforderung, die Ergebnisse verschiedener Studien zu reproduzieren. Andrea Avena-Koenigsberger, Senior Analyst/Programmiererin und Softwareentwicklerin bei SCA, sagt, dass ConnPipe eine hochmoderne, interne Lösung für ein allgegenwärtiges Problem ist. „Da viele verfügbare Pipelines wie Black Boxes sind oder schwer zu aktualisieren, zu modifizieren und zu warten sind, hat sich das CfN für die Entwicklung eigener Pipelines entschieden, in der Hoffnung, die Verarbeitung über alle Forschungsgruppen innerhalb des CfN und schließlich über die gesamte IU hinweg zu standardisieren“, sagte Avena - Königsberger. Zwei wichtige Merkmale dieser Pipeline sind, dass sie auf Open-Source-Technologien basiert und dass sie in naher Zukunft in einem Container zum Download verfügbar sein wird, sodass Forscher die Pipeline von jedem Computer aus ausführen und gleichzeitig die Reproduzierbarkeit der Daten gewährleisten können. „Das ConnPipe-Projekt stellt die Ergänzung unserer laufenden Partnerschaft mit CfN um die Entwicklung domänenwissenschaftlicher Anwendungen dar“, sagte Arvind Gopu, Manager der SCA.

Matt Tharp, Datenspezialist, CfN

Die Standardisierung der Vorverarbeitungspipeline erleichtert die Interpretation der Daten und trägt gleichzeitig zur Verbesserung des wissenschaftlichen Konsenses bei. „Der Einsatz von ConnPipe ist für alle ein gutes Zeichen“, sagte Matt Tharp, Datenspezialist bei CfN. „Einerseits trägt die Anwendung der gleichen Verarbeitungsstrategien in allen Laboren dazu bei, die Konsistenz und Überprüfbarkeit der Ergebnisse sicherzustellen. Andererseits trägt die Organisation neuartiger Anwendungen in einem gemeinsamen Rahmen dazu bei, dass sich Methoden zwangsläufig weiterentwickeln, um sicherzustellen, dass alle Labore mit einem vollständigen Repertoire ausgestattet sind von Werkzeugen für ihre Forschung", sagte Tharp.

Meichen Yu, Postdoktorand, CfN

An der IU wird ConnPipe bereits eingesetzt, um Veränderungen in Gehirnnetzwerken bei Patienten zu untersuchen, die sich einer Hormontherapie (HT) gegen Brustkrebs unterziehen. Es hat sich gezeigt, dass HT-Behandlungen bei Brustkrebs zu kognitiven Beeinträchtigungen führen, die genaue Art dieser Beeinträchtigung ist jedoch ein aktives Forschungsthema. Um dieses Problem zu untersuchen, wurde ConnPipe verwendet, um funktionelle MRT-Daten im Ruhezustand zu verarbeiten und funktionelle Konnektivitätsnetzwerke zu konstruieren, die dann analysiert werden können, um charakteristische funktionelle Teilnetzwerke zu identifizieren, die von der HT-Behandlung betroffen sind. „Diese Forschung ist eine von vielen, die darauf abzielt, ConnPipe strategisch auf den breiten und ständig wachsenden Bereich der Forschung und Entdeckung im Bereich Neuroimaging anzuwenden“, sagte Meichen Yu, Postdoktorand am CfN. „Forschung dieser Art trägt dazu bei, verlässliche Indikatoren für eine Beeinträchtigung aufzudecken, die Hinweise auf bisher unentdeckte kausale biologische und physiologische Mechanismen liefern können, die der Art der Behandlung und ihren Nebenwirkungen zugrunde liegen“, sagte Yu.

Durch die Zusammenarbeit von SCA-, CfN- und IU-SoM-Forschern konnte ConnPipe erheblich verbessert werden, indem es von MATLAB in ein Bash/Python-Format verschoben wurde. Dies hat es dem Team ermöglicht, die Pipeline schneller und effizienter zu machen, modularer und an neue Techniken anpassbar und gleichzeitig eine bessere Nutzung der riesigen Supercomputing-Ressourcen der IU zu ermöglichen.

Eine detailliertere Beschreibung des ConnPipe-Projekts finden Sie unter https://sca.iu.edu/project/connpipe.