MRIO: 磁共振成像采集与分析本体

信息科学 人工智能 神经病学 医学影像 医学
生物本体论 磁共振成像 神经信息学 神经影像学 转化研究 生物医学

MRIO

MRIO: 磁共振成像获取和分析本体

磁共振成像 (MRI) 是一种生物医学成像技术，用于非侵入性地在三维空间中可视化组织的内部结构。MRI 被广泛应用于研究人体大脑的结构和功能，也是临床和研究设置中诊断神经系统疾病的有力工具。然而，如何有效管理和分析 MRI 数据一直是一个具有挑战性的问题。为了应对这一挑战，Alexander Bartnik 等人在他们的研究中开发了名为 MRIO 的磁共振成像获取和分析本体。

研究背景

MRI 技术因其能够非侵入性地获取人体内部图像，因此在临床和研究中得到了广泛应用。临床上，MRI 可用于诊断神经疾病，通过定位和评估病理程度提供治疗指导。而在研究上，MRI 数据可以作为生物标志物，帮助开发个性化的神经疾病治疗方案，并增加对大脑结构、功能和连通性的理解。然而，MRI 数据获取的多样性和异构性使得数据管理和分析变得复杂和费力。

研究的目的

在研究和临床实践中，准确和一致地管理和分析 MRI 数据需要一个“共同语言”。虽然已有如 DICOM 和 BIDS 的标准来组织和描述影像数据，但它们在分析和衍生结果的标准化方面仍存在许多不足。作者开发的 MRIO 本体，希望能为 MRI 数据的获取和分析提供一个逻辑合理的类和逻辑公理，以实现数据的标准化组织和分析。

研究来源

这篇论文由 Alexander Bartnik、Lucas M. Serra、Mackenzie Smith、William D. Duncan、Lauren Wishnie、Alan Ruttenberg、Michael G. Dwyer 和 Alexander D. Diehl 共八位研究者撰写，他们分别来自 Jacobs School of Medicine and Biomedical Sciences, University at Buffalo 以及 College of Dentistry, University of Florida。该论文发表在 Neuroinformatics 杂志上，并于 2024 年 4 月 22 日被接受。

研究方法

MRIO 是基于 Web Ontology Language (OWL) 2 使用 Protégé 开发的，并且严格遵循 OBO Foundry 原则进行开发和维护。

开发管理

MRIO 的开发使用了 Ontology Development Kit，以确保依赖管理和互操作性。利用 HermiT OWL 2 推理机来评估公理的逻辑一致性。

构建

MRIO 建立在 Ontology for Biomedical Investigations (OBI) 和 Information Artifact Ontology (IAO) 的基础上，采用标准化格式来操作 MRI 数据。大多数类都是 Information Content Entity (IAO:0000030)、Data Set (IAO:0000100) 和 Data Transformation (OBI:0200000) 类的子类。

验证

依照 OBI 的标准贡献过程，MRIO 内部开发并贡献了多个类，并扩展了 OBI 的 Magnetic Resonance Imaging Assay (OBI:0002985) 类以适应新的研究范式。

研究流程

MRIO 通过定义用于不同 MRI 获取类型的实体，例如 T1 加权和 T2 加权成像，来标准化这一过程。同时，它还结合了 DICOM 头文件中提取的常见 MRI 获取参数的范围，以描述特定类型的 MRI 获取。

多种获取参数和图像数据集分析

从图像数据集的原数据到衍生数据，MRIO 定义了一套逻辑公理和数据属性，以全面描述图像数据集分析过程及其结果。例如，对于常见的高分辨率 T1 加权 MRI 和 T2 FLAIR MRI，MRIO 提供了精确的逻辑定义，并能够自动分配分析以促进研究者组织和报告 MRI 数据。

联邦查询和数据管理工具

MRIO 为神经成像数据的管理和查询提供了一种系统化的方法。通过生成短而精确的查询，研究者可以在 XNAT 数据库中轻松检索并分析数据，不再需要深入了解 SPARQL 或 SQL 语言。

研究结果

MRIO 现已成为一种支持完全自动化神经信息学平台的重要资源，有效促进了神经成像研究的标准化和重现性。

研究的意义

MRIO 的开发和应用具有重要的科学价值和实际应用价值。通过提供一个标准化、互操作性强的框架，MRIO 不仅提高了 MRI 数据的管理效率，还促进了神经成像研究中的数据共享和复用。

科学价值

  • 标准化获取和分析：通过标准化的数据获取和分析流程，MRIO 大幅提高了MRI 数据的管理和使用效率。
  • 数据共享和复用：按照 OBO Foundry 原则开发的《MRIO》与广泛的生物医学本体学相集成，促进了跨领域的数据共享和复用。

实际应用

  • 促进神经成像研究：通过自动化的分析分配和智能查询，MRIO 为研究者提供了一种简便高效的数据管理工具。
  • 跨领域协作：MRIO 有助于将神经成像研究与其他生物医学领域的研究相结合，推动跨学科的科学发现。

总结

MRIO 本体为神经成像研究提供了一种标准化的框架，通过函数化和标准化的类定义，有助于研究者高效地管理和分析 MRI 数据。同时，MRIO 的开发和演化也标志着在开放科学数据和生物医学本体学领域的一大进步，为未来的神经成像研究奠定了坚实的基础。