banner
Hogar / Noticias / Mejorando la canalización de datos de neuroimagen: ConnPipe simplifica las mejores prácticas: IU News
Noticias

Mejorando la canalización de datos de neuroimagen: ConnPipe simplifica las mejores prácticas: IU News

Jun 10, 2023Jun 10, 2023

Esta segunda parte de una serie de tres sobre soporte médico y de neuroimagen de UITS Research Technologies presenta a ConnPipe.

Encuentre el primer artículo de la serie aquí.

Los neurocientíficos de hoy se encuentran con una variedad cada vez mayor de tecnologías de procesamiento de datos y datos de neuroimagen relacionados. Esto es especialmente cierto en el ámbito de Brain Connectomics, que combina técnicas de procesamiento complejas y datos de imágenes de última generación (como imágenes ponderadas por difusión y resonancia magnética funcional en estado de reposo) para explorar cómo las redes cerebrales están organizadas y se ven afectadas por varios factores. ConnPipe es una tubería de conectividad cerebral desarrollada por investigadores del Centro de Neuroimagen (CfN) de la Facultad de Medicina de IU en colaboración con Scalable Compute Archive (SCA). ConnPipe combina herramientas de vanguardia de varios paquetes de procesamiento de imágenes junto con algoritmos desarrollados internamente que hacen posible procesar estos conjuntos de datos complejos dentro de un marco coherente.

Andrea Avena-Koenigsberger, analista sénior/programadora y desarrolladora de software, SCA

En neuroimagen, cada paso del procesamiento está diseñado para mejorar la calidad de la imagen, estandarizar los patrones geométricos y de intensidad de la imagen o calcular medidas para un análisis posterior. Sin embargo, debido a que las canalizaciones de preprocesamiento varían a lo largo de la investigación de neuroimagen, los científicos se enfrentan al desafío de reproducir los resultados en todos los estudios. Andrea Avena-Koenigsberger, analista sénior/programadora y desarrolladora de software de SCA, dice que ConnPipe es una solución interna de vanguardia para un problema generalizado. "Debido a que muchas canalizaciones disponibles son como cajas negras, o difíciles de actualizar, modificar y mantener, CfN ha optado por desarrollar sus propias canalizaciones, con la esperanza de estandarizar el procesamiento entre los grupos de investigación dentro de CfN y, eventualmente, en IU", dijo Avena. -Koenigsberger. Dos características importantes de esta canalización son que se basa en tecnologías de código abierto y que, en un futuro cercano, estará disponible para su descarga dentro de un contenedor, lo que permitirá a los investigadores ejecutar la canalización desde cualquier computadora y preservar la reproducibilidad de los datos. "El proyecto ConnPipe representa la adición del desarrollo de aplicaciones de ciencia de dominio a nuestra asociación en curso con CfN", dijo Arvind Gopu, gerente de SCA.

Matt Tharp, especialista en datos, CfN

La estandarización de la canalización de preprocesamiento facilita la interpretación de los datos y, al mismo tiempo, ayuda a mejorar el consenso científico. "Utilizar ConnPipe es un buen augurio para todos", dijo Matt Tharp, especialista en datos de CfN. "Por un lado, aplicar las mismas estrategias de procesamiento en todos los laboratorios ayuda a garantizar la coherencia y la verificabilidad de los resultados. Por otro lado, a medida que los métodos evolucionan inevitablemente, la organización de aplicaciones novedosas bajo un marco común ayuda a garantizar que todos los laboratorios estén equipados con un repertorio completo de herramientas para su investigación", dijo Tharp.

Meichen Yu, investigadora postdoctoral, CfN

En IU, ConnPipe ya se está utilizando para explorar cambios en las redes cerebrales de pacientes que se someten a terapia hormonal (TH) para el cáncer de mama. Se ha demostrado que los tratamientos de TH para el cáncer de mama conducen a un deterioro cognitivo, pero la naturaleza precisa de este deterioro es un tema activo de investigación. Para explorar este problema, se ha utilizado ConnPipe para procesar datos de resonancia magnética funcional en estado de reposo y construir redes de conectividad funcional, que luego se pueden analizar para identificar subredes funcionales características que se ven afectadas por el tratamiento con HT. "Esta investigación es un estudio entre muchos que espera aplicar ConnPipe de forma estratégica al ámbito amplio y en constante crecimiento de la investigación y el descubrimiento dentro de la neuroimagen", dijo Meichen Yu, investigadora postdoctoral de CfN. "La investigación de esta naturaleza ayuda a descubrir indicadores confiables de deterioro que pueden proporcionar evidencia de mecanismos biológicos y fisiológicos causales no descubiertos previamente que subyacen a la naturaleza del tratamiento y sus efectos secundarios", dijo Yu.

La colaboración de los investigadores de SCA, CfN e IU SoM ha permitido que ConnPipe se mejore significativamente moviéndolo de MATLAB a un formato Bash/Python. Esto ha permitido que el equipo haga que la canalización sea más rápida y eficiente, más modular y adaptable a nuevas técnicas, al tiempo que permite una mejor utilización de los vastos recursos de supercomputación de IU.

Una descripción más detallada del proyecto ConnPipe está disponible en https://sca.iu.edu/project/connpipe.