![pageSearch](/themes/hestia/images/page-search.webp)
Demandes du marché des panneaux sandwich en aluminium, progression de la croissance et prévision de la valeur 2023
Jun 06, 2023Maisons Martinsville pour grandes familles
Jan 07, 2024Pourquoi les maisons conteneurs sont-elles si populaires parmi la génération Y ?
May 06, 2023Créant un design durable et respectueux de l'environnement, CHYBIK + KRISTOF rénove un original 19ème
Oct 14, 2023Comment un nouvel hôtel de luxe a contribué à faire d'Istanbul une Ligue des champions
Oct 25, 2023Améliorer le pipeline de données de neuroimagerie : ConnPipe rationalise les meilleures pratiques : IU News
![Jun 10, 2023](/themes/hestia/images/news-details-icon1.webp)
Ce deuxième d'une série en trois parties sur le soutien médical et neuro-imagerie par UITS Research Technologies présente ConnPipe.
Retrouvez le premier article de la série ici.
Les neuroscientifiques d'aujourd'hui sont confrontés à une variété sans cesse croissante de technologies de traitement de données et de données de neuroimagerie connexes. Cela est particulièrement vrai dans le domaine de Brain Connectomics, qui combine des techniques de traitement complexes et des données d'imagerie de pointe (telles que l'imagerie pondérée en diffusion et l'IRM fonctionnelle à l'état de repos) afin d'explorer comment les réseaux cérébraux sont organisés et impactés par divers facteurs. ConnPipe est un pipeline de connectivité cérébrale développé par des chercheurs du Center for Neuroimaging (CfN) de la IU School of Medicine en collaboration avec Scalable Compute Archive (SCA). ConnPipe combine des outils de pointe issus de divers packages de traitement d'images avec des algorithmes développés en interne qui permettent de traiter ces ensembles de données complexes dans un cadre cohérent.
Andrea Avena-Koenigsberger, analyste principal/programmeur et développeur de logiciels, SCA
En neuroimagerie, chaque étape du traitement est conçue soit pour améliorer la qualité de l'image, soit pour normaliser les motifs géométriques et d'intensité de l'image, soit pour calculer des mesures pour une analyse plus approfondie. Cependant, comme les pipelines de prétraitement varient selon la recherche en neuroimagerie, les scientifiques sont confrontés à un défi pour reproduire les résultats d'une étude à l'autre. Andrea Avena-Koenigsberger, analyste principal/programmeur et développeur de logiciels, SCA, déclare que ConnPipe est une solution interne de pointe à un problème omniprésent. "Parce que de nombreux pipelines disponibles ressemblent à des boîtes noires ou sont difficiles à mettre à jour, à modifier et à entretenir, le CfN a choisi de développer ses propres pipelines, dans l'espoir de normaliser le traitement entre les groupes de recherche au sein du CfN et, éventuellement, à travers IU", a déclaré Avena. -Koenigsberger. Deux caractéristiques importantes de ce pipeline sont qu'il s'appuie sur des technologies open source et que, dans un proche avenir, il sera disponible en téléchargement dans un conteneur, permettant aux chercheurs d'exécuter le pipeline à partir de n'importe quel ordinateur tout en préservant la reproductibilité des données. « Le projet ConnPipe représente l'ajout du développement d'applications scientifiques de domaine à notre partenariat en cours avec CfN », a déclaré Arvind Gopu, directeur de la SCA.
Matt Tharp, spécialiste des données, CfN
La standardisation du pipeline de prétraitement facilite l'interprétation des données tout en contribuant à améliorer le consensus scientifique. "L'utilisation de ConnPipe est de bon augure pour tout le monde", a déclaré Matt Tharp, spécialiste des données, CfN. "D'une part, l'application des mêmes stratégies de traitement dans tous les laboratoires contribue à assurer la cohérence et la vérifiabilité des résultats. D'autre part, à mesure que les méthodes évoluent inévitablement, l'organisation de nouvelles applications dans un cadre commun permet de garantir que tous les laboratoires sont équipés d'un répertoire complet. d'outils pour leurs recherches », a déclaré Tharp.
Meichen Yu, chercheur postdoctoral, CfN
À IU, ConnPipe est déjà utilisé pour explorer les changements dans les réseaux cérébraux des patients subissant une hormonothérapie (HT) pour un cancer du sein. Il a été démontré que les traitements HT pour le cancer du sein entraînent des troubles cognitifs, mais la nature précise de ces troubles est un sujet de recherche actif. Pour explorer ce problème, ConnPipe a été utilisé pour traiter les données IRM fonctionnelles de l'état de repos et construire des réseaux de connectivité fonctionnelle, qui peuvent ensuite être analysés pour identifier les sous-réseaux fonctionnels caractéristiques qui sont affectés par le traitement HT. "Cette recherche est une étude parmi d'autres qui espère appliquer ConnPipe de manière stratégique au domaine vaste et toujours croissant de la recherche et de la découverte en neuroimagerie", a déclaré Meichen Yu, chercheur postdoctoral, CfN. "Une recherche de cette nature aide à découvrir des indicateurs fiables de déficience qui peuvent fournir des preuves de mécanismes biologiques et physiologiques causals jusque-là non découverts sous-jacents à la nature du traitement et à ses effets secondaires", a déclaré Yu.
La collaboration des chercheurs de SCA, CfN et IU SoM a permis d'améliorer considérablement ConnPipe en le déplaçant de MATLAB vers un format Bash/Python. Cela a permis à l'équipe de rendre le pipeline plus rapide et plus efficace, plus modulaire et adaptable aux nouvelles techniques, tout en permettant une meilleure utilisation des vastes ressources de supercalcul d'IU.
Une description plus détaillée du projet ConnPipe est disponible sur https://sca.iu.edu/project/connpipe.