医学图像处理与分析：开放源代码在线存储库和远程处理平台

医学信息学解锁16（2019）100235医学图像处理器和存储库Benjamin Aribisalaa，b，*，Olusola Olabanjoaa尼日利亚拉各斯拉各斯州立大学计算机科学系b英国爱丁堡爱丁堡大学脑成像中心A R T I C L EI N FO关键词医学图像;图像分析;知识库开放源代码A B S T R A C T背景和目的：医学图像分析的最新进展导致了图像引导治疗、虚拟现实和增强现实等创新，这些创新极大地改善了医疗保健服务，提高了生活质量，挽救了生命。互联网和网络技术的进步已经产生了网络技术，这些网络技术使得可以通过网络提供平台或软件作为服务，使得最终用户可以远程访问计算机资源或专用计算机工具。然而，图像获取的高成本、医学图像分析师的有限可用性以及医学专家和科学家之间的有限协作努力是发展中国家医学图像分析的主要挑战。该项目的目的是设计一个称为医学图像处理和分析的医学图像电子基础设施，其中包括一个从非洲获得的医学图像库和一个处理医学图像的平台。方法：使用FutureGateway（一个用于构建科学网关的框架）构建驻留在高性能计算基础设施上的MIPAR后端。图像上传和下载模块建立在Open Access Repository框架之上，前端采用HTML、CSS和BootStrap。脚本使用了JavaScript和JQuery用户响应和客户端-服务器架构，而服务器端的图像处理工具使用代表性状态架构（REST）API与PHP通信。结果：使用脑部MRI图像测试MIPAR图像通过MIPAR的网络界面远程提交并保存在存储库中。approX iPhone43MB的3D图像在43秒内上传。下载相同的图像需要大约30秒。为了测试图像处理设备，我们在60秒内成功完成了对同一图像的结论：MIPAR允许用户免费捐赠、下载和处理医学图像。我们希望这些有用和独特的工具将鼓励合作，改善诊断，改善患者管理，并促进非洲的开放科学。1. 介绍生物医学图像是从人类或动物身上获取的，用于临床诊断、治疗和患者管理。医学成像使得无需手术即可观察人体内部器官成为可能。有许多获取医学图像的方法，每种技术都有自己的应用领域，优点和缺点[1，2]。一些常见的成像技术是X射线、超声、计算机断层扫描（CT）和磁共振成像（MRI）。医学图像分析侧重于与医学图像，使他们有用的诊断，治疗和管理医疗条件。医学图像分析的最新进展催生了图像引导治疗[3]、虚拟现实和增强现实[4];所有这些创新都极大地改善了医疗服务，提高了生活质量，挽救了生命。一些成像设备（如MRI）的高成本使得发展中国家无法负担，这大大降低了此类设备的效益，特别是在非洲[5]。此外，图像获取在全球范围内非常昂贵，尤其是在非洲。发展中国家医学影像面临的另一个挑战是医学影像分析师的短缺。这些加上有限的合作原文DOI：https://doi.org/10.1016/j.imu.2019.100246，https://doi.org/10.1016/j.imu.2018.06.005。* 通讯作者。 计算机科学系，拉各斯州立大学，拉各斯，拉各斯州，尼日利亚。电子邮件地址：Benjamin. gmail.com（B.Aribisala）。https://doi.org/10.1016/j.imu.2019.100235在线预订2019年2352-9148/© 2019由Elsevier Ltd.发布可在ScienceDirect医学信息学期刊主页：http://www.elsevier.com/locate/imuB. Aribisala和O.奥拉班霍医学信息学解锁16（2019）1002352Fig. 1. MIPAR的用例图描述科学家和医学专家之间的交流使得电子基础设施非常可取。这些因素导致了最近创建医学图像库的想法。尽管有些发达国家有这种储存库，但非洲各地一般都没有。发达国家的一些常见医学图像库是OASIS（http://www.oasis-brains.org/）、ADNI（http://adni.loni.usc.edu/）、NBIA（https://imaging.nci.nih.gov/ncia/login.jsf）和Brainweb（http://mouldy.bic.mni.mcgill.ca/brainweb/）。神经成像信息学工具和资源交换所（NITRC，https://www.nitrc.org/）和aylward（ http://www.aylward）。org/notes/open-access-medical-image-repositories）包含最流行的医学图像分析库的更全面的列表。所有现有存储库的一个共同限制是，它们是为共享医学图像而开发的，因此它们只有医学图像，但不能用于处理图像。这意味着没有任何图像分析师或无法使用标准图像分析工具的实验室可能无法从其医学图像中获得最佳结果。另一个限制是，现有资料库中的所有图像都是从非非洲个人那里获得的。这意味着，那些有兴趣对生活在非洲的非洲人的医学图像进行研究的人将无法进行研究。据我们所知，没有储存从非洲获得的医学图像的资料库。科学网关的出现加上数据通信和网络技术的最新进展，产生了网络技术，使提供软件即服务（SaaS）成为可能，从而使最终用户能够远程访问计算机资源或专用软件工具，而不管其物理位置如何。还可以提供平台即服务（PaaS），为用户提供远程利用计算能力的特权[6，7]。该项目的重点是解决发展中国家医疗成像中的一些上述问题，图三. Federated Identity登录页面。该平台将允许研究人员共享来自非洲的医学图像，并允许他们处理医学图像。有鉴于此，该项目的目的是开发一个用于共享和处理医学图像的电子基础设施。电子基础设施，命名为医学图像处理器和存储库（MIPAR），是基于网络的，对用户免费。它结合了SaaS和PaaS的功能，因为用户可以访问一些在专用的强大服务器上运行的特殊图像处理工具。MIPAR将有助于临床医生和研究人员从医学图像中获取特定信息。研究生也可以使用该工具，并可以在他们的研究工作中使用它，无论是作为指导还是作为分析他们图像的工具。社区将从这一资源中受益匪浅，因为诊断可以更快，更准确，而且患者管理也可以得到改善，因为专家将有一个共同的平台来分享专业知识和经验，病例报告也可以共享。偏远地区的医务人员和研究人员在获得额外的专业知识之前不需要旅行;这也可以导致及时和更好的诊断。我们希望，这样一个有用而独特的工具可以鼓励合作，改善诊断，改善患者管理，并可能导致预期寿命的增加图二. MIPAR的主页B. Aribisala和O.奥拉班霍医学信息学解锁16（2019）1002353见图4。 捐赠图片页面。图五. 下载图像页面。(a)用户选择了要下载的图像类型。(b)系统返回存储库中满足搜索条件的图像列表。2. 材料和方法2.1. 系统描述MIPAR是一个开源平台，但它需要Federated Identity登录访问权限，可以通过向任何Federated Identity Provider注册来获得[8]。登录后，用户可以使用MIPAR的任何功能。MIPAR可通过网络访问（https：//mipar.sci-gaia.eu），并有五个模块图像，处理图像，下载输出和分析数据（图1）。1. 捐赠图像模块。该模块将允许用户上传医学图像。所有捐赠的图像都受到开放获取政策的保护，允许其他人自由使用本模块的第一步是供用户选择要捐赠的图像类型（图4），目前只有四种类型的图像可以上传未来将包括其他类型的医学图像。第二步是选择解剖结构。目前仅允许进行脑、肝、肺和胸部成像，但将来将扩大范围。请注意，所有四个基于解剖结构的选项可用于第一步中的每种图像类型。在第三步也是最后一步，用户只需点击捐赠按钮，就会启动文件浏览器，浏览器将允许选择和上传以下任何类型的图像-. gz，.zip，.nii.gz和. nii。然后，用户能够上传图像。上传的图像存储在存储库中，所有用户均可免费下载。2. 下载图像模块。在本模块中，用户将能够下载存储库中可用的任何图像。类似于 捐赠图像模块，用户可以选择图像类型和身体解剖结构（图5）。这将启动查询，以列出满足身体解剖结构和图像类型标准的所有图像。然后，用户将能够下载列出的任何图像B. Aribisala和O.奥拉班霍医学信息学解锁16（2019）1002354þþ见图6。 “处理映像”页。3. 处理图像模块。该模块将允许用户在系统上执行图像处理。用户将能够选择要进行的处理类型和要处理的图像。第一步是用户选择处理组件（图6）。第二步是选择要使用的图像目前，只有表1用于MIPAR开发的技术。前端使用的技术HTML，CSS，JavaScript，JQuery Twitter&Bootstrap大脑 MRI 图像 可以 在MIPAR上处理， 但这 将在不久的将来扩展到包括其他图像类型和其他后端使用的模块和工具PHP，PHP，ShellScripting解剖学当前可用的图像处理操作支持的图像格式分析格式（.hdr/.img）时间是：大脑提取，图像分割和图像配准，MIPAR支持的处理设施OAR、FutureGateway、LINUX和FSL第10节在第三步中，用户将被要求上传图像(s)来处理。第四步是提交步骤;在这里，用户将单击继续按钮，系统将使用选定的操作来处理上传的图像。4. 下载输出模块。该模块将允许用户下载任何处理过的图像。用户只有24小时下载图像。系统会在24小时后自动删除任何处理过的图像。这使我们能够有效地管理有限的磁盘存储。5. 分析数据模块。该模块将允许用户执行一些简单的统计分析，例如，比较两组之间的数据，比较同一组内的测量值，相关性分析和回归分析。两组间比较采用独立t检验，测量值比较采用配对t检验.目前，我们只执行参数测试进行比较，但非参数测试将包括一旦获得更多的数据。相关分析包括Pearson和Spearman，而回归分析可以进行简单和多元回归。随着时间的推移，将纳入其他统计检验。2.2. 系统实现MIPAR是使用多种技术开发的表1包含MIPAR图像下载图像捐赠图像处理下载输出数据分析代码大小63MB所使用的技术、图像格式和MIPAR的模块。总之，MIPAR包括后端和前 端 （ 或 接 口 ） 。 后 端 由 一 个 名 为 开 放 访 问 存 储 库 （ OAR ，www.example.com ） 的 数 据 存 储 库 的 克 隆 组 成 http://oar.sci-gaia.eu/。使用MYSQL开发数据库是因为它在处理结构化数据方面的熟悉性和效率后端还包含一些用C和Futuregate way（https://github.com/futuregateway）编写的图像分析工具。图像分析工具包括来自FSL库（FMRIB软件库，www.fmrib.ox.ac）的大脑提取工具[9]、图像配准工具[10，11]和图像分割工具[12]。uk/fsl/）。Web界面使用HTML、CSS、BootStrap、Twitter BootStrap、Java-Script和jQuery开发，而服务器端脚本使用PHP完成。JSON格式通过Representational State（REST）技术用于应用程序编程接口（API）的互操作性。处理是在LinuX服务器上完成的，它通过HTTP客户端-服务器架构与客户端通信本系统中使用的前端工具的选择由B. Aribisala和O.奥拉班霍医学信息学解锁16（2019）1002355见图7。 处理的图像页面。跨平台和动态的性质，它们的组合允许。PHP被用于服务器端，因为它易于学习，能够与许多不同的数据库交互，使用自由和多样性开发人员使用的功能框架 鉴于MIPAR是为了对所有用户免费，所有使用的技术都是开源的。3. 结果3.1. 系统测试和验证使用一些匿名的大脑MRI图像样本对MIPAR进行了测试和验证。图2显示了MIPAR的主页，而图3是联邦身份登录页面。图4中描绘了捐赠图像页面，而图5中描绘了下载图像页面。图图6和图7分别是图像处理页和处理后的图像页。在所有图中，红色圆圈按钮是用户在测试期间采取的操作。上传、下载和处理测试样本数据。图像在上传之前被压缩，下载的图像是压缩格式。上传和下载速度很快，因为它们受益于AJAX（异步JavaScript和HTML）的使用。然而，速度可能取决于互联网的速度，用户.使用4GLTE互联网调制解调器，在43秒内上传了46MB的图像。图像处理同样快速，每张图像在60秒内完成，输出在38秒内下载。为了进行实验，在尼日利亚的拉各斯上传了图像，服务器目前位于意大利的卡塔尼亚，相距5356公里。注意，速度计算为50次实验后的平均速度。我们尝试了头骨剥离，图像分割 将脑图像分成三个组织类别，以及从一个脑解剖图像到另一个的图像配准。颅骨剥离使用FSL [9]的大脑提取工具，而图像分割使用FAST（FMRIB 图像配准UTI-使用FLIRT（FMRIB的线性图像配准工具）的仿射变换对12个参数进行了分析4. 讨论在发展中国家，成像设备非常昂贵，这使得图像采集的成本非常高。这些，加上发展中国家医学图像分析师的有限可用性，以及临床专家之间共享医学图像和专业知识的需求，导致了医学图像处理器和存储库（MIPAR）的发展。MIPAR是一个电子基础设施，开源和基于Web的工具，使用户能够捐赠，下载和处理医学图像。MIPAR还使用户能够执行统计分析。我们希望MIPAR将为研究人员提供免费访问医学图像的机会，用于研究目的。这可以改善医疗诊断，治疗和患者管理。据我们所知，MIPAR是第一个包含主要从非洲获取的医学图像的电子基础设施，也包含图像分析工具。MIPAR是用户友好和易于使用。MIPAR的另一个优点是它包含在专用高功率服务器上运行的图像处理工具，这意味着用户可以使用正确的工具快速处理图像我们将MIPAR与其他类似工具进行了比较，如开放式访问系列成像研 究 （ OASIS ， http://www.oasis-brains.org/ ） 、 aylward （ http ：//www.gov.cn ） 和 其 他 类 似 工 具 。 aylward.org/notes/open-access-medical-image- repositories）、国家生物医学图像档案馆（NBIA，https：//imaging.nci.jsf）、阿尔茨海默病神经成像倡议（ADNI，http://adni.loni.usc.edu）、SIMBA（http://www.via.cornell.edu/visionx/simba/）、Brainweb（http://mouldy.bic.mni。麦吉尔ca/brainweb/）、u-KoMIPS [13]和RayPlus [14]。 OASIS、aylward、NBIA、ADNI和Brainweb是医学图像的存储库，它们没有图像处理平台，而MIPAR同时作为存储库和图像处理平台。SIMBA、u-KoMIPS和RayPlus是图像处理平台，但没有图像存储库。此外，SIMB、u-KoMIPS和RayPlus仅允许上传DICOM（医学数字成像和通信）数据，而MIPAR允许上传3D图像，例如分析格式。MIPAR不使用DICOM数据格式，因为DICOM格式包含B. Aribisala和O.奥拉班霍医学信息学解锁16（2019）1002356有关受试者的机密信息。通过使用3D图像的分析格式，自动删除机密信息。此外，MIPAR主要是为非洲开发的，那里的互联网非常昂贵，上传或下载速度非常慢。使用DICOM格式意味着必须上传或下载大量数据，这对非洲人来说可能不划算。此外，据我们所知，MIPAR是唯一一个拥有处理平台和存储库的电子基础设施，其中包含从非洲获得的医学图像。MIPAR的主要局限之一是存储库只包含大脑MRI图像。这是因为我们目前没有其他类型的图像。我们希望，随着MIPAR变得越来越受欢迎的，更多类型的图像将成为可在MIPAR仓库。另一个限制是MIPAR目前只能处理大脑MRI图像。在不久的将来，随着更多类型的图像变得可用，更多的图像处理工具将被添加到MIPAR以增加处理功能。5. 结论我们提出了一个电子基础设施，称为医学图像处理器和存储库（MIPAR）。MIPAR使用户能够免费捐赠、下载和处理医学图像。我们希望，这样一个有用而独特的工具将鼓励合作，改善诊断，改善患者管理，并促进非洲的开放科学利益冲突作者没有任何利益冲突确认我们非常感谢在布鲁内尔大学的Simon Taylor和卡塔尼亚大学的Roberto Barbera的双重领导下，SCI-GAIA团队为我们提供了参加2016年7月卡塔尼亚夏季黑客节的机会。我们还感谢罗伯托·巴贝拉、马里奥·托雷斯和布鲁斯·贝克尔在会议期间提供的技术支持。并鼓励他们参与系统测试和验证。最后，我们感谢WACREN（西非和中非研究和教育网络）的Omo Oiya和EKO KONNECT（拉各斯州研究和教育倡议）的Owen Iyoha促进了拉各斯州立大学和SCI-GAIA之间的合作。引用[1] [10]张文辉，张文辉.现代影像学技术与超声引导下穿刺细胞学检查在颈部淋巴结转移：一项前瞻性比较研究。欧洲耳鼻喉科文献1993;250：11-7.[2] 周志辉医学影像学基础Wiley-Interscience; 1993年。[3] Marien A，Gill I，Ukimura O，Nacim B，Villers A.前列腺癌的靶向消融-图像引导治疗。泌尿肿瘤学：研讨会和原始调查。32号。Elsevier; 2014.p. 912- 23[4] 王SK，倪AYC。虚拟现实和增强现实在制造业中的应用。SpringerScience&Business Media; 2013.[5] 阿德莫拉河磁共振成像的成本效益评价尼日利亚。 尼日尔研究生医学杂志2003;10：251-3.[6] 田伟，苏S，陆G.在虚拟云计算实验室中实现和管理平台即服务的框架。教育技术和计算机科学（ETCS），2010年第二届国际研讨会，卷。二、IEEE; 2010年。p. 273比6[7] Jadeja Y，Modi K.云计算概念、架构与挑战。在：计算，电子和电气技术（ICCEET），2012年国际会议上。IEEE; 2012年。p. 877- 80[8] 查德威克联合身份管理。安全分析与设计的基础V。Springer; 2009.p. 96比120[9] 放大图片Jenkinson M，Pechaud M，Smith S. BET 2：基于MR的大脑、颅骨和头皮表面估计。人类大脑绘图组织第十一届年会，第17卷，2005年。[多伦多]第167页。[10] Jenkinson M，Smith S.一种用于脑图像鲁棒仿射配准的全局优化方法。医学影像分析2001;5：143-56.[11] Jenkinson M，Bannister P，Brady M，Smith S.改进优化，用于脑图像的鲁棒和精确的线性配准和运动校正神经影像2002;17：825[12] 张Y，Brady M，Smith S.一种基于隐层的脑MR图像分割方法马尔可夫随机场模型与期望最大化算法。IEEE Trans Med Imaging 2001;20：45-57.[13] Jin S，Kim L-h.U-KoMIPS：一个无处不在的医学图像处理系统环境Lect Notes Comput Sci 2005年12月;3823：278-87。[14] 袁R，罗M，孙Z，石S，肖P，谢Q。RayPlus：基于Web的医学图像处理平台。JDigit Imaging2017;30：197