Development of a biomedical image analysis framework, based on web services

Abstract

Data mining of biomedical images is a complex task, because it requires several steps, like color adjustment, image filtering, segmentation, feature extraction, characterization, etc. and appropriate calibration on each of them, so as to achieve a satisfying result. This Ph.D. thesis focuses on the development of a framework, containing the necessary data mining and image analysis techniques, organized into entities-operators, capable to deal with the complex biomedical data mining tasks. The proposed framework enables the building of workflow schemes, capable of dealing with these mining tasks. Furthermore, it enables the generation of multiple workflow versions of the core workflow scheme by combining all the operators with each possible way and autoselecting the optimal one. In this thesis, a number of applications, exploiting web services and applying ontological modelling are presented, allowing the intelligent creation of image mining workflows and the optimal workflow scheme selection for each of them. The choice of the optimal workflow is based either to the comparison with the ground truth, or via the log-likelihood distance metric of the clustered salient objects. This biomedical image analysis framework may require advanced knowledge of data mining and image analysis theory, but it requires only fundamental programming skills for the development of an intermediate level workflow scheme. It can be directly integrated to TAVERNA or similar workflow management platforms. Additionally, the biomedical problems examined during this thesis and their corresponding solutions are also presented. Each of the proposed image mining methodologies utilizes the developed framework. All the proposed methodologies achieve satisfying performance through the proposed framework. Furthermore, some additional image mining scenarios are applied through the framework, demonstrating the optimal workflow proposal mechanism.

Η εξόρυξη γνώσης από βιοϊατρικές εικόνες είναι µια πολύπλοκη και χρονοβόρα διαδικασία, γιατί απαιτούνται πολλά βήµατα, όπως η ρύθµιση του χρώµατος, το φιλτράρισµα της εικόνας, η τµηµατοποίησή της, η εξαγωγή χαρακτηριστικών γνωρισµάτων, ο χαρακτηρισµός της, κ.λπ. Κάθε ένα από αυτά τα βήµατα απαιτεί κατάλληλη βαθµονόµηση, ώστε συνολικά να πετύχουν το βέλτιστο αποτέλεσµα. Αυτή η διδακτορική διατριβή, εστιάζει στην ανάπτυξη ενός πλαισίου, το οποίο περιέχει τις απαραίτητες τεχνικές εξόρυξης και ανάλυσης εικόνας, οργανωµένες σε οντότητες, για την επίλυση των σύνθετων βιοϊατρικών προβληµάτων ανάλυσης εικόνας. Το προτεινόµενο πλαίσιο επιτρέπει το σχεδιασµό διαγραµµάτων ροών εργασίας, για να επιλύσει αυτά τα προβλήµατα. Επιπλέον, παρέχει τη λειτουργία της αυτόµατης δηµιουργίας παράλληλων πολλαπλών εκδόσεων (multiple parallel instances) του διαγράµµατος ροής εργασίας που σχεδιάστηκε, πραγµατοποιώντας όλους τους πιθανούς συνδυασµούς των τελεστών που προστέθηκαν στο διάγραµµα, για να επιλεγεί αυτόµατα ο βέλτιστος συνδυασµός ροής εργασίας. Για την υλοποίηση αυτού του πλαισίου αξιοποιήθηκε η τεχνολογία υπηρεσιών δικτύου (web services technology), σε συνδυασµό µε τη µοντελοποίηση τεχνικών ανάλυσης και εξόρυξης εικόνας (image mining and analysis techniques), σε ανεξάρτητες οντότητες. Η επιλογή της βέλτιστης ροής εργασίας πραγµατοποιείται, είτε συγκρίνοντας τα αποτελέσµατα της τµηµατοποίησης µε την πραγµατικότητα (Ground Truth), είτε µε τη χρήση του µέτρου της απόστασης log-likelihood των οµαδοποιηµένων εντοπισµένων αντικειµένων (clustered salient objects). Για τη χρήση αυτού του πλαισίου απαιτούνται βασικές – και ίσως σε κάποιες περιπτώσεις προχωρηµένες – γνώσεις ανάλυσης εικόνας, αλλά δεν απαιτούνται προγραµµατιστικές γνώσεις. Αυτό το πλαίσιο µπορεί να ενσωµατωθεί στο πρόγραµµα διαχείρισης ροών εργασίας TAVERNA ή σε οποιαδήποτε άλλη παρόµοια πλατφόρµα. Επιπλέον, σε αυτήν τη διδακτορική διατριβή, παρουσιάζονται όλα τα βιοϊατρικά προβλήµατα ανάλυσης εικόνας που εξετάσθηκαν κατά τη διάρκεια της εκπόνησής της. Καθεµιά από τις προτεινόµενες προσεγγίσεις εξόρυξης εικόνας, χρησιµοποιεί το προτεινόµενο πλαίσιο. Όλες οι προσεγγίσεις εξήγαγαν ικανοποιητικά αποτελέσµατα, χρησιµοποιώντας τις δυνατότητες του προτεινόµενου πλαισίου. Επιπλέον, ορισµένα πρόσθετα σενάρια εξόρυξης εικόνας µοντελοποιήθηκαν στο προτεινόµενο πλαίσιο, αποδεικνύοντας την αποδοτική λειτουργία της εύρεσης της βέλτιστης ροής εργασίας.