Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

14 30-mjoliot biomist-piv-2017

120 vues

Publié le

Gestion des données scientifiques en imagerie in vivo – Journée scientifique organisée par PIV le 7 décembre 2017 au PARCC-HEGP
Marc Joliot

Publié dans : Santé & Médecine
  • .DOWNLOAD THIS BOOKS INTO AVAILABLE FORMAT ......................................................................................................................... ......................................................................................................................... .DOWNLOAD PDF EBOOK here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... .DOWNLOAD EPUB Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... .DOWNLOAD doc Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... .DOWNLOAD PDF EBOOK here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... .DOWNLOAD EPUB Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... .DOWNLOAD doc Ebook here { https://tinyurl.com/y8nn3gmc } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Répondre 
    Voulez-vous vraiment ?  Oui  Non
    Votre message apparaîtra ici
  • Soyez le premier à aimer ceci

14 30-mjoliot biomist-piv-2017

  1. 1. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Genèse, application et futur de BIOMIST: un système de gestion du « cycle de vie » de la donnée bio-médicale. Marc Joliot, Ph.d., HdR, CEA
  2. 2. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Groupe d’Imagerie Neurofonctionnelle Ø Depuis  1989,  date  de  la  création,  le  GIN  a  toujours  été  impliqué  dans   l’acquisition  et  le  traitement  des  bases  de  données  d’imagerie. 1990 EVA IRM-­3-­Cité BIL&GIN I-­Share 2011 Ø Participation  à  des  consortium  internationaux  : • CHARGE • ENIGMA   Ø Analyse  des  bases  existantes    : • UK-­BIOBANK • LIFE • BIG
  3. 3. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 N Age IRM Tests  Ψ ADN EVA 845 [63,  75] 3D-­T1  (0.9  mm) T2/PD  (5  mm) MMSE,  TMTA/B,   Rey15,  Benton FRT,   etc… (T0,T+2,T4,T+6,T+7,T+ 9) OUI Coll.  C  Tzourio Inserm  U708 Approche  épidémiologique  pour  l’étude  du  polymorphisme  sur  des   populations  âgées Base Neuroanatomiques du vieillissement Ø Avant  2005  :  Arborescence  de  répertoires  
  4. 4. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Base Neuroanatomique du veillissement (EVA) Les  sujets  homozygotes  pour   l’allèle  e4  présentaient  une  atrophie   de  l’hippocampe  précoce,  prédictive   d’un  déclin  cognitif  sévère,  mesuré   7  ans  plus  tard.   Graphe  de  Manhattan  illustrant  l’association   pangénomique du  volume  de  l’hippocampe   réalisée  au  sein  du  consortium  CHARGE   incluant  9,234  participants  âgés.  
  5. 5. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 “Brain Imaging Laterality database” : BIL&GIN Chaque  individu  a  été  vu  3  ou  4  fois  : • Anatomie  &  repos • 20  tâches  cognitives  pour  300  sujets  (9  sessions) • 2  sessions  de  tests  cognitifs • Génétique 450  volontaires  âgés  de  18  à  58  ans  : • Base  équilibrée  pour  la  latéralité  manuelle • Base  équilibrée  pour  le  genre Structure Anatomie  3D Fonction Diffusion BOLD  EPI  :   Debriefing BOLD  EPI  :  8mn Quest.  RESQ 9  sessions  cognitivesResting  state   Mazoyer 2015
  6. 6. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Analyse des besoins Ø Accroissement  du  nombres  d’individus  :  Avènement  de  l’aire  des  cohortes   Ø Accroissement  de  l’hétérogénéité des  données    : • Acquisitions  « multimodales »  :  Anatomiques  /  fonctionnelles  /  Diffusion • Données  non-­imageries  structurées  (exp :  Test)   • Données  non-­imageries  non-­structurées  (exp :  Débriefing  /  rapport   médicale) Ø Généralisation  de  l’emploi  de  méta-­analyses  :   • L’état  de  repos  a  en  partie  été  découvert  grâce  à  des  méta-­analyses,  soit   une  utilisation  non-­programmée  des  données. L Cognitive  tasks rCBFvariation  (%) MT  working  memory GV  verb  generation CM  mental  calculus LP  phrase  listening LT  story  listening LM  word  listening IM  mental  imagery LO  logic MV  movement Restversus Mazoyer 2001
  7. 7. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Joliot 2010,  HBM Structure de BIL&GIN
  8. 8. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 34  Resting-­state  Networks  :  coverage  of  98%  of  the  brain  gray  matter 281  fMRI  resting-­state  acquisitions Pre-­processing Clustering Individual    ICA 281  sets  of  25  Individual  components Atlas des réseaux du repos : MICCA (BIL&GIN) Naveau 2012 R  =  20 281  x  25  x  20  =   140500   composantes
  9. 9. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Retour d’expérience • Interrogations  majoritairement  effectuées  par  les  ingénieurs • Pas  de  gestion  fine  des  protections • Corrections  sans  historique • Paramètres  d’analyses  sauvegardés  mais  sans  les  pipelines • Pas  d’utilisation  en  test  d’hypothèses  et  ou  analyse  de  groupe
  10. 10. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017ANR-­13-­CORD-­0007
  11. 11. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Cahier des charges Ø Gestion  de  la  provenance  :  Traçabilité  de  l’évolution  des  données  et  des   traitements Ø Adapté  à  la  gestion  de  plusieurs  protocoles Ø Confidentialité Ø Gestion  de  l’hétérogénéité  des  formats Ø Adapté  à  la  volumétrie  de  l’imagerie   Ø Gestion  de  l’hétérogénéité  des  sources  :  Flexibilité  du  modèle  de  données Ø Gestion  de  la  complexité  des  traitements  :  Accès  aux  grilles  et  contrôle  de  qualité Ø Capacité  à  implémenter  des  analyses  inter-­sujets  voir  inter-­protocoles Ø Intégration  des  outils  du  chercheur  :  visualisation,  chaines  de  traitements,  outils   d’analyse…
  12. 12. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Ecosystème de données Modalités d’imagerie Données dérivées Analyse et Interprétation PACS local ressources web Grilles de calcul Recueil de données • Case Report Forms • Psychologie • Génétique • Physiologie • ... DICOM Données brutes
  13. 13. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 2 clients Client  riche   Client  léger
  14. 14. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Intégration DICOM Health  &   Care   improveme nts Public   Health   Research Ø Reçoit et  sert  les  données  d’imagerie via  le  protocole  DICOM PACS STORE FIND/GET STORE DICOM  workstation ProxyClient Teamcenter query Rich client:  open  in   visualizer Client  WEB:  papaya browser
  15. 15. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 PLM workfows: Contrôle qualité automatisé et manuel 1. Assignation  automatique  à: • projet  de  recherche • définition  de  protocole 2. Vérification  de  la  conformité • Paramètres  d’acquisition • Quantité  d’acquisitions • Nombre  d’instances  DICOM 3. Notification  par  e-­mail • Data  manager • Investigateur  Principal
  16. 16. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Traitement des données Ø Intégration  d’un  système  de  gestion  de  flux  de  traitements (nipype) • Peut  couvrir  n’importe  quelle  ligne  de  commande • Compatible  avec la  plupart  des  ordonnanceurs  de  grilles  de  calcul Ø Conservation/édition  des  paramètres de  chaque  étape  du  traitement   Ø Les  données  dérivées  peuvent  entrer  dans  de  nouveaux  flux  de  traitement
  17. 17. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Traçabilité des traitements de données Ø Chaque  étape du  traitement: • Stocke les  résultats  du  traitement • Stocke  un rapport  d’exécution • Référence  les  items  d’entrées • Référence un  jeu  de  paramètres
  18. 18. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Intégration des outils du chercheur PLM ODBC JMP  /  SAS  /  Excel  :  analyse statistique Cube  OLAP Données   dérivées Données   d’examens
  19. 19. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 I-SHARE / MRI-SHARE Ø i-­Share est  la  plus  grande  étude  scientifique  jamais  réalisée  sur  la   santé  des  jeunes  :    30000  prévus  (PI  .  C.  Tzourio,  Investissement   d’Avenir)  :   Ø Mri-­Share +  Bio-­Share :  Sous  ensemble  de  2000  individus   -­ Données  démographiques -­ Tests  cognitifs   -­ Historique  médicale -­ Historique  comportementale Mazoyer 2017 +  Génétique
  20. 20. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Qualification en volumétrie et hétérogénéité : MRI-share Ø Nombre  de  sujets  :  1859   Ø Nombre  d’instances  DICOM  :    6  064  451 Ø Démographie  :  Age  /  sexe  /  latéralité Ø Test  :  Questionnaire  de  repos
  21. 21. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Qualification en complexité : Archeoneuro Node 002 Scanner Ψ experimental control PACS ftp DICOM Data  import  services • Data  recognition  and   mapping • Matching of  imaging and  behavioral data Scientific  workflows 1. fMRI data  preprocessing 2. Behavioral data  parsing and  statistical modelling 3. Outputs  sorting Quality control   workflows • Automated validation • Visual  QC • Notification scp/ssh High  Performance   Computing cluster  frontend Nipype  workflows Node   001 scp ……………………… ……………… Node   N ……………………… ………………
  22. 22. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Rendu du projet Ø Publications :  2  revues,  10  conférences,  2  ouvrages Ø Thèses :  M.  Allanic  (2015)  et  C.C.  Phan  (2016)   Ø Projets  collaboratifs  : Ø Drive  SPC  (B.  Tavitian)     Ø Ginesis-­lab Ø Création  d’une  unité  de  buisness médical  au  sein  de  Cadesis/Fealinx avec  embauche  de  4  personnes  :  Création  de  la  solution  SwoMed version   industriel  de  BIOMIST  
  23. 23. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 LABCOM Ginesis-lab Ø Objectifs • Gestion  intégrée  des  chaînes  de  traitement  de  l’imagerie  dans  l’optique   de  la  création  de  bio-­marqueurs   • Développer  des  méthodes  de  classification  et  d’analyse  prédictive  sur   les  données  d’imagerie • Amélioration  des  interfaces  chercheurs  /  médecins   Ø Projet  ANR  LabCom :  édition  2016,  ANR-­LCV2-­0006-­01   Ø Direction • Marc  Joliot,  DR,  CEA • P.  Boutinaud,  DR  recherche  et  innovation,  Fealinx Ø Localisation • Bâtiment  Paul  Broca  Nouvelle  Aquitaine,  Neurocampus
  24. 24. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 De Biomist à Ginesis-lab Cohortes Cohorts (Data  Management) Personnalized  medicine (SaaS) Hospital,  CRO (Clinical  studies) Structured   reports Images   processing Learning Biomarkers   Innovations   LaBIMA Prediction LABCOM  :  ANR  16-­LCV2-­006-­01  :  Starting  03/04/2017  
  25. 25. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Les équipes GIN  /  IMN Dir :  N.  Tzourio /  E.  Bezard Fealinx /  Cadesis DG  :  X.  Ruffenach • Benoit  Eynard • Alexandre  Durupt • Nada  Matta
  26. 26. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017
  27. 27. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Méthodologie de développement : AGILE Ø Project  owner &  Scrum master  :  Cadesis Ø Research  Unit  :     Cadesis /  GIN  /  UTC  /  UTT WP1 :  Project  Management WP2 :  PLM  for  BioMedical Imaging WP3 :  Graph  similarity  &  visualization WP4 :  Semantic  enhancement   WP5 :  Integration  &  Quality WP6 :  Exploitation  &  Dissemination
  28. 28. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Cahier des charges Ø Gestion  de  la  provenance  :  Traçabilité  de  l’évolution  des  données  et  des   traitements Ø Adapté  à  la  gestion  de  plusieurs  protocoles Ø Confidentialité Ø Gestion  de  l’hétérogénéité  des  formats Ø Adapté  à  la  volumétrie  de  l’imagerie   Ø Gestion  de  l’hétérogénéité  des  sources  :  Flexibilité  du  modèle  de  données Ø Gestion  de  la  complexité  des  traitements  :  Accès  aux  grilles  et  contrôle  de  qualité Ø Capacité  à  implémenter  des  analyses  inter-­sujets  voir  inter-­protocoles Ø Intégration  des  outils  du  chercheur  :  visualisation,  chaines  de  traitements,  outils   d’analyse…
  29. 29. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Gestion  sémantique  des  données  d’imagerie   bio-­médicale  pour  la  recherche Utiliser  les  outils  du  « Product   Lifecycle  Management »  pour   gérer  les  données,  documents   et  informations  bio-­médicales. Définir  et  implémenter  des   outils  permettant  de  visualiser   et  manipuler  les  graphes   représentant  les  relations  entre   objets  d’intêrets. Ø Ø
  30. 30. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Architecture du PLM Ø Cycle  de  vie  du  produit  industriel • Conception  (données  CAO) • Production • Maintenance • Retrait Ø Gestion  du  Cycle de  vie  du  Produit   • 20  ans  de  développement • SIEMENS  Teamcenter :                       16  million  de  licences Ø Architecture  4  « tier » • Stockage  unique • Réplication  de  données • Extensible
  31. 31. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Trois catégories d’objets Allanic 2017
  32. 32. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Modèle de données BMI-LM Graphe de  données Modèle
  33. 33. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Gestion de la provenance PROV-­DM  standard  (http://www.w3.org/TR/2013/REC-­prov-­dm-­20130430/). Ø Parallèle  entre  le  standard  PROV  et  le  BMI-­LM  data  model.   Allanic 2017
  34. 34. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Classification hiérarchique • Chaque  item  est  classifié  dans  une   ou  plusieurs classes • Une  classe  peut  porter  des  attributs • La  classification  est  facilement   extensible • Les  catégories  peuvent  provenir   d’ontologies  spécifiques  d’un   domaine
  35. 35. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Statistiques : Agile

×