Dane i standardy neuroinformatyki: zaprojektuj kontrakt przed akwizycją
Standardowanie jest najtańsze przed pierwszym pomiarem. Gdy nazwy kanałów, zegary, identyfikatory i zdarzenia powstają bez wspólnego planu, późniejsza konwersja wymaga zgadywania. Kontrakt danych opisuje, co zostanie zapisane, jak elementy się łączą i które informacje są konieczne do ponownego użycia. Powinien być czytelny zarówno dla badacza, jak i programu.
1. Zrób inwentaryzację obiektów
Wypisz uczestników lub preparaty, sesje, przebiegi, modalności, urządzenia, kanały, bodźce, odpowiedzi, zdarzenia, pliki konfiguracyjne i wyniki. Dla każdego obiektu podaj właściciela definicji, identyfikator, jednostkę, zegar, format oraz relację z innymi obiektami. Rozróżnij dane generowane przez aparaturę od informacji dopisywanych ręcznie.
Identyfikator badawczy nie powinien zawierać nazwiska, daty urodzenia ani innej oczywistej informacji o osobie. Tabela łącząca kod z tożsamością wymaga odrębnej ochrony i nie powinna trafiać do zbioru analitycznego. Reguły pseudonimizacji i dostępu ustal z osobami odpowiedzialnymi za etykę oraz ochronę danych.
2. Ustal czas, jednostki i układy odniesienia
W projektach multimodalnych najtrudniejszym polem bywa czas. Zapisz, które urządzenie wyznacza zegar, jak transmitowane są znaczniki, czy występuje opóźnienie i dryf oraz jak będą oszacowane. Zachowaj surowy log zdarzeń. Sama zgodność numerów prób nie dowodzi synchronizacji sygnałów.
Jednostki muszą być jawne i spójne. Nie wystarczy nazwa kolumny „amplitude”. Podaj, czego dotyczy wartość, skalę, sposób kalibracji i znaczenie braków. Dla danych przestrzennych zapisz układ współrzędnych, orientację, jednostkę odległości i transformacje między przestrzenią natywną, czujników oraz atlasu.
3. BIDS — organizacja wielu modalności
BIDS definiuje hierarchię zbioru, nazwy plików, encje takie jak uczestnik, sesja, zadanie i przebieg oraz metadane zapisane między innymi w plikach JSON i TSV. Aktualna specyfikacja obejmuje liczne modalności, w tym MRI, MEG, EEG, iEEG, zapisy fizjologiczne, zachowanie, PET, mikroskopię, NIRS i MRS. Konkretne wymagania zależą od typu danych.
Specyfikacja rozróżnia pola wymagane, rekomendowane i opcjonalne. „Przechodzi walidację” oznacza zgodność z regułami objętymi walidatorem, a nie kompletność dla każdego przyszłego pytania. Pole rekomendowane może decydować o interpretowalności, nawet gdy jego brak nie zatrzymuje narzędzia.
BIDS rozróżnia dane źródłowe, dane surowe po kuracji i dane pochodne. Rezultat preprocessingowy powinien mieć własny opis pochodzenia, wersję pipeline'u i parametry. Nie umieszczaj go pod nazwą, która wygląda jak nienaruszony plik wejściowy.
4. NWB — neurofizjologia i zachowanie
NWB jest standardem i ekosystemem dla neurofizjologii oraz danych behawioralnych. Schemat zawiera struktury dla szeregów czasowych, urządzeń, przedziałów i zdarzeń, elektrofizjologii zewnątrzkomórkowej, rejestracji wewnątrzkomórkowych, fizjologii optycznej, śledzenia zachowania oraz bodźców. Pozwala powiązać pomiar z opisem eksperymentu w jednym modelu danych.
Nie zaczynaj od ręcznego wciskania lokalnego pola do najbliższej nazwy. Sprawdź definicję typu, jednostkę i relacje. Gdy standard nie obejmuje potrzebnego elementu, poznaj oficjalny mechanizm rozszerzeń i istniejący katalog rozszerzeń. Lokalne rozszerzenie bez dokumentacji utrudnia ponowne użycie.
5. Standard wybiera się do przypadku użycia
Zadaj pięć pytań: jaka jest modalność, co musi zostać zachowane, jakie narzędzia mają czytać dane, gdzie zbiór będzie archiwizowany i jakie pochodne trzeba opisać? BIDS i NWB mają częściowo różne zakresy. Projekt multimodalny może korzystać z więcej niż jednego standardu, lecz wtedy potrzebuje jawnego mapowania identyfikatorów, sesji, zegarów i wersji.
Nie konwertuj wyłącznie po to, by usunąć format źródłowy. BIDS zwraca uwagę, że dane sprzed harmonizacji lub konwersji mogą zawierać metadane specyficzne dla aparatury. Zachowanie źródła umożliwia poprawę konwertera i odzyskanie informacji w przyszłości, o ile pozwalają na to zgody, licencje i zasady bezpieczeństwa.
6. Walidacja strukturalna i kontrola naukowa to dwa testy
Uruchamiaj oficjalny walidator automatycznie po każdej zmianie struktury. Zapisuj wersję specyfikacji i walidatora oraz raport błędów. Ostrzeżenia klasyfikuj: naprawione, zaakceptowane z uzasadnieniem albo wynikające z ograniczenia standardu. Nie wyłączaj reguły tylko po to, aby uzyskać zielony wynik.
Osobny zestaw testów powinien sprawdzać wartości: liczbę plików, rozmiary, czas trwania, częstotliwości próbkowania, jednostki, zakresy, brakujące zdarzenia, unikalność identyfikatorów i zgodność sesji. Potrzebne są także wizualne raporty jakości. Walidator BIDS nie oceni, czy elektroda była odłączona, obraz jest poruszony ani model odpowiada pytaniu badawczemu.
7. FAIR jako plan użycia, nie naklejka
Znajdowalność wymaga trwałego identyfikatora i opisowych metadanych. Dostępność wymaga jawnego protokołu i warunków dostępu. Interoperacyjność korzysta ze standardów, kontrolowanych słowników i formalnych relacji. Ponowne użycie potrzebuje pochodzenia, licencji lub warunków użycia, jakości oraz kontekstu.
FAIR nie jest tym samym co otwarty dostęp. Kontrolowany zbiór ludzkich danych może być FAIR, jeżeli warunki są jasno opisane i możliwe do wykonania przez uprawnionych użytkowników. Z kolei publiczny plik bez metadanych, wersji i licencji może być otwarty, ale trudny do znalezienia i ponownego użycia.
Minimalna karta kontraktu danych
Zapisz: zakres modalności, hierarchię identyfikatorów, schemat zdarzeń, zegar główny, jednostki, układy współrzędnych, format źródłowy, standard i jego wersję, wymagane metadane, walidatory, kontrole jakości, granicę danych surowych, zasady pochodnych, role dostępu, repozytorium oraz politykę wersjonowania. Dołącz jeden kompletny przykład przechodzący od źródła do wyniku.
Kartę przetestuj przed skalowaniem. Jeżeli dwie osoby niezależnie interpretują pole inaczej, definicja wymaga doprecyzowania. Jeżeli program nie potrafi znaleźć relacji bez ręcznej tabeli, relacja powinna stać się częścią modelu danych.
Źródła i zastrzeżenie
Wymagania zawsze sprawdzaj w aktualnej specyfikacji dla konkretnej modalności i planowanego repozytorium. Ten opis nie zastępuje dokumentacji standardu ani oceny etycznej danych ludzkich.