Nyxus: A Next Generation Image Feature Extraction Library for the Big Data and AI Era

Dit artikel introduceert Nyxus, een schaalbare, next-generation bibliotheek voor het extraheren van beeldkenmerken die is ontworpen om de verwerking van grote datasets in de AI- en biomedische domeinen te versnellen en te standaardiseren via diverse toegankelijke interfaces.

De kern

Nyxus: De Super-Organisator voor de Grote Data-Boodschappenmand

Stel je voor dat wetenschappers en artsen tegenwoordig met hun microscopen en MRI-scanmachines niet meer alleen maar foto's maken, maar hele oceaanvullende bibliotheken aan beelden. Een enkel experiment kan terabytes aan data produceren. Dat is alsof je in één dag alle boeken van de grootste bibliotheek ter wereld moet lezen, analyseren en samenvatten.

Het probleem? De oude hulpmiddelen om deze beelden te analyseren zijn als oude fietsen. Ze zijn traag, kunnen niet tegen het gewicht van zo'n enorme berg data, en soms maken ze fouten omdat ze niet goed met elkaar kunnen praten.

Daar komt Nyxus om de hoek kijken. Nyxus is een nieuw, slim computerprogramma dat is ontworpen om deze enorme data-bergen te verwerken. Hier is hoe het werkt, vertaald in alledaagse taal:

1. De "Uit-de-Kast" Werkbank (Scalability)

Stel je voor dat je een enorme stapel foto's hebt die niet op je bureau (je computergeheugen) past. Oude programma's zouden dan zeggen: "Ik kan dit niet, te zwaar!" en stoppen.

Nyxus is als een slimme magazijnmanager. Het pakt niet de hele stapel tegelijk, maar haalt er stukjes bij, analyseert ze, legt ze weg en pakt de volgende. Dit heet "out-of-core" verwerking. Het maakt het mogelijk om zelfs op een gewone laptop (of een kleine server) te werken met data die eigenlijk te groot is voor de machine. Het is alsof je een hele berg blokken kunt sorteren zonder dat je de hele berg in één keer hoeft op te tillen.

2. De Snelle Formule (Snelheid)

In de wereld van beeldanalyse zijn er twee soorten "snelheid":

• De ongerichte snelheid: Alles in één keer proberen, zonder na te denken.
• De gerichte snelheid: De formule aanpassen zodat je precies krijgt wat je nodig hebt, zonder onnodig werk.

Nyxus is een Formule-F1-auto. In tests bleek het tot wel 131 keer sneller te zijn dan de oude standaardtools (zoals CellProfiler) als je de instellingen slim afstelt. Terwijl andere tools nog aan het wachten zijn op de volgende foto, heeft Nyxus al de hele stapel afgehandeld.

3. De Universele Vertaler (Reproduceerbaarheid)

Een groot probleem in de wetenschap is dat verschillende labs verschillende meetlatjes gebruiken. Lab A zegt: "Deze cel is rond." Lab B zegt: "Nee, deze is ovaal." Ze meten hetzelfde, maar komen tot andere antwoorden omdat hun regels verschillend zijn.

Nyxus werkt als een universele vertaler. Het gebruikt een standaardmaatstaf (genaamd IBSI) die door de hele wereld wordt erkend. Of je nu een arts bent die kanker in longen zoekt, of een bioloog die cellen in een petrischaaltje bestudeert: Nyxus zorgt ervoor dat "rond" voor iedereen hetzelfde betekent. Dit maakt wetenschappelijke resultaten betrouwbaarder en eerlijk vergelijkbaar.

4. De Zwitserse Zakmes (Toegankelijkheid)

Nyxus is niet alleen voor programmeurs die in code schrijven. Het is ontworpen voor iedereen:

• Voor de programmeur: Het is een Python-pakketje dat je makkelijk kunt installeren.
• Voor de commando-gebruiker: Het werkt als een krachtig commando in de terminal.
• Voor de visuele gebruiker: Het is een plugin voor Napari (een populair beeldprogramma), waar je met je muis kunt klikken en de resultaten direct kunt zien.
• Voor de cloud: Het zit in een "container" (een soort digitale verpakking) die je overal in de cloud kunt draaien, van een kleine server tot een supercomputer.

Het is alsof je een Zwitsers zakmes hebt: je kunt het gebruiken als schroevendraaier, mes, of tang, afhankelijk van wat je nodig hebt, zonder dat je een nieuw gereedschap hoeft te kopen.

5. De Slimme Instellingen (Aanpasbaarheid)

Soms wil je heel precies meten (voor een medische diagnose), en soms wil je gewoon snel een idee krijgen (voor een snelle screening). Nyxus heeft een slimme "dimmer".
Je kunt de "knoppen" van het programma draaien. Wil je maximale snelheid? Draai de knop naar "snel". Wil je maximale nauwkeurigheid? Draai hem naar "precies". Je kunt zelfs de instellingen laten "leren" van je data, zodat het programma automatisch de beste instellingen kiest voor jouw specifieke probleem.

Samenvattend

Nyxus is de nieuwe, snelle, betrouwbare en flexibele motor die nodig is om de enorme hoeveelheid beelddata van de toekomst te verwerken. Het maakt het mogelijk voor kleine onderzoeksgroepen om net zo goed te werken als grote instituten, en zorgt ervoor dat wetenschappers over de hele wereld eindelijk met dezelfde meetlat meten.

Kortom: Het is de superheld die de chaos van de beelddata ordent, zodat we de echte ontdekkingen kunnen doen.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper over Nyxus, een nieuwe bibliotheek voor het extraheren van beeldkenmerken, geschreven in het Nederlands.

Titel: Nyxus: Een generatie-vooruitgang in beeldkenmerkextractie voor de Big Data en AI-tijdperk

1. Het Probleem

Moderne beeldvormingsinstrumenten genereren enorme hoeveelheden data (van terabytes tot petabytes) voor één enkel experiment, gedreven door hogere resolutie, multidimensionaliteit (tijd en volume) en multiplexing. Bestaande methoden voor het analyseren van deze grote datasets ondervinden echter ernstige beperkingen:

• Berekeningsinefficiëntie: Veel algoritmen zijn niet ontworpen voor datasets die groter zijn dan het beschikbare werkgeheugen (RAM), wat leidt tot memory crashes of de noodzaak tot het splitsen van data.
• Gebrek aan schaalbaarheid: Bestaande bibliotheken zijn vaak geoptimaliseerd voor één specifiek gebruiksscenario (bijv. alleen radiologie of alleen celprofielering) en presteren slecht bij andere datastructuren (bijv. veel kleine regio's van belang versus één grote regio).
• Inconsistentie en gebrek aan standaardisatie: Verschillende bibliotheken gebruiken aangepaste implementaties van dezelfde kenmerken (bijv. omtrek), wat leidt tot discrepanties in metingen. Er is geen gemeenschappelijke standaard tussen de radiomica- en celprofieleringsgemeenschappen.
• Beperkte toegankelijkheid: Veel tools zijn moeilijk te integreren in moderne cloud-workflows, missen GPU-ondersteuning, of vereisen specifieke programmeervaardigheden die niet voor elke gebruiker beschikbaar zijn.

2. Methodologie en Architectuur

Nyxus is een nieuwe, open-source bibliotheek (geschreven in C++17 met Python-bindings via Pybind11) die van de grond af is ontworpen om deze uitdagingen aan te pakken.

• Out-of-Core Verwerking: Nyxus is ontworpen om kenmerken te extraheren van afbeeldingen die groter zijn dan het beschikbare geheugen. Het gebruikt een interne, spaarse "pixel cloud" structuur voor regio's van belang (ROI's), waardoor het mogelijk is om enorme datasets te verwerken zonder ze volledig in het RAM te laden.
• Hardware Versnelling: De bibliotheek ondersteunt zowel multi-threading op CPU's als versnelling via GPUs (CUDA). Het is ontworpen om "embarrassingly parallel" te werken, waarbij individuele afbeeldingen of volumes parallel worden verwerkt.
• Modulariteit en Toegankelijkheid: Nyxus is beschikbaar in meerdere vormen om verschillende gebruikersgroepen te bedienen:
  • Een Python-pakket (voor ontwikkelaars).
  • Een command-line interface (CLI) en tools voor Common Workflow Language (CWL) en WIPP (voor batch-verwerking).
  • Een Napari-plugin (voor visuele analyse en low-code gebruikers).
  • Een OCI-compliant container (Docker/Podman/Apptainer) voor cloud- en supercomputing-workflows.
• Standaardisatie en Profielen: Nyxus biedt een uitgebreide set kenmerken die zowel radiomica als celprofielering bestrijken. Het biedt specifieke profielen:
  • IBSI-profiel: Volledig compliant met de Image Biomarker Standardization Initiative voor reproduceerbaarheid in klinische beeldvorming.
  • Standaard- en Prestatieprofielen: Deze stellen hyperparameters in om de snelheid te maximaliseren met een minimaal verlies aan nauwkeurigheid, of om de snelheid te maximaliseren ten koste van IBSI-compliance voor pure big data toepassingen.
• Tunability: De bibliotheek maakt het mogelijk om "zachte" kenmerken (soft features) te tunen via hyperparameters (zoals matrixgrootte voor GLCM) om een optimale balans te vinden tussen rekentijd en voorspellende nauwkeurigheid voor specifieke modellen.

3. Belangrijkste Resultaten

De auteurs hebben Nyxus getest op twee standaarddatasets: TissueNet (microscopie, veel kleine ROI's) en Medical Decathlon (klinische MRI/CT, grote afbeeldingen met minder ROI's).

• Snelheid en Schaalbaarheid:
  • Op de TissueNet-dataset was Nyxus 3x tot 35x sneller dan CellProfiler (ongeacht de instellingen) en 58x tot 131x sneller bij geoptimaliseerde ("targeted") instellingen.
  • Op de Medical Decathlon-dataset was Nyxus >5x sneller dan RadiomicsJ en tot 2x sneller dan MITK, zelfs wanneer Nyxus meer kenmerken berekende dan de concurrenten.
  • Bij het gebruik van GPU's (op een Amazon EC2 p5 node) kon de uitvoeringstijd met meer dan 3x worden verkort voor afbeeldingen met grote regio's, hoewel GPU's minder efficiënt waren bij zeer veel kleine regio's door data-overdracht-bottlenecks.
• Nauwkeurigheid en Reproduceerbaarheid:
  • Nyxus toonde een hoge correlatie (Pearson-correlatie) met gevestigde IBSI-compliant bibliotheken zoals PyRadiomics en MATLAB, wat de validiteit van de IBSI-profielen bevestigt.
  • Er was een lagere correlatie met RadiomicsJ en CellProfiler, wat wordt toegeschreven aan verschillen in implementatie en gebrek aan standaardisatie in die tools.
• Feature Set: Nyxus bevat de breedste set van kenmerken van alle geteste bibliotheken (shape, intensity, texture, volumetric, miscellaneous), vaak met meer dan 261 unieke kenmerken.

4. Bijdragen

De belangrijkste bijdragen van Nyxus zijn:

1. Scalability: Het vermogen om petabyte-grote datasets te verwerken via out-of-core verwerking en GPU-versnelling.
2. Unificatie: Het overbruggen van de kloof tussen radiomica en celprofielering door een enkele bibliotheek te bieden die beide domeinen ondersteunt met gemeenschappelijke standaarden.
3. Flexibiliteit: Het bieden van een "soft feature" architectuur waarmee gebruikers hyperparameters kunnen afstemmen voor specifieke machine learning taken, waardoor de rekentijd drastisch kan worden gereduceerd zonder significant verlies aan modelprestaties.
4. Toegankelijkheid: Een zeer permissieve MIT-licentie en integratie in populaire ecosystemen (Python, Napari, Docker, CWL) maken de tool toegankelijk voor zowel onderzoekers als industriële gebruikers.

5. Betekenis en Toekomstperspectief

Nyxus vertegenwoordigt een significante doorbraak in de analyse van biomedische beelddata. Het lost het probleem op van de toenemende data-grootte die bestaande tools niet meer aankunnen, terwijl het tegelijkertijd de reproduceerbaarheid en standaardisatie verbetert.

De tool stelt onderzoekers in staat om:

• State-of-the-art analyse toe te passen op datasets die eerder te groot waren.
• Betrouwbare, reproduceerbare biomarkers te extraheren voor machine learning en deep learning toepassingen.
• Efficiënter te werken door hardware-versnelling en slimme parameter-tuning.

Toekomstig werk richt zich op het uitbreiden van de feature-set (vooral volumetrische en miscellane kenmerken), het toevoegen van ondersteuning voor meer programmeertalen (zoals Julia en Java), en het verder verfijnen van de parameterisatie voor time-series en skelet-kenmerken. Nyxus positioneert zichzelf als de nieuwe standaard voor schaalbare, reproduceerbare beeldkenmerkextractie in de AI- en big data-er.