Newest papers

Controlling Variability in~Neuroimaging Analysis Pipelines with~Software Product Lines

Gauthier Le Bartz Lyan, Paul Temple, Boris Clénet, Mathieu Acher · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.29821 · cited by 0 works (OpenAlex) · open-access PDF

Indonesian

Gambar resonansi magnetik (MRI) adalah teknik akuisisi yang digunakan untuk diagnosis medis. Ini terutama digunakan untuk analisis gambar MRI (atau fMRI) struktural dan fungsional. Data MRI diketahui kompleks dan berisik, sehingga pipa dibuat untuk mengekstrak dan meningkatkan informasi yang relevan dalam gambar yang dikumpulkan. Studi NARPS menyoroti variabilitas yang signifikan yang dapat muncul dari pipa yang berbeda yang ditetapkan oleh tim independen saat mencoba menjawab pertanyaan penelitian yang sama tentang fungsi otak. Memiliki implementasi yang berbeda yang mewujudkan tugas yang sama adalah lapangan bermain khas untuk lini produk perangkat lunak (SPLs), yang mungkin di luar penglihatan praktisi neuroimage. Dengan demikian, mengusulkan SPL dari pipa yang berbeda ini jatuh kembali pada reverse engineering khas dengan kesulitan masalahnya yang biasa. Dalam dokumen ini, kami mendorong adopsi konseptual dari prinsip

Machine translation (Meta M2M100); the English original follows.

Abstract

Magnetic resonance imaging (MRI) is an acquisition technique used for medical diagnosis. It is notably used for structural and functional MRI (or fMRI) image analysis. MRI data is known to be complex and noisy, so pipelines are created to extract and enhance relevant information in retrieved images. The NARPS study highlighted the significant variability that can emerge from different pipelines set up by independent teams while trying to answer the same research question about brain functioning. Having different implementations realizing the same task is a typical playground for software product lines (SPLs), which may be out of the sight of neuroimage practitioners. Thus, proposing an SPL out of these different pipelines falls back on a typical reverse-engineering problem with its usual difficulties. In this document, we advocate for the conceptual adoption of SPL principles as a promising direction to improve reproducibility and consistency in neuroimaging research.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Pipeline transport, Consistency (knowledge bases), Computer science, Product (mathematics), Software, Task (project management)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange