Name: Richtlinien und Erfahrung mit Imaging-Biomarker Explorer (Steinbock), für Radiomics (Video) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: Lernen Sie die Nutzung von IBEX für Radiomics-Studien zur Extraktion quantitativer Bildmerkmale wie Form und Textur. Diese Open-Source-Software unterstützt Forscher bei der Analyse medizinischer Bilddaten.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Rachel Ger wird von Rosalie B. Hite Graduate Fellowship und American Legion Auxiliary Stipendium finanziert. Carlos Cardenas wurde durch die George M. Stancel PhD Fellowship in den biomedizinischen Wissenschaften finanziert. Die Entwicklung der IBEX wurde durch das NCI (R03 CA178495) finanziert.

1. installieren Sie Steinbock
Hinweis: Installieren eine Quellcode Version gehen Sie zu Schritt 1.1. Alternativ installieren eine Stand-alone-Version gehen Sie zu Schritt 1.2.
<ol><li>
Quellcode version
	<ol>
<li>Gehen Sie die IBEX-Quellcode Version Website3. Laden Sie die Dateien "IBEX_Source.zip" und "How_to_use.pdf". Suchen Sie in der Datei "How_to_use.pdf", die Voraussetzungen, verwenden Sie die neueste Version von Steinbock zu finden. Hinweis: IBEX funktioniert nur auf 32-Bit und 64-Bit-Versionen von Matlab 2011a und 2014b, beziehungsweise.</li>
		<li>Sobald der Download abgeschlossen ist, entpacken Sie die "IBEX_Source.zip" und fügen Sie den \IBEX_Source-Ordner auf der lokalen Pfad. Hinweis: Anweisungen zum Hinzufügen eines Pfads finden Sie auf unserer Software-Referenzen-Seite für "Pfad hinzufügen"26.</li>
		<li>Geben Sie "IBEXMain" in das Befehlsfenster IBEX beginnen.</li>
	</ol>
</li>
	<li>
Stand-alone-version
	<ol>
<li>Fahren Sie mit dem IBEX Einzelplatzversion Webseite4. Wenn STEINBÖCKE zum ersten Mal installieren, öffnen Sie den Ordner "Abhängigkeiten" und herunterladen/installieren "MCRInstaller.exe," vc2005redist_x86_new.exe, "und"vc2012redist_x86.exe"-Dateien. Von der Hauptseite download der "IBEX.exe," "IBEX.ctf", "IBEX.ini" und "How_to_use.pdf" Dateien in denselben Ordner. Suchen Sie in der Datei "How_to_use.pdf" für die Voraussetzungen, die neueste Version von Steinbock zu verwenden.</li>
		<li>Doppelklicken Sie "IBEX.exe" um STEINBÖCKE zu starten.</li>
	</ol>
</li>
</ol>2. Legen Sie den Speicherort
Hinweis: Die Bilder werden in dieser bestimmten Stelle importiert und die Daten für diese Studie werden auch hier gespeichert. IBEX verwendet die zuvor angewendeten Lage als Standardspeicherort wenn wieder ins Leben gerufen.
<ol><li>Klicken Sie auf das Symbol "Speicherort" (Abbildung 1).</li>
	<li>Wählen Sie Benutzer oder doppelklicken Sie auf "Neuer Benutzer" um einen neuen Benutzerordner erstellen. Wenn Sie einen neuen Benutzerordner erstellen, geben Sie den Namen in dem neuen Fenster klicken Sie auf die Schaltfläche "OK".</li>
	<li>Wählen Sie den Standort innerhalb der ausgewählten Benutzer oder doppelklicken Sie auf "Neue Website" um eine neue Site-Ordner zu erstellen. Wenn Sie einen neuen Benutzerordner erstellen, geben Sie den Namen in dem neuen Fenster klicken Sie auf die Schaltfläche "OK".</li>
	<li>Klicken Sie unten auf "OK".</li>
</ol>3. importieren Sie Bilder
<ol><li>Klicken Sie auf das Symbol "Importieren" (Abbildung 1).</li>
	<li>Wählen Sie DICOM oder Pinnacle9 (Pinnacle Dateiversion 9) Format durch Klick auf den Namen des Formats. Importieren Sie DICOM zum Bilder Schritt 3.3.1. Pinnacle9 importieren gehen Dateien zu Schritt 3.3.2.</li>
	<li>Klicken Sie auf die Schaltfläche "Weiter".<ol>
<li>Import von DICOM-Bildern Hinweis: Zum Importieren zum Patienten individuell Schritt 3.3.1.1. Importieren Sie zum mehrere Patienten gleichzeitig Schritt 3.3.1.2.<ol>
<li>Importieren Sie jeden Patienten individuell durch den Patienten Ordner über das Verzeichnis auswählen.<ol>
<li>Klicken Sie auf die Schaltfläche "..." neben dem genannten Verzeichnis den Patienten Ordner auswählen, der die DICOM-Bilder enthält, und Strahlung Struktur legen Sie DICOM-Datei (optional). Hinweis: Zwar nur optional zu eine Struktur mit den Patienten-Dateien zu importieren, ist es dringend empfohlen, dies zu tun. IBEX hat eine Konturierung Plattform darin, aber das ist etwas unpraktisch für große Datasets. IBEX bietet Platz für Struktur-Sets von kommerziellen Software-Plattformen, die Konturierung Werkzeuge für Onkologen, kennen, die den Workflow erleichtert. Dies ist in der Regel, wie STEINBÖCKE in Studien verwendet wird.</li>
				<li>Klicken Sie auf die Schaltfläche "Importieren" auf der unteren linken sobald IBEX beendet hat, suchen die DICOM-Dateien, die Patienten und Details-Boxen werden aufgefüllt.</li>
				<li>Wiederholen Sie die Schritte 3.3.1.1.1 - 2 für jeden Patienten.</li>
				<li>Klicken Sie auf die Schaltfläche "Beenden", nachdem alle Patienten importiert wurden.</li>
			</ol>
</li>
			<li>Importieren Sie alle Patienten auf einmal durch Anklicken des Kästchens "Batch Ordner" in der oberen rechten Ecke. Hinweis: Alle Patienten müssen einen separaten Ordner, die ihre jeweiligen DICOM-Dateien enthalten.<ol>
<li>Klicken Sie auf die Schaltfläche "..." neben dem angegebenen Verzeichnis, den Ordner auswählen, der alle Patienten Ordner mit ihren entsprechenden DICOM-Bilder enthält und Strahlung Struktur legen Sie DICOM-Datei (optional).</li>
				<li>Klicken Sie auf die Schaltfläche "Importieren". Patienten werden nacheinander importiert. Klicken Sie auf die Schaltfläche "Beenden", nachdem alle Patienten importiert wurden.</li>
			</ol>
</li>
		</ol>
</li>
		<li>Pinnacle-Dateien<ol>
<li>Konfigurieren Sie den Pinnacle-Host und die Datenbank innerhalb der Datei "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Klicken Sie auf "Config" vor dem Höhepunkt im Feld Import Modul auswählen.</li>
			<li>Wählen Sie die richtige Pinnacle Host und Datenbank.</li>
			<li>Der Patient MRN, Nachname oder Vorname eingeben und klicken Sie dann an anderer Stelle in das Fenster.</li>
			<li>Klicken Sie auf die Schaltfläche "Abfrage".</li>
			<li>Wählen Sie den Patienten in dem neuen Fenster dann klicken Sie auf "Transfer".</li>
			<li>Der gewünschte Bild-Sets aus, dass Patienten in dem neuen Fenster das Kontrollkästchen Sie und klicken Sie auf "OK".</li>
			<li>Klicken Sie auf "OK", in dem neuen Fenster mit der Bezeichnung "Daten erfolgreich importiert."</li>
			<li>Klicken Sie auf die Schaltfläche "Beenden", nachdem alle Patienten importiert wurden.</li>
		</ol>
</li>
	</ol>
</li>
</ol>(4) Anzeigen von Bildern und Regions of Interest (ROI)
<ol><li>Klicken Sie auf das Symbol "Daten" (Abbildung 1). Klicken Sie auf die gewünschte Patientenakte, im Abschnitt "Wählen Sie einen Patienten" der GUI (obere Hälfte) zu öffnen.</li>
	<li>Klicken Sie auf das Bild Set der gewünschten Patientenakte, im Abschnitt "Wählen Sie Bild Komplettinstallation" der GUI zu öffnen (untere Hälfte). Klicken Sie auf die Schaltfläche "Öffnen".</li>
	<li>Verwenden Sie die Pfeile unter die Bilder zu blättern Sie durch die Bilder, die in die axiale, koronale dargestellt werden, und sagittale Ansichten (von links nach rechts).</li>
	<li>Vergrößern Sie das Bild durch Anklicken der Schaltfläche "Zoom" (Abbildung 2). Zeichnen Sie ein Feld auf der Bildebene zu vergrößern. Rechtsklick zum verkleinern.</li>
	<li>Schalten Sie Lokalisierer "Intersection" Schaltfläche (Abbildung 2). Hinweis: Die Linien zeigen, wo die Scheibe in jeder Ebene befindet. Diese Zeilen verschieben beim Scrollen mit den Pfeilen.</li>
	<li>Klicken Sie auf die "Herrscher" (Abbildung 2), um Entfernungen zu messen. Klicke und halte die linke Maustaste gedrückt, um zwischen zwei Punkten des Interesses zu messen. Lassen Sie die Maustaste los, um den gemessenen Wert aus den angezeigten Bereich zu entfernen.</li>
	<li>Klicken Sie auf die "CT Num" (Abbildung 2), um den Wert von einem Voxel zu messen. Klicken und halten der linken Maustaste auf die Voxel von Interesse und Wert erscheint auf der linken Seite der GUI unter der Farbskala. Lassen Sie die Maustaste los, um den gemessenen Wert aus den angezeigten Bereich zu entfernen.</li>
	<li>Klicken Sie auf den "W/L" (Abbildung 2) auf Fensterebene/Bilder. Ein weiteres Fenster öffnet sich. Ziehen Sie den linken und rechten Seite auf den gewünschten Bereich oder geben Sie manuell die Fensterebene in den Feldern an der Unterseite des Fensters neue Fenster und Ebene. Wählen Sie verschiedene Fenster/Ebenen, die mit der ersten Dropdown-Menü auf der linken Seite ( Abbildung 2): Es gibt 8 für CT und 1 für PET.</li>
	<li>Wählen Sie verschiedene Farbskalen mit dem zweiten drop-down-Menü auf der linken Seite (Abbildung 2): Es gibt 9 Optionen zur Auswahl.</li>
	<li>ROIs durch Klicken auf das Kästchen neben der ROI auf den Bildern sichtbar zu machen, oder klicken auf "Auf alle ROIs" schalten Sie alle Patienten ROIs zu visualisieren.</li>
</ol>5. bearbeiten Sie ROI
<ol><li>ROIs durch Anklicken des Buttons "Bearbeiten ROIs" links oben oder unten in der Mitte bearbeiten. Wählen Sie die Kontur, indem Sie auf das Kontrollkästchen neben den Namen zu bearbeiten.</li>
	<li>Die Schaltfläche "Konturen Nudge" (Abbildung 3), Konturen oder verkleinern drücken wie bereits gezeichnet. Passen Sie die Größe des Kreises in das Feld mit der Bezeichnung "D" neben der Schaltfläche "Nudge Konturen" verwendet.</li>
	<li>Entfernen Sie eine ganze Kontur Scheibe mithilfe der Schaltfläche "Konturen schneiden" (Abbildung 3). Klicken Sie und halten Sie die linke Maustaste gedrückt und ziehen Sie einen Rahmen um den ROI entfernt werden.</li>
	<li>Konturen zu zeichnen Hinweis: Gehen Sie zu Schritt 5.4.1 Konturen zu zeichnen, indem Sie Punkte verbinden. Gehen Sie zu Schritt 5.4.2 Konturen mit der freien Hand zu zeichnen.<ol>
<li>Verbindungspunkte: Die Schaltfläche "Zeichnen Konturen (1)" (Abbildung 3) Zeichne eine Kontur auf jede Scheibe durch Anklicken von Punkten um die Kontur wo die Punkte durch gerade Linien verbunden. Füllen Sie den ROI für diesen Slice durch Klicken auf den ersten Punkt gezeichnet.</li>
		<li>Freie Hand: Die Schaltfläche "Zeichnen Konturen (2)" (Abbildung 3) eine Kontur mit der freien Hand zu zeichnen. Halten Sie die linke Maustaste, die Kontur auf die Scheibe zu ziehen. Abschließend die Kontur auf dieser Scheibe kommt zurück an den Anfang des gezeichneten ROI und dann die linke Maustaste loslassen.</li>
	</ol>
</li>
	<li>Klicken Sie auf die "Interpolieren Konturen" (Abbildung 3) ROIs zwischen Scheiben zu interpolieren.</li>
	<li>Klicken Sie auf die "Kopie ROI"-Taste, um den ROI zu kopieren.</li>
	<li>Mischen Sie ROIs, indem mehrere ROIs auswählen und dann auf den Button "Merge ROI".</li>
	<li>Klicken Sie auf "Löschen ROI", um den aktuell ausgewählten ROI zu löschen.</li>
	<li>Klicken Sie auf "Erstellen ROI" Erstelle einen neuen ROI führen ein Fenster öffnet sich. Geben Sie den Namen des ROI und klicken Sie auf die Schaltfläche "OK". Klicken Sie auf die Schaltfläche "Speichern". Klicken Sie auf "Exit", dem geduldigen Betrachter zurück.</li>
</ol>(6) Konturen im Datensatz
<ol><li>Ansicht-Konturen im Datensatz<ol>
<li>Klicken Sie auf "Show Data Set", um Konturen im Datensatz anzuzeigen. Klicken Sie auf den Namen des Datensatzes anzeigen. Klicken Sie auf die Schaltfläche "Öffnen". Wählen Sie Patient Konturen mit dem Feld neben dem Namen. Klicken Sie abhängig von der gewünschten Funktion für die Kontur auf "Löschen", "Move" oder "Kopieren". Schließen Sie das Dataset einmal fertige Betrachtung des Datensatzes.</li>
	</ol>
</li>
	<li>Hinzufügen von Konturen auf den Datensatz<ol>
<li>Wählen Sie Konturen eines Datensatzes hinzu, indem Sie auf das Kontrollkästchen neben dem Namen aus, dann klicken Sie auf "hinzufügen zu Data Set". Klicken Sie auf den Namen des Datensatzes die Konturen hinzufügen oder klicken Sie auf die Schaltfläche "Neu" für einen neuen Datensatz. Wenn New ausgewählt ist, geben Sie den Namen des Datensatzes im neuen Fenster. Klicken Sie auf die Schaltfläche "OK".</li>
	</ol>
</li>
	<li>Klicken Sie auf "Importieren ROIs", um eine Pinnacle Version 9 .roi Datei zu importieren, wenn Konturen während Abschnitt 3 nicht geladen wurden.<ol>
<li>Klicken Sie auf die Schaltfläche "...", um die Datei auszuwählen. Klicken Sie auf die Schaltfläche "Importieren".</li>
	</ol>
</li>
	<li>Klicken Sie auf "Exportieren ROIs", um ROIs zu exportieren.<ol>
<li>Klicken Sie auf die Schaltfläche "...", um das Verzeichnis auswählen, in dem exportierten ROIs platziert werden. Klicken Sie auf den Namen der das Format, das für die exportierten ROIs bevorzugt. Geben Sie Anonymisierung Informationen ein, wenn das bevorzugte ist. Klicken Sie auf die Schaltfläche Exportieren. Hinweis: Die Voreinstellung ist keine Anonymisierung durchgeführt werden.</li>
	</ol>
</li>
	<li>Klicken Sie auf "Exit", um die Liste der Patienten und Scans zurückzukehren.</li>
</ol>7. erstellen Sie Feature-Set
<ol><li>Klicken Sie auf das Symbol "Feature".</li>
	<li>Fügen Sie Vorverarbeitung hinzu, falls gewünscht.<ol>
<li>Klicken Sie auf die Schaltfläche "Hinzufügen" unter "Schritt 1: Vorverarbeitung". Wählen Sie die Vorverarbeitung Option aus dem Dropdown-Menü in einem neuen Fenster.</li>
		<li>Klicken Sie auf das "i" unter "Para." die Vorverarbeitung Parameter auswählen. Klicken Sie auf die Zahl unter der Spalte "Wert" in dem neuen Fenster des Parameters zu ändern. Geben Sie den neuen Parameterwert, und klicken Sie auf "OK".</li>
		<li>Klicken Sie auf das "Fragezeichen" in der oberen rechten Ecke für eine Beschreibung der Vorverarbeitung Methode und die Vorverarbeitung von bestimmten Parametern.</li>
		<li>Klicken Sie auf die Schaltfläche "Hinzufügen". Wählen Sie die Vorverarbeitung Schritt und klicken Sie auf "Löschen", um unerwünschte Vorverarbeitung Schritte löschen.</li>
	</ol>
</li>
	<li>Fügen Sie die gewünschten Funktionen.<ol>
<li>Wählen Sie die Funktion Kategorie aus dem Dropdown-Menü unter "Schritt 2: Funktionen Kategorie:". Wiederholen Sie die Schritte für mehrere Kategorien. Hinweis: Nur eine Kategorie von Funktionen kann gleichzeitig hinzugefügt werden. Verschiedene Kombinationen von Kategorien Vorverarbeitung und Funktion können die gleichen Funktionen bei Bedarf hinzugefügt werden.<ol>
<li>Wählen Sie die "GrayLevelCooccurenceMatrix25" und "NeighborIntensityDifference25" Feature-Kategorien der grauen Level Co-Occurrence Matrix und Nachbarschaft Intensität Unterschied Matrix, beziehungsweise in 2.5D, berechnen die erfolgt durch Berechnung der matrix auf jede Scheibe einzeln und dann summiert alle Matrizen zusammen.</li>
			<li>Wählen Sie "GrayLevelCooccurenceMatrix3" und "NeighborIntensityDifference3" Feature-Kategorien, die graue Ebene Co-Occurrence Matrix und Nachbarschaft Intensität Unterschied Matrix, bzw., in 3D zu berechnen.</li>
		</ol>
</li>
		<li>Klicken Sie auf das "i" unter "Para." für den Parameter für die Vorverarbeitung ausgewählt. Klicken Sie auf das "Fragezeichen" in der oberen rechten Ecke eine Beschreibung der Vorverarbeitung Methode und die Parameter.<ol>
<li>Geben Sie den neuen Parameterwert, und klicken Sie auf "OK".</li>
		</ol>
</li>
		<li>Klicken Sie auf "Test", um eine Funktion Kategorie oder Besonderheit zu sehen. Klicken Sie neben das Feature oder die gewünschte Kategorie.<ol>
<li>Wählen Sie den Datensatz, den Test auf Anzeigen und klicken Sie auf die Schaltfläche "Öffnen". Aktivieren Sie das Kontrollkästchen neben den Patienten aus dem ausgewählten Datensatz, den Test auf Anzeigen und klicken Sie auf "Test".</li>
		</ol>
</li>
		<li>Deaktivieren Sie unerwünschte Features für die ausgewählte Kategorie; alle Funktionen werden nach Auswahl der Kategorie ausgewählt. Klicken Sie auf das Wort "Features:" unter "Schritt 2: Funktionen" um alle Funktionen zu deaktivieren.</li>
		<li>Klicken Sie auf "Hinzufügen zu Feature Set" um alle ausgewählten Objekte mit ausgewählten Vorverarbeitung hinzuzufügen.<ol>
<li>Wählen Sie das Feature-set an Features hinzufügen, um und klicken Sie auf die Schaltfläche "Öffnen" oder "Neu" klicken, um ein neues Feature-Set Funktionen hinzufügen. Wenn ein neues Feature erstellen festlegen, geben Sie den Namen der das Feature-Set im neuen Fenster und klicken Sie auf "OK".</li>
		</ol>
</li>
	</ol>
</li>
	<li>Klicken Sie auf "Show Feature Set" um Funktionen mit entsprechenden Vorverarbeitung Techniken, um Funktionen in einem Feature-Set anzeigen anzuzeigen.<ol>
<li>Wählen Sie das Feature-set anzeigen und klicken Sie auf die Schaltfläche "Öffnen" oder klicken Sie auf die Schaltfläche "Neu" um ein neues Feature-Set zu erstellen. Wenn ein neues Feature erstellen festlegen, geben Sie den Namen der das Feature-Set im neuen Fenster und klicken Sie auf "OK".</li>
	</ol>
</li>
	<li>Klicken Sie auf die "Show Data Set"-Taste, um die aktuelle Datensätze anzeigen.<ol>
<li>Wählen Sie den Datensatz anzeigen und klicken Sie auf die Schaltfläche "Öffnen" oder klicken Sie auf die Schaltfläche "Neu" um einen neuen Datensatz zu erstellen. Wenn Sie einen neuen Datensatz erstellen, geben Sie den Namen des Datensatzes in das neue Fenster und klicken Sie auf "OK".</li>
	</ol>
</li>
	<li>Klicken Sie auf die Schaltfläche "Beenden".</li>
</ol>8. Ausgabe-Features
<ol><li>Klicken Sie auf "Ergebnis". Klicken Sie auf das Dataset, führen Sie die Funktionen unter "Schritt 1: Daten-Set." Klicken Sie auf das Feature-set auf die ausgewählten Daten unter "Schritt 2: Feature-Set."</li>
	<li>Klicken Sie auf "Daten anzeigen" um den ausgewählten Datensatz anzuzeigen. Klicken Sie auf "View-Funktion", um das ausgewählte Feature-Set zu sehen.</li>
	<li>Klicken Sie auf die Schaltfläche "Berechnen & Ergebnis speichern". Geben Sie den Dateinamen für die Ergebnisse, und klicken Sie auf die Schaltfläche "Speichern".</li>
</ol>9. statistische Modellbildung
<ol><li>Öffnen Sie die Datei mit den gespeicherten. Hinweis: Dies ist in der Regel unter C:\IBEX\DataIbex\[Selected Benutzer in Schritt 2.2] \ [ausgewählte Seite in Schritt 2.3] \1FeatureResultSet_Result, wenn ansonsten im Schritt 8.4 zugewiesen.</li>
	<li>Anhand der Daten aus den verschiedenen Registerkarten in die gewünschte statistische Tests oder Gebäude in Software zu modellieren. Hinweis: Das Protokoll kann jederzeit angehalten werden. Allerdings ist es am bequemsten nach Abschluss aller Schritte für ein bestimmtes Symbol, z. B.Abschluss aller Abschnitt 7, unter dem Symbol Funktion benötigt.</li>
</ol>

<ol><li>Lambin, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Radiomics%3A+extracting+more+information+from+medical+images+using+advanced+feature+analysis%5BTitle%5D)+AND+%22EJC%22%5BJournal%5D)">Radiomics: extracting more information from medical images using advanced feature analysis.</a> EJC. 48, 441-446 (2012).</li>
<li>Zhang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((IBEX%3A+an+open+infrastructure+software+platform+to+facilitate+collaborative+work+in+radiomics%5BTitle%5D)+AND+%22Med+Phys%22%5BJournal%5D)">IBEX: an open infrastructure software platform to facilitate collaborative work in radiomics.</a> Med Phys. 42, 1341-1353 (2015).</li>
<li>IBEX Source Code. , Available from: 
 <a target="_blank" href="http://bit.ly/IBEXSrc_MDAnderson">http://bit.ly/IBEXSrc_MDAnderson</a> (2017).</li>
<li>IBEX Stand Alone. , Available from: 
 <a target="_blank" href="http://bit.ly/IBEX_MDAnderson">http://bit.ly/IBEX_MDAnderson</a> (2017).</li>
<li>Haralick, R. M., Shanmugam, K. <a target="_blank" href="http://ieeexplore.ieee.org/document/4309314/">Textural features for image classification.</a> IEEE Trans Syst Man Cybern. , 610-621 (1973).</li>
<li>Galloway, M. M. <a target="_blank" href="http://www.sciencedirect.com/science/article/pii/S0146664X75800086">Texture analysis using gray level run lengths.</a> Comp Graphics and Im Proc. 4, 172-179 (1975).</li>
<li>Tang, X. <a target="_blank" href="http://ieeexplore.ieee.org/document/725367/">Texture information in run-length matrices.</a> IEEE Trans on Im Proc. 7, 1602-1609 (1998).</li>
<li>Amadasun, M., King, R. <a target="_blank" href="http://ieeexplore.ieee.org/document/44046/">Textural features corresponding to textural properties.</a> IEEE Trans Syst Man Cybern. 19, 1264-1274 (1989).</li>
<li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preliminary+investigation+into+sources+of+uncertainty+in+quantitative+imaging+features%5BTitle%5D)+AND+%22Comp+Med+Imaging+Graph%22%5BJournal%5D)">Preliminary investigation into sources of uncertainty in quantitative imaging features.</a> Comp Med Imaging Graph. 44, 54-61 (2015).</li>
<li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Can+radiomics+features+be+reproducibly+measured+from+CBCT+images+for+patients+with+non-small+cell+lung+cancer%5BTitle%5D)+AND+%22Med+Phys%22%5BJournal%5D)">Can radiomics features be reproducibly measured from CBCT images for patients with non-small cell lung cancer.</a> Med Phys. 42, 6784-6797 (2015).</li>
<li>Fave, X., et al. <a target="_blank" href="http://tcr.amegroups.com/article/view/8709">Impact of image preprocessing on the volume dependence and prognostic potential of radiomics features in non-small cell lung cancer.</a> Trans Cancer Res. 5, 349-363 (2016).</li>
<li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Delta-radiomics+features+for+the+prediction+of+patient+outcomes+in+non-small+cell+lung+cancer%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer.</a> Scientific Reports. 7, 588(2017).</li>
<li>Fried, D. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stage+III+Non-Small+Cell+Lung+Cancer%3A+Prognostic+Value+of+FDG+PET+Quantitative+Imaging+Features+Combined+with+Clinical+Prognostic+Factors%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Stage III Non-Small Cell Lung Cancer: Prognostic Value of FDG PET Quantitative Imaging Features Combined with Clinical Prognostic Factors.</a> Radiology. 278, 214-222 (2016).</li>
<li>Fried, D. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Potential+Use+of+%2818%29F-fluorodeoxyglucose+Positron+Emission+Tomography-Based+Quantitative+Imaging+Features+for+Guiding+Dose+Escalation+in+Stage+III+Non-Small+Cell+Lung+Cancer%5BTitle%5D)+AND+%22IJROBP%22%5BJournal%5D)">Potential Use of (18)F-fluorodeoxyglucose Positron Emission Tomography-Based Quantitative Imaging Features for Guiding Dose Escalation in Stage III Non-Small Cell Lung Cancer.</a> IJROBP. 94, 368-376 (2016).</li>
<li>Mackin, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+Computed+Tomography+Scanner+Variability+of+Radiomics+Features%5BTitle%5D)+AND+%22Invest+radiol%22%5BJournal%5D)">Measuring Computed Tomography Scanner Variability of Radiomics Features.</a> Invest radiol. 50, 757-765 (2015).</li>
<li>Yang, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Uncertainty+analysis+of+quantitative+imaging+features+extracted+from+contrast-enhanced+CT+in+lung+tumors%5BTitle%5D)+AND+%22Comp+Med+Imaging+Graph%22%5BJournal%5D)">Uncertainty analysis of quantitative imaging features extracted from contrast-enhanced CT in lung tumors.</a> Comp Med Imaging Graph. 48, 1-8 (2016).</li>
<li>van Rossum, P. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+incremental+value+of+subjective+and+quantitative+assessment+of+18F-FDG+PET+for+the+prediction+of+pathologic+complete+response+to+preoperative+chemoradiotherapy+in+esophageal+cancer%5BTitle%5D)+AND+%22JNM%22%5BJournal%5D)">The incremental value of subjective and quantitative assessment of 18F-FDG PET for the prediction of pathologic complete response to preoperative chemoradiotherapy in esophageal cancer.</a> JNM. 57, 691-700 (2016).</li>
<li>Hunter, L. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NSCLC+tumor+shrinkage+prediction+using+quantitative+image+features%5BTitle%5D)+AND+%22Comp+Med+Imaging+Graph%22%5BJournal%5D)">NSCLC tumor shrinkage prediction using quantitative image features.</a> Comp Med Imaging Graph. 49, 29-36 (2016).</li>
<li>Hunter, L. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+quality+machine-robust+image+features%3A+identification+in+nonsmall+cell+lung+cancer+computed+tomography+images%5BTitle%5D)+AND+%22Med+Phys%22%5BJournal%5D)">High quality machine-robust image features: identification in nonsmall cell lung cancer computed tomography images.</a> Med Phys. 40, 121916(2013).</li>
<li>Fried, D. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+value+and+reproducibility+of+pretreatment+CT+texture+features+in+stage+III+non-small+cell+lung+cancer%5BTitle%5D)+AND+%22IJROBP%22%5BJournal%5D)">Prognostic value and reproducibility of pretreatment CT texture features in stage III non-small cell lung cancer.</a> IJROBP. 90, 834-842 (2014).</li>
<li>Gan, J., et al. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1118/1.4957258/abstract">MO-DE-207B-09: A Consistent Test for Radiomics Softwares.</a> Med Phys. 43, 3706-3706 (2016).</li>
<li>Klawikowski, S., Christian, J., Schott, D., Zhang, M., Li, X. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1118/1.4955675/abstract">SU-D-207B-07: Development of a CT-Radiomics Based Early Response Prediction Model During Delivery of Chemoradiation Therapy for Pancreatic Cancer.</a> Med Phys. 43, 3350-3350 (2016).</li>
<li>Huang, W., Tu, S. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1118/1.4955794/abstract">SU-F-R-22: Malignancy Classification for Small Pulmonary Nodules with Radiomics and Logistic Regression.</a> Med Phys. 43, 3377-3378 (2016).</li>
<li>Hanania, A. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+imaging+to+evaluate+malignant+potential+of+IPMNs%5BTitle%5D)+AND+%22Oncotarget%22%5BJournal%5D)">Quantitative imaging to evaluate malignant potential of IPMNs.</a> Oncotarget. 7, 85776-85784 (2016).</li>
<li>Court, L. E., et al. <a target="_blank" href="http://tcr.amegroups.com/article/view/8409">Computational resources for radiomics.</a> Trans Cancer Res. 5, 340-348 (2016).</li>
<li>Matlab Add path. , Available from: 
 <a target="_blank" href="https://www.mathworks.com/help/matlab/ref/addpath.html">https://www.mathworks.com/help/matlab/ref/addpath.html</a> (2017).</li>
<li>Zhao, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reproducibility+of+radiomics+for+deciphering+tumor+phenotype+with+imaging%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Reproducibility of radiomics for deciphering tumor phenotype with imaging.</a> Sci Rep. 6, 23428(2016).</li>
<li>Owens, C., et al. Reproducibility and Robustness of Radiomic Features Extracted with Semi-Automatic Segmentation Tools. Med Phys. , (2017).</li>
<li>Kassner, A., Liu, F., Thornhill, R. E., Tomlinson, G., Mikulis, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+hemorrhagic+transformation+in+acute+ischemic+stroke+using+texture+analysis+of+postcontrast+T1-weighted+MR+images%5BTitle%5D)+AND+%22JMRI%22%5BJournal%5D)">Prediction of hemorrhagic transformation in acute ischemic stroke using texture analysis of postcontrast T1-weighted MR images.</a> JMRI. 30, 933-941 (2009).</li>
<li>IBEX Google Forum. , Available from: 
 <a target="_blank" href="https://groups.google.com/forum/#!forum/ibex_users">https://groups.google.com/forum/#!forum/ibex_users</a> (2017).</li>
</ol>

Die Autoren haben keine finanziellen Interessenkonflikte offenlegen.

Steinbock ist ein leistungsfähiges Werkzeug für die medizinische Bildgebung Radiomics Forschung. Es wurde bisher vor allem für Strahlung Onkologie Zwecke in Studien, die von der MD Anderson Radiomics Gruppe eingesetzt. IBEX ermöglicht die Manipulation des ROIs und Berechnung von Funktionen innerhalb von 5 Hauptmerkmal Kategorien. Die Source-Code-Version des STEINBOCKS ermöglicht dem Benutzer, Design-Anwendungen, die nicht bereits Teil des STEINBOCKS, z. B. Ebene Grauzone Matrix Features.
Die w...

In der Medizin, Patienten Diagnose in der Regel beinhaltet zahlreiche diagnostische Untersuchungen wie Röntgen, Ultraschall, Computertomographie (CT), Magnetresonanztomographie (MRT) und Positronen-Emissions-Tomographie (PET)-scans helfen bei der Bestimmung der Kurs der Patientenversorgung. Während Ärzte diese Bilder verwenden, um die Diagnose des Patienten qualitativ zu bewerten, möglicherweise zusätzliche quantitative Funktionen, die extrahiert werden können, um die Versorgung der Patienten zu führen. Das Grundprinzip ist, dass diese Funktionen Proteomic und genomische Muster auf der makroskopischen Skala1ausgedrückt darstellen können. Diese quantitative Informationen mit den aktuellen klinischen Informationen, z. B., Patientendaten, kombinieren können mehr individuelle Patientenversorgung. Das ist die Theorie hinter Radiomics: Analyse von Bildern auf einem Voxel-Niveau verfügen. Funktionen werden in der Regel in 5 Hauptkategorien unterteilt: graue Level Co-Occurrence Matrix, graue Ebene Lauflänge Matrix, Nachbarschaft Intensität Unterschied Matrix, Histogramm und Form.
Imaging Biomarker Explorer (IBEX) ist ein Open-Source-Werkzeug für Radiomics Arbeit2. Die grafische Benutzeroberfläche (GUI) wurde mit dem Ziel der Erleichterung der Extraktion und Berechnung der quantitativen Merkmale zur Unterstützung bei der Entscheidungsfindung in der Krebsbehandlung am MD Anderson Cancer Center entwickelt. Eine Quelle Code3 und eine Stand-alone-4 -Version stehen online zur Verfügung. IBEX berechnet die 5 häufigsten Kategorien von Funktionen in medizinischen Radiomics mit Parametern, die für jede Funktion Kategorie eingestellt werden können. Die Kategorien sind: graue Level Co-Occurrence Matrix5, graue Ebene Lauflänge Matrix6,7, Intensität, Nachbarschaft Intensität Unterschied Matrix8und Form. Da STEINBÖCKE open Source ist, ermöglicht es für harmonisierte Feature Extraktion Ergebnisse über Institutionen leicht unterschiedliche Radiomics Studien vergleichen. Alle Funktionen im Steinbock sind in das erste Papier von Zhang Et Al. beschrieben. 2
Dieses Manuskript soll Hilfestellung wie STEINBÖCKE zu nutzen und ihre Anwendungen durch Peer-reviewed Studien aus der MD Anderson Radiomics Gruppe zu demonstrieren. Seit ihrer Veröffentlichung für die Öffentlichkeit im Jahr 2015 wurde IBEX verwendet, um Eigenschaften von CT, PET und MRT-Scan-Bilder berechnen gruppenweise Radiomics MD Anderson Untersuchung in der Regel Funktionen zur Verbesserung der klinischen überleben Modelle9,10, 11,12,13,14,15,16,17,18,19,20 und durch externe Institutionen21,22,23,24. Zusätzliche Hinweise auf Software-Tools, die für die Schritte in der Radiomics Forschung verwendet werden können, die nicht im Steinbock enthalten sind finden Sie im Hof Et al. 25
Eine allgemeine Einführung in den Workflow des STEINBOCKS hilft, um Daten richtig zu organisieren, vor Beginn der Radiomics Projekte mit Steinbock. Wenn Import von DICOM-Bildern, erfordert IBEX, dass jeder Patient seinen eigenen Ordner mit ihrer DICOM-Bilder. DICOM Strahlung Struktur ist optional der Patienten Ordner enthalten, sondern empfiehlt sich anstelle der Konturierung Plattform im Steinbock. Um mit dem Import aller Patienten für eine spezielle Studie zu unterstützen, können alle Patienten Ordner zusammen in einem Ordner platziert werden, so dass IBEX mit nur einem Schritt alle Daten importiert werden können. Wenn Patienten von Pinnacle importieren, empfiehlt es sich, die Struktur, die mit dem Patienten Plan festgelegt haben. Da Patienten mehrere Bildsätze und Pläne innerhalb von Pinnacle haben können, ist es am besten um zu wissen, welches Bild gesetzt und Plan vor dem Import korrekt sind. Wenn Rechenzeit ein Anliegen ist, kann die Reduzierung der Bildsegmente für einen Patienten drastisch verkürzen. Beispielsweise können wenn nur die Leber von Interesse in einer Studie ist, aber die Patienten haben Ganzkörper CT Scans, die DICOM-Scheiben auf nur das Ausmaß der Interessenbereich zu reduzieren Rechenzeit zu verkürzen (z.B.Verringerung der DICOM von 300 Scheiben auf 50 Scheiben 1/6 t nehmen h die Zeit). Es gibt verschiedene Tools zur Verfügung, um diese Scheibe Reduktion von manuell, halbautomatisch durchführen.

<table><tbody><tr><td>Excel</td><td>Microsoft Office</td><td></td><td>Jede Version von Excel sollte funktionieren.</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td><td>verwendet IBEX nur auf 32-Bit-Matlab 2011a oder 64-Bit-Matlab 2014b.</td></tr></tbody></table>

richtlinien und erfahrung mit imaging-biomarker explorer (steinbock), für radiomics

Guidelines and Experience Using Imaging Biomarker Explorer (IBEX) for Radiomics

Imaging Biomarker Explorer (IBEX) ist ein Open-Source-Werkzeug für medizinische bildgebende Radiomics Arbeit. Der Zweck dieses Artikels ist zu beschreiben, wie STEINBÖCKE die grafische Benutzeroberfläche (GUI) zu verwenden und zu zeigen, wie IBEX berechnet, dass Funktionen in klinischen Studien verwendet wurden. IBEX ermöglicht den Import von DICOM-Bilder mit DICOM Strahlung Therapie Struktur oder Pinnacle Dateien. Sobald die Bilder importiert wurden, hat IBEX Werkzeuge innerhalb der Daten-Auswahl-GUI, das Betrachten der Bilder, Voxel Messwerte und Entfernungen, zu manipulieren und erstellen und Bearbeiten von Konturen. Steinbock kommt mit 27 Vorverarbeitung und 132 Feature, Feature-Sets zu entwerfen. Jede Vorverarbeitung und Funktion Kategorie verfügt über Parameter, die geändert werden können. Die Ausgabe von IBEX ist eine Tabellenkalkulation, die enthält: (1) jedes Feature aus der Feature-set berechnet für jede Kontur in einem Dataset, Bild 2) Informationen über jede Kontur in ein Dataset und 3) eine Übersicht über die Vorverarbeitung und Features, die mit ihren ausgewählten verwendet Parameter. Funktionen von IBEX berechnet haben in Studien verwendet wurde, um die Variabilität der Funktionen unter anderen bildgebenden Bedingungen und überleben Modelle zur Verbesserung der aktuellen klinischen Modelle zu testen.

Die Ausgabe von IBEX ist eine Tabellenkalkulation (siehe Abbildung 4), 3 Registerkarten enthält. Registerkarte "Ergebnisse" enthält die Funktionswerte für jede ROI im Dataset (Abb. 4A). Die Registerkarte "Daten Info." "" enthält Informationen über die Bilder aus jeder ROI im Dataset (Abbildung 4B). Die Registerkarte "Feature Info." "" enthält eine umfassende Liste vo...

Wir beschreiben Steinbock, ein Open Source Tool für medizinische bildgebende Radiomics und wie Sie dieses Tool verwenden. Darüber hinaus sind einige Veröffentlichungen, die IBEX für Unsicherheitsanalyse verwendet und Modell Gebäude präsentiert.

Richtlinien und Erfahrung mit Imaging-Biomarker Explorer (Steinbock), für Radiomics

Imaging Biomarker Explorer (IBEX) is an open-source tool for medical imaging radiomics work. The purpose of this paper is to describe how to use IBEX's ...

Das übergeordnete Ziel dieses Software-Tools ist es, quantitative Bildmerkmale zu extrahieren, die in Form oder Textur fallen, wie z. B. Graustufen-Kookkurrenzmatrixkategorien. Dieses Tool kann verwendet werden, um einige Schlüsselfragen im Bereich der Radiomik zu beantworten. Sie können beispielsweise quantitative Bildmerkmale extrahieren und Korrelationen zwischen ihnen und den Patientenergebnissen in der Strahlentherapie untersuchen.Der Hauptvorteil dieser Technik besteht darin, dass sie Open Source ist, einfach zu bedienen ist und eine lange Geschichte von Menschen hat, die sie zum Extrahieren von Merkmalen für die Verwendung in prognostischen Modellen verwenden. Die Radiomik hat das Potenzial, Informationen über das wahrscheinliche Ansprechen eines Tumors auf bestimmte Behandlungen zu liefern, und kann daher zusätzliche Informationen liefern, die das klinische Personal bei der Bestimmung der Angemessenheit alternativer Behandlungen verwenden kann. Die Radiomik kann Aufschluss über den Tumorphänotyp geben, sie kann aber auch auf Allosistanzen angewendet werden, wie z. B. die Qualifizierung von Veränderungen von mehr Gewebe während der Behandlung.Im Allgemeinen werden Personen,

guidelines-experience-using-imaging-biomarker-explorer-ibex-for

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Hier stellen wir ein Protokoll vor, um den Biomarker und den Überlebensprediger von Brustkrebs zu erforschen, das auf der umfassenden Analyse von gebündelten klinischen Datensätzen basiert, die aus einer Vielzahl von öffentlich zugänglichen Datenbanken abgeleitet werden, und dabei die Strategie des Ausdrucks, der Korrelation und Überlebensanalyse Schritt für Schritt.

Die Durchführung von Datenkinining und die integrative Analyse von Biomarker bei Brustkrebs mit mehreren, öffentlich zugänglichen Datenbanken

Multiplexed Ion Beam Imaging (MIBI) wird häufig verwendet, um Gewebe-Microarrays und gekachelte, zusammenhängende Gewebebereiche abzubilden, aber die derzeitige Software für die Einrichtung dieser Experimente ist umständlich. Die Kachel-/SED-/Array-Schnittstelle ist ein intuitives, interaktives grafisches Tool, das entwickelt wurde, um die Einrichtung von MIBI-Läufen drastisch zu vereinfachen und zu beschleunigen.

Schnelle Einrichtung von Gewebe-Microarrays und Tiled-Area-Imaging auf dem Multiplex-Ionenstrahl-Bildgebungsmikroskop über die Kachel-/SED-/Array-Schnittstelle 

CT und 129Xe MRT liefern komplementäre Informationen über die Lungenstruktur und -funktion, die für die regionale Analyse mithilfe der Bildregistrierung genutzt werden können. Hier stellen wir ein Protokoll zur Verfügung, das auf der vorhandenen Literatur für die Registrierung von 129Xe MR bis CT unter Verwendung von Open-Source-Plattformen aufbaut.

Multimodale Lungenbildgebung: Verwendung komplementärer Informationen aus CT und hyperpolarisierter 129xe-MRT zur Bewertung der Lungenstruktur-Funktion

Die Kombination aus iterativem Bleaching-Extends-Multiplexity (IBEX) und einem kommerziellen Nukleotidmarkierungsassay (Click-iT EdU) ermöglicht den Nachweis und die Kategorisierung von sich teilenden Zelltypen in hochdynamischen Prozessen in fixierten gefrorenen murinen Gewebeschnitten. Darüber hinaus ermöglicht eine neuartige Open-Source-Bildverarbeitungspipeline eine Bilderfassung und -analyse mit hohem Durchsatz.

Hochdurchsatz-Bildgebungs- und Analyse-Workflow zur Bewertung von Hautzell-Phänotypen und Proliferationszuständen in Gewebeproben

Hier beschreiben wir die Anwendung der Iterative Bleaching Extends Multiplicity (IBEX) Methode unter Verwendung kommerziell verfügbarer, automatisierter Gewebefärbegeräte und Optimierungsüberlegungen für die Verwendung von Tyramid-Signalamplifikations-basierten Reagenzien.

Iteratives Bleaching erweitert die Multiplizität durch den Einsatz von Färbeautomatisierung für Core-Anlagen

Dieser Artikel beschreibt ein Protokoll für Multiplex-Immunfluoreszenz, das optimiert wurde, um die dreidimensionale Architektur von Peritonealmetastasen zu charakterisieren.

Dreidimensionale Bildgebung von tumortragendem Gewebe mit dem iterativen Bleaching erweitert den Multiplexitätsansatz

Die Implementierung einer kostengünstigen, vielseitigen Photobestrahlungstechnik mit der manuellen IBEX-Methode ermöglicht eine optimale Bildgebung von menschlichem Gewebe mit signifikanter nativer Autofluoreszenz. Dieses Protokoll beschreibt, wie man Multiplex-Bilder von Ganzobjektträgern aus archivierten klinischen Proben mit einem inversen Mikroskop, weit verbreiteten Reagenzien und Open-Source-Software für die Bildausrichtung und -verarbeitung erhält.

Optimierter Workflow für iteratives Bleaching erweitert die Multiplex-Bildgebung von stark autofluoreszierenden klinischen Proben

Dieses Protokoll stellt einen multimodalen Ansatz dar, der Raman-Spektroskopie und tomographische Phasenmikroskopie für eine markierungsfreie, nicht-invasive Phänotypisierung lebender menschlicher Brustkrebszellen kombiniert. Es umfasst eine benutzerfreundliche, human-bias-freie Analysepipeline für eine schnelle, quantitative morphochemische Analyse, die detaillierte molekulare und strukturelle Einblicke mit Anwendungen in der Krebsforschung und Zellbiologie liefert.

Ein multimodales Bildgebungs-Framework zur Verbesserung der Phänotypisierung von lebenden markierungsfreien Brustkrebszellen

Spectral Iterative Bleaching Extends Multiplexity (IBEX) baut auf der Basis-IBEX-Technik auf, indem es Heparin-Blocking hinzufügt, um unspezifische Bindungen zu minimieren, und die spektrale Detektion mit computergestützter Entmischung nutzt, um die Autofluoreszenz zu unterdrücken. Dieser Ansatz beschleunigt die Bildaufnahme bei gleichzeitiger Reduzierung von Hintergrundquellen und ermöglicht robuste mehrstufige räumliche Proteomanalysen mit hohen Parametern.

High-Plex-Bildgebung mittels spektral-konfokaler Mikroskopie zur Minimierung unspezifischer Gewebefluoreszenz

Organische Photovoltaik (OPV) Materialien sind von Natur aus inhomogenen auf der Nanometerskala. Nanoscale Inhomogenität der OPV-Materialien beeinflusst die Leistung von Photovoltaik-Geräte. In diesem Papier beschreiben wir ein Protokoll für quantitative Messungen der elektrischen und mechanischen Eigenschaften der OPV Materialien mit sub-100 nm Auflösung.

Concurrent Quantitative Leitfähigkeit und mechanische Eigenschaften Measurements of Organic Photovoltaic Materials mittels AFM

Lernen Sie die Nutzung von IBEX für Radiomics-Studien zur Extraktion quantitativer Bildmerkmale wie Form und Textur. Diese Open-Source-Software unterstützt Forscher bei der Analyse medizinischer Bilddaten.

Richtlinien und Erfahrung mit Imaging-Biomarker Explorer (Steinbock), für Radiomics

Weitere Videos entdecken