Name: Directrices y experiencia en el uso de biomarcadores Explorer (IBEX) la proyección de imagen de Radiomics (Video) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: Aprende a utilizar IBEX para extraer características cuantitativas de imágenes médicas en estudios de radiómica. Esta herramienta de código abierto facilita el análisis de forma y textura para modelos pronósticos.

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 está financiado por la beca de postgrado de Rosalie B. Hite y American Legión auxiliar beca. Carlos Cardenas ha sido financiado por la beca de George M. Stancel PhD en las ciencias biomédicas. El desarrollo del IBEX fue financiado por el NCI (R03 CA178495).

1. Instale IBEX
Nota: Para instalar una versión de código fuente vaya al paso 1.1. Como alternativa, instalar una versión independiente diríjase al paso 1.2.
<ol><li>
Versión de código fuente
	<ol>
<li>Ir a la IBEX código fuente versión Página Web3. Descargar los archivos "IBEX_Source.zip" y "How_to_use.pdf". Busque en el archivo "How_to_use.pdf" para encontrar los requisitos previos para usar la última versión IBEX. Nota: IBEX sólo funciona en 32 bits y 64 bits versiones de Matlab 2011a y 2014b, respectivamente.</li>
		<li>Una vez que haya finalizado la descarga, descomprime el "IBEX_Source.zip" y agregar la carpeta \IBEX_Source a la ruta local. Nota: Las instrucciones sobre cómo agregar una ruta de acceso pueden encontrarse en la página de referencias de software para "añadir ruta"26.</li>
		<li>Tipo "IBEXMain" en la ventana de comandos para iniciar el IBEX.</li>
	</ol>
</li>
	<li>
Versión independiente
	<ol>
<li>Ir al IBEX versión independiente sitio Web4. Si IBEX por primera vez, vaya a la carpeta "Dependencias" y descargar/instalar el "MCRInstaller.exe", vc2005redist_x86_new.exe, "y"vc2012redist_x86.exe". Desde la Página principal, descarga el "IBEX.exe," "IBEX.ctf", "IBEX.ini," y "How_to_use.pdf" los archivos en la misma carpeta. Buscar en el archivo "How_to_use.pdf" de los requisitos previos usar la última versión IBEX.</li>
		<li>Haga doble clic en "IBEX.exe" para iniciar el IBEX.</li>
	</ol>
</li>
</ol>2. establecer la ubicación
Nota: Las imágenes se importan a este lugar determinado y los datos para este estudio también se almacenan aquí. Ubicación de usos más previamente aplicados IBEX como la ubicación predeterminada cuando volvió a lanzar.
<ol><li>Haga clic en el icono de "Ubicación" (figura 1).</li>
	<li>Seleccione usuario o haga doble clic en "Nuevo usuario" para crear una nueva carpeta de usuario. Si crear una nueva carpeta de usuario, escriba el nombre en la nueva ventana haga clic en el botón "OK".</li>
	<li>Seleccione el sitio en el usuario seleccionado o haga doble clic en "Nuevo sitio" para crear una nueva carpeta de sitio. Si crear una nueva carpeta de usuario, escriba el nombre en la nueva ventana haga clic en el botón "OK".</li>
	<li>Haga clic en el botón "OK" en la parte inferior.</li>
</ol>3. importar imágenes
<ol><li>Haga clic en el icono "Importar" (figura 1).</li>
	<li>Seleccione DICOM o Pinnacle9 (versión del archivo Pinnacle 9) formato haciendo clic en el nombre del formato. Para importar DICOM imágenes ir a paso 3.3.1. Importación de Pinnacle9 archivos van a paso 3.3.2.</li>
	<li>Haga clic en el botón "Siguiente".<ol>
<li>Importación de imágenes DICOM Nota: Para importar pacientes individualmente van al paso 3.3.1.1. Importación de múltiples pacientes a la vez van al paso 3.3.1.2.<ol>
<li>Importar a cada paciente individualmente, seleccionando la carpeta de paciente a través del directorio.<ol>
<li>Haga clic en el botón "..." al lado del lista directorio para seleccionar la carpeta de paciente que contiene las imágenes DICOM y estructura de radiación conjunto de archivos DICOM (opcional). Nota: Mientras que es solamente opcional importar una estructura de conjunto con los archivos de pacientes, se recomienda encarecidamente hacerlo. IBEX con una plataforma de contorno dentro de ella, pero esto no es algo práctico para grandes conjuntos de datos. IBEX puede acomodar sistemas de estructura de plataformas de software comercial que conozcan herramientas de contorno para oncólogos, que hace que el flujo de trabajo mucho más fácil. Esto suele ser cómo el IBEX se utiliza en estudios.</li>
				<li>Haga clic en el botón "Importar" en la parte inferior izquierda una vez que el IBEX ha terminado de buscar los archivos DICOM, el paciente y se popularán cajas detalles.</li>
				<li>Repita los pasos 3.3.1.1.1 - 2 para cada paciente.</li>
				<li>Haga clic en el botón "Salir" después de todos los pacientes son importados.</li>
			</ol>
</li>
			<li>Importación de todos los pacientes a la vez marcando la casilla 'Carpeta de lote' en la esquina superior derecha. Nota: Todos los pacientes deben tener una carpeta separada que contiene sus respectivos archivos DICOM.<ol>
<li>Haga clic en el botón "..." al lado del lista directorio para seleccionar la carpeta que contiene todas las carpetas de pacientes con sus correspondientes imágenes DICOM y estructura de radiación conjunto de archivos DICOM (opcional).</li>
				<li>Haga clic en el botón "Importar". Pacientes se importarán secuencialmente. Haga clic en el botón "Salir" después de todos los pacientes son importados.</li>
			</ol>
</li>
		</ol>
</li>
		<li>Archivos de Pinnacle<ol>
<li>Configurar el Host de Pinnacle y base de datos dentro del archivo "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Antes de seleccionar Pinnacle en la caja del módulo de importación, haga clic en el botón "Config".</li>
			<li>Seleccione el correcto Pinnacle Host y base de datos.</li>
			<li>El MRN de paciente, el apellido o el nombre y haga clic en otra parte en la ventana.</li>
			<li>Haga clic en el botón "Consulta".</li>
			<li>El paciente en la nueva ventana seleccione el botón "Transfer".</li>
			<li>Haga clic en el cuadro de los imagen deseada de juegos de que el paciente en la nueva ventana y haga clic en el botón "OK".</li>
			<li>Haga clic en el botón "OK" en la nueva ventana que se denomina "Datos importados con éxito".</li>
			<li>Haga clic en el botón "Salir" después de todos los pacientes son importados.</li>
		</ol>
</li>
	</ol>
</li>
</ol>4. visualización de imágenes y las regiones de interés (ROIs)
<ol><li>Haga clic en el icono de "Datos" (figura 1). Haga clic en el archivo deseado en la sección "Seleccionar a un paciente" de la GUI (mitad superior).</li>
	<li>Haga clic en el conjunto de la imagen de la paciente archivo para abrir en la sección "Seleccionar conjuntos de imagen" de la interfaz gráfica (mitad inferior). Haga clic en el botón "Abrir".</li>
	<li>Use las flechas debajo de las imágenes para desplazarse por las imágenes que se muestran en axial, coronales, y vistas sagitales (de izquierda a derecha).</li>
	<li>Ampliar la imagen haciendo clic en el botón de "Zoom" (figura 2). Trazar un rectángulo en el plano de la imagen para hacer zoom. Haga clic para alejar.</li>
	<li>Encienda los localizadores seleccionando el botón de "Cruce" (figura 2). Nota: Las líneas que aparecen muestran donde ese sector se encuentra en cada plano. Estas líneas mueven al desplazarse con las flechas.</li>
	<li>Haga clic en el botón de "Regla" (figura 2) para medir distancias. Haga clic en y mantenga presionado el botón izquierdo del ratón para medir entre los dos puntos de interés. Suelte el ratón para eliminar el valor medido de la zona mostrada.</li>
	<li>Haga clic en el botón de "CT Num" (figura 2) para medir el valor de un voxel. Haga clic y mantenga el botón izquierdo del ratón en el voxel de interés y el valor aparecerá en el lado izquierdo de la interfaz gráfica debajo de la escala de color. Suelte el ratón para eliminar el valor medido de la zona mostrada.</li>
	<li>Haga clic en el botón "W/L" (figura 2) a nivel de ventana de las imágenes. Otra ventana aparecerá. Arrastre los lados izquierdo y derecho al área deseada o introducir manualmente el nivel de ventana en los cuadros de ventana y nivel en la parte inferior de la ventana de nuevo. Seleccione Ventana/niveles usando el primer menú desplegable de la izquierda ( figura 2): hay 8 para CT y 1 para PET.</li>
	<li>Seleccionar el color diferentes escalas usando el segundo menú desplegable menú de la izquierda (figura 2): hay 9 opciones para elegir.</li>
	<li>Visualizar ROIs haciendo clic en la casilla al lado del retorno de la inversión a hacer visible en las imágenes o haga clic en el botón "Sobre todo ROIs" para todo paciente ROIs.</li>
</ol>5. editar el retorno de la inversión
<ol><li>Edit ROIs haciendo clic en el botón "Edit ROIs" en la parte superior izquierda o en la parte inferior central. Seleccionar el contorno a editar haciendo clic en la casilla al lado de su nombre.</li>
	<li>Utilice el botón de "Empujar contornos" (figura 3) hacer contornos o como ya dibujado. Ajustar el tamaño del círculo en la casilla "D" al lado del botón de empujar contornos.</li>
	<li>Quite un trozo entero de contorno mediante el botón "Cortar contornos" (figura 3). Haga clic y mantenga pulsado el botón izquierdo del ratón y dibuje un cuadro alrededor del ROI a quitarse.</li>
	<li>Dibujar contornos Nota: Vaya al paso 5.4.1 para dibujar contornos conectando puntos. Vaya al paso 5.4.2 para dibujar contornos de manos libres.<ol>
<li>Conectando puntos: Utilice el botón "Dibujar contornos (1)" (figura 3) para dibujar un contorno en cada segmento haciendo clic en los puntos alrededor del contorno donde los puntos están conectados por líneas rectas. Completar el retorno de la inversión para ese segmento haciendo clic en el primer punto dibujado.</li>
		<li>Mano: Utilice el botón "Dibujar contornos (2)" (figura 3) para dibujar un contorno a mano libre. Mantenga pulsado el botón izquierdo del ratón para dibujar el contorno en el segmento. Volviendo al principio de la ROI dibujado y luego soltar el botón izquierdo del ratón para finalizar el contorno en ese segmento.</li>
	</ol>
</li>
	<li>Clic en el botón "Interpolar contornos" (figura 3) para interpolar ROIs entre las rodajas.</li>
	<li>Haga clic en el botón de "ROI de copiar" para copiar el ROI.</li>
	<li>Combinar ROIs ROIs múltiples de seleccionando y haciendo clic en el botón "Merge ROI".</li>
	<li>Haga clic en el botón "Borrar ROI" para eliminar el retorno de la inversión seleccionada.</li>
	<li>Haga clic en "Crear ROI" para crear un nuevo ROI que una ventana se abrirá. Escriba el nombre del ROI y haga clic en el botón "OK". Haga clic en el botón "Guardar". Haga clic en el botón "Exit" para volver al paciente espectador.</li>
</ol>6. contorno del conjunto de datos
<ol><li>Contornos de la vista del conjunto de datos<ol>
<li>Haga clic en el botón "Mostrar el conjunto de datos" para ver los contornos del conjunto de datos. Haga clic en el nombre del conjunto de datos para ver. Haga clic en el botón "Abrir". Seleccionar paciente contornos mediante el cuadro de al lado de su nombre. Haga clic en el botón "Delete", "Mover" o "Copia" según la función deseada para ese contorno. Cierre la ventana de conjunto de datos una vez terminada de ver el conjunto de datos.</li>
	</ol>
</li>
	<li>Añadir contornos para el conjunto de datos<ol>
<li>Seleccione contornos para agregar a un conjunto de datos haciendo clic en la casilla de verificación junto a su nombre y haga clic en el botón "añadir al conjunto de datos". Haga clic en el nombre del conjunto de datos para agregar los contornos o haga clic en el botón "Nuevo" para un nuevo conjunto de datos. Si se selecciona nuevo, escriba el nombre del conjunto de datos en la nueva ventana. Haga clic en el botón "OK".</li>
	</ol>
</li>
	<li>Haga clic en el botón "Importar ROIs" para importar un archivo de 9 .roi la versión Pinnacle si contornos no fueron cargados en la sección 3.<ol>
<li>Haga clic en el botón "..." para seleccionar el archivo. Haga clic en el botón "Importar".</li>
	</ol>
</li>
	<li>Haga clic en el botón "Exportar ROIs" para exportar ROIs.<ol>
<li>Haga clic en el botón "..." para seleccionar el directorio en el que se colocará ROIs exportados. Haga clic en el nombre del formato que se prefiere para el ROIs exportados. Ingrese la información del anonymization si prefiere. Haga clic en el botón exportar. Nota: La programación es para que no anonymization a realizar.</li>
	</ol>
</li>
	<li>Haga clic en el botón "Exit" para volver a la lista de pacientes y las exploraciones.</li>
</ol>7. crear el conjunto de características
<ol><li>Haga clic en el icono de "Característica".</li>
	<li>Añadir procesamiento previo.<ol>
<li>Haga clic en el botón "Añadir" en "Paso 1: preprocesar". Seleccione la opción preprocesamiento en el menú desplegable en la ventana nueva.</li>
		<li>Haga clic en la "i" bajo "Párr." para seleccionar los parámetros de preprocesamiento. Haga clic en el número en la columna de valor en la nueva ventana de parámetro para cambiarlo. Escriba el nuevo valor del parámetro y haga clic en el botón "OK".</li>
		<li>Haga clic en el botón de "interrogación" en la esquina superior derecha para una descripción de los métodos de preprocesamiento y procesamiento de parámetros específicos.</li>
		<li>Haga clic en el botón "Añadir". Seleccionar el paso de preprocesamiento y haga clic en el botón "Delete" para eliminar pasos de preprocesamiento no deseados.</li>
	</ol>
</li>
	<li>Añadir las características deseadas.<ol>
<li>Seleccione la categoría de función en el menú desplegable debajo de "paso 2: características Categoría:". Repita los pasos en varias categorías. Nota: Sólo una categoría de funciones se puede añadir en un momento. Diferentes combinaciones de categorías de preprocesamiento y característica pueden agregarse a la misma función si lo desea.<ol>
<li>Seleccione "GrayLevelCooccurenceMatrix25" y las categorías de la característica de "NeighborIntensityDifference25" para calcular la matriz de co-ocurrencia nivel gris y matriz de diferencia de intensidad de barrio, respectivamente, en 2,5 D, que se realiza al computar la matriz en cada rebanada individualmente y luego sumar todas las matrices juntos.</li>
			<li>Seleccione "GrayLevelCooccurenceMatrix3" y las categorías de la característica de "NeighborIntensityDifference3" para calcular la matriz de co-ocurrencia nivel gris y matriz de diferencia de intensidad de barrio, respectivamente, en 3D.</li>
		</ol>
</li>
		<li>Haga clic en la "i" bajo "Párr." para los parámetros seleccionados para ese proceso previo. Haga clic en el botón de "interrogación" en la esquina superior derecha para una descripción de parámetros y el método de preprocesamiento.<ol>
<li>Escriba el nuevo valor del parámetro y haga clic en el botón "OK".</li>
		</ol>
</li>
		<li>Haga clic en el botón "Test" para ver una categoría de función o característica específica. Haga clic en el botón junto a la característica o la categoría deseada.<ol>
<li>Seleccione el conjunto de datos para ver la prueba y haga clic en el botón "Abrir". Marque la casilla junto a los pacientes del conjunto de datos seleccionado para ver la prueba y haga clic en el botón "Test".</li>
		</ol>
</li>
		<li>Desactivar características indeseables para la categoría seleccionada; todas las características se seleccionan después de seleccionar la categoría. Haga clic en la palabra "características:" bajo "Step2: características" desactive todas las funciones.</li>
		<li>Haga clic en el botón "Añadir a conjunto de funcionalidades" para añadir todas las características seleccionadas con preprocesamiento seleccionadas.<ol>
<li>Seleccione la función para añadir funciones y haga clic en el botón "Abrir" o haga clic en el botón "Nuevo" para agregar características a un conjunto de características nuevas. Si crear un nuevo conjunto de características, ingrese el nombre de la función de establecer en la nueva ventana y haga clic en el botón "OK".</li>
		</ol>
</li>
	</ol>
</li>
	<li>Haga clic en el botón "Mostrar características Set" para ver las características técnicas de preprocesamiento correspondiente para ver las características en un conjunto de características.<ol>
<li>Seleccione la función para ver, haga clic en el botón "Abrir" y haga clic en el botón "Nuevo" para crear un nuevo conjunto de características. Si crear un nuevo conjunto de características, ingrese el nombre de la función de establecer en la nueva ventana y haga clic en el botón "OK".</li>
	</ol>
</li>
	<li>Haga clic en el botón "Mostrar el conjunto de datos" para ver los conjuntos de datos actuales.<ol>
<li>Seleccione el conjunto de datos para ver y haga clic en el botón "Abrir" o haga clic en el botón "Nuevo" para crear un nuevo conjunto de datos. Si crear un nuevo conjunto de datos, escriba el nombre del conjunto de datos en la nueva ventana y haga clic en el botón "OK".</li>
	</ol>
</li>
	<li>Haga clic en el botón "Exit".</li>
</ol>8. salida características
<ol><li>Haga clic en el icono de "Resultado". Haga clic en el conjunto de datos para ejecutar las funciones en "paso 1: conjunto de datos." Haga clic en la función a ejecutar en los datos seleccionados en "paso 2: conjunto de funciones."</li>
	<li>Haga clic en el botón "Obtener información" para ver el conjunto de datos seleccionado. Haga clic en el botón de "Vista característica" para ver el conjunto de características seleccionadas.</li>
	<li>Haga clic en el botón de "Calcular y guardar el resultado". Escriba el nombre de archivo para los resultados y haga clic en el botón "Guardar".</li>
</ol>9. estadística de modelo de construcción
<ol><li>Abra el archivo de resultados guardados. Nota: esto está típicamente debajo de usuario C:\IBEX\DataIbex\[Selected en el paso 2.2] \ [sitio seleccionado en el paso 2.3] \1FeatureResultSet_Result, a menos que de lo contrario se asignará en el paso 8.4.</li>
	<li>Utilizar los datos de las diferentes pestañas en las pruebas estadísticas deseadas o del modelo de construcción de software. Nota: El protocolo se puede pausarse en cualquier momento. Sin embargo, es más conveniente después de terminar todos los pasos necesarios para un icono determinado, por ejemplo, terminar de sección 7, que se encuentra bajo el icono de función.</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>

Los autores tienen intereses financieros que compiten a revelar.

IBEX es una poderosa herramienta para la investigación de radiomics proyección de imagen médica. Se ha hasta ahora sobre todo utilizado para los propósitos de Oncología de radiación en estudios realizados por el grupo de radiomics de MD Anderson. IBEX permite manipulación de ROIs y cálculo de las características en 5 categorías de la característica principal. La versión de código fuente de IBEX le permite a las aplicaciones de diseño que ya no forman parte del IBEX, tales como características de la matriz de zona de nive...

En medicina, diagnóstico de la enfermedad paciente normalmente incorpora un gran número de exámenes de diagnóstico como rayos x, ultrasonido, tomografía computada (CT), resonancia magnética (MRI), y exploraciones de tomografía por emisión de positrones (PET) para ayudar a determinar la curso de atención al paciente. Mientras que los médicos usan estas imágenes para evaluar cualitativamente el diagnóstico del paciente, puede haber características cuantitativas adicionales que se pueden extraer para guiar la atención del paciente. La razón es que estas características pueden representar proteómica y genómicos patrones expresados en la escala macroscópica1. Combinando esta información cuantitativa con la información clínica actual, por ejemplo, Demografía del paciente, puede permitir más individualizada atención al paciente. Esta es la teoría detrás de radiomics: disponen de análisis de imágenes a nivel de voxel. Las características típicamente se dividen en 5 categorías principales: gris matriz de co-ocurrencia nivel, gris longitud de ejecución nivel matriz, matriz de diferencia de intensidad de barrio, histograma y forma.
Imaging Biomarker Explorer (IBEX) es una herramienta de código abierto para radiomics de trabajo2. La interfaz gráfica de usuario (GUI) se desarrolló en el MD Anderson Cancer Center con el objetivo de facilitar la extracción y el cálculo de cuantitativos características para ayudar en la toma de decisiones en el tratamiento del cáncer. Una fuente código3 y una versión stand-alone4 están disponibles en línea. IBEX calcula las 5 categorías más comunes de características usadas en radiomics médica con los parámetros que se pueden establecer para cada categoría de característica. Las categorías son: gris de la matriz de co-ocurrencia nivel5gris longitud de ejecución nivel matriz6,7, intensidad, barrio intensidad diferencia matriz8y forma. Ya que el IBEX es de código abierto, permite resultados de extracción de característica armonizada a través de las instituciones para comparar fácilmente diferentes radiomics estudios. Todas las funciones dentro de IBEX son descritas en el documento inicial por Zhang et al. 2
El propósito de este manuscrito es proporcionar orientación sobre cómo utilizar IBEX y demostrar sus aplicaciones a través de estudios publicados revisados por pares del grupo de radiomics de MD Anderson. Desde su lanzamiento al público en el año 2015, IBEX se ha utilizado para calcular características de CT, PET y MRI exploración de imágenes por el grupo de radiomics de MD Anderson, normalmente investiga características para mejorar la supervivencia clínica modelos9,10, 11,12,13,14,15,16,17,18,19,20 y por fuera las instituciones21,22,23,24. Orientación adicional sobre herramientas de software que puede ser utilizado para los pasos en la investigación de radiomics que no están incluidos en el IBEX puede encontrarse en corte et al. 25
Una introducción general al flujo de trabajo de IBEX le ayudará a organizar los datos correctamente antes de iniciar proyectos de radiomics utilizando el IBEX. Si importar imágenes DICOM, IBEX requiere que cada paciente tiene su propia carpeta con sus imágenes DICOM. Conjunto de estructura de radiación DICOM es opcional incluir en la carpeta de paciente, pero se recomienda en lugar de utilizar la plataforma contorneada en IBEX. Para ayudar con la importación de todos los pacientes para un estudio específico, todas las carpetas de pacientes pueden juntarse en una misma carpeta para que todos los datos pueden importarse en IBEX utilizando tan sólo un paso. Si importar a pacientes de Pinnacle, es mejor que la estructura con el plan de paciente. Como los pacientes pueden tener múltiples conjuntos de imagen y planes dentro de Pinnacle, es mejor saber que imagen set y plan están correctos antes de importar. Si el tiempo de cómputo es una preocupación, reduciendo el número de divisiones de imagen para un paciente puede reducir drásticamente tiempo. Por ejemplo, si sólo el hígado es de interés en un estudio pero los pacientes tienen exploraciones de CT de cuerpo completo, reduciendo las rebanadas DICOM en sólo la medida del área de interés pueden acortar el tiempo de cómputo (p. ej., reduciendo el DICOM de rebanadas de 300 a 50 rebanadas puede tomar 1/6t h el tiempo). Existen diferentes herramientas disponibles para llevar a cabo esta reducción de la rebanada, de manual a semiautomático.

<table><tbody><tr><td>Excel</td><td>Microsoft Office</td><td></td><td>Cualquier versión de Excel debería funcionar.</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td><td>Solo utilice IBEX en Matlab 2011a de 32 bits o Matlab 2014b de 64 bits.</td></tr></tbody></table>

directrices y experiencia en el uso de biomarcadores explorer (ibex) la proyección de imagen de radiomics

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

Imaging Biomarker Explorer (IBEX) es una herramienta de código abierto para trabajo de radiomics proyección de imagen médica. El objetivo de este trabajo es describir cómo utilizar la interfaz de usuario gráfica del IBEX (GUI) y para demostrar cómo el IBEX calcula características se han utilizado en estudios clínicos. IBEX permite la importación de imágenes DICOM con Pinnacle archivos o archivos de estructura de la terapia de radiación de DICOM. Una vez que las imágenes son importadas, IBEX tiene herramientas dentro de la interfaz de selección de datos para manipular la visualización de las imágenes, valores de voxel medida y distancias y crear y editar contornos. IBEX viene con 27 opciones de función de preprocesamiento y 132 diseñar conjuntos de características. Cada categoría de preprocesamiento y función tiene parámetros que pueden modificarse. La salida de IBEX es una hoja de cálculo que contiene: 1) cada característica del conjunto calculado para cada contorno en un conjunto de datos, 2) información sobre cada contorno en un conjunto de datos y 3) un resumen del proceso previo de características y funciones con sus seleccionados parámetros. Características calculadas del IBEX se han utilizado en estudios para probar la variabilidad de características bajo diferentes condiciones de proyección de imagen y modelos de supervivencia para mejorar modelos clínicos actuales.

La salida de IBEX es una hoja de cálculo (ver figura 4) que contiene 3 pestañas. La pestaña "Resultados" contiene los valores de característica para cada retorno de la inversión del conjunto de datos (figura 4A). La ficha "Datos Info." contiene información sobre las imágenes de cada retorno de la inversión del conjunto de datos (figura 4B). La "Función Info." ficha c...

Describimos a IBEX, una herramienta de código abierto diseñada para que estudios de radiomics proyección de imagen médica y cómo utilizar esta herramienta. Además, se exhiben algunos trabajos publicados que han utilizado el IBEX para el análisis de incertidumbre y construcción del modelo.

Directrices y experiencia en el uso de biomarcadores Explorer (IBEX) la proyección de imagen de 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 ...

El objetivo general de esta herramienta de software es extraer características cuantitativas de la imagen que se ajusten a la forma o textura, como las categorías de matriz de co-ocurrencia de nivel de gris. Esta herramienta se puede utilizar para responder a algunas preguntas clave en el campo de la radiómica. Por ejemplo, puede extraer características cuantitativas de la imagen y observar las correlaciones entre ellas y los resultados de los pacientes en radioterapia.La principal ventaja de esta técnica es que es de código abierto, es fácil de usar y tiene una larga historia de personas que la usan para extraer características para su uso en modelos de pronóstico. La radiómica tiene el potencial de proporcionar información sobre la respuesta probable de un tumor a ciertos tratamientos y, por lo tanto, puede proporcionar información adicional que el personal clínico puede utilizar para determinar la idoneidad de tratamientos alternativos. La radiómica puede proporcionar información sobre el fenotipo del tumor, también se puede aplicar a la alostancia como la cuantitancia de los cambios de más tejido a lo largo del tratamiento.En general, las personas nuevas en este método tendrán

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

Research

Investigación

JoVE Journal

Engineering

Ingeniería

Aquí, presentamos un protocolo para explorar el biomarcador y el predictor de supervivencia del cáncer de mama basado en el análisis integral de conjuntos de datos clínicos agrupados derivados de una variedad de bases de datos de acceso público, utilizando la estrategia de expresión, correlación y Análisis de supervivencia paso a paso.

Realizar la minería de datos y análisis integrativos de biomarcadores en el cáncer de mama utilizando múltiples bases de datos accesibles públicamente

La TC y la RM 129Xe proporcionan información complementaria sobre la estructura y la función pulmonar que puede aprovecharse para el análisis regional mediante el registro de imágenes. Aquí, proporcionamos un protocolo que se basa en la literatura existente para el registro de imágenes de RM a TC de 129Xe utilizando plataformas de código abierto.

Imágenes pulmonares multimodales: uso de información complementaria de la TC y la resonancia magnética hiperpolarizada de 129Xe para evaluar la estructura y función pulmonar

La combinación de blanqueo iterativo-extendido-multiplexidad (IBEX) y un ensayo comercial de etiquetado de nucleótidos (Click-iT EdU) permite la detección y categorización de tipos de células en división en procesos altamente dinámicos en secciones fijas de tejido murino congelado. Además, una novedosa canalización de procesamiento de imágenes de código abierto proporciona adquisición y análisis de imágenes de alto rendimiento.

Flujo de trabajo de imágenes y análisis de alto rendimiento para evaluar los fenotipos de las células de la piel y los estados de proliferación en muestras de tejido

Aquí, describimos la aplicación del método de blanqueo iterativo que extiende la multiplicidad (IBEX) utilizando tinciones de tejidos automatizadas disponibles comercialmente y consideraciones de optimización para el uso de reactivos basados en amplificación de señales de tiramida.

El blanqueo iterativo amplía la multiplicidad con el uso de la automatización de tinción para instalaciones centrales

En este artículo se describe un protocolo de inmunofluorescencia multiplex optimizado para caracterizar la arquitectura tridimensional de las metástasis peritoneales.

Imágenes tridimensionales de tejido tumoral mediante el enfoque de blanqueamiento iterativo que extiende la multiplexidad

La implementación de una técnica de fotoirradiación versátil y de bajo coste con el método manual IBEX permite obtener una imagen óptima del tejido humano con una importante autofluorescencia nativa. Este protocolo detalla cómo obtener imágenes multiplexadas de portaobjetos completos a partir de muestras clínicas archivadas utilizando un microscopio invertido, reactivos ampliamente disponibles y software de código abierto para la alineación y el procesamiento de imágenes.

El flujo de trabajo optimizado para el blanqueo iterativo amplía la obtención de imágenes de multiplexidad de muestras clínicas altamente autofluorescentes

Este protocolo presenta un enfoque multimodal que combina la espectroscopia Raman y la microscopía de fase tomográfica para el fenotipado no invasivo y sin etiquetas de células vivas de cáncer de mama humano. Incluye una línea de análisis fácil de usar y sin sesgos humanos para un análisis morfoquímico rápido y cuantitativo, que proporciona información molecular y estructural detallada con aplicaciones en la investigación del cáncer y la biología celular.

Un marco de imágenes multimodal para avanzar en el fenotipado de células vivas de cáncer de mama sin etiquetas

El blanqueo iterativo espectral extiende la multiplexidad (IBEX) se basa en la técnica IBEX base al agregar bloqueo de heparina para minimizar la unión inespecífica y aprovechar la detección espectral con desmezcla computacional para suprimir la autofluorescencia. Este enfoque acelera la adquisición de imágenes al tiempo que reduce las fuentes de fondo, lo que permite análisis proteómicos espaciales robustos de múltiples rondas y altos parámetros.

Imágenes de alta plexación mediante microscopía confocal espectral para minimizar la fluorescencia tisular inespecífica

Fotovoltaicos orgánicos (OPV) materiales son inherentemente no homogénea a escala nanométrica. Falta de homogeneidad de escala nanométrica de materiales OPV afecta al rendimiento de los dispositivos fotovoltaicos. En este trabajo se describe un protocolo para las mediciones cuantitativas de las propiedades eléctricas y mecánicas de los materiales de la OPV con resolución sub-100 nm.

Conductividad concurrente cuantitativa y Medidas propiedades mecánicas de los materiales fotovoltaicos orgánicos utilizando AFM

Presentamos una técnica que permite la separación espacial de diferentes conformadores o clusters presentes en un haz molecular. Un deflector electrostático se utiliza para separar especies por su relación de momento masa-dipolo, lo que lleva a la producción de conjuntos en fase gaseosa de un solo conformer o estequiometría de racimo.

Separación espacial de conformadores moleculares y cúmulos

Aprende a utilizar IBEX para extraer características cuantitativas de imágenes médicas en estudios de radiómica. Esta herramienta de código abierto facilita el análisis de forma y textura para modelos pronósticos.

Directrices y experiencia en el uso de biomarcadores Explorer (IBEX) la proyección de imagen de Radiomics

Explorar más videos