January 8th, 2018
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.
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 dificultades, porque es importante seleccionar la configuración correcta para las diferentes características, como el remuestreo de profundidad de bits, por lo que es vital prestar atención a estas. La demostración visual es fundamental, ya que hay muchos pasos y detalles. La atención cuidadosa a los detalles es importante para obtener buenos resultados en los estudios radiómicos.
Para comenzar, instale IBEX descrito en el protocolo de texto adjunto. Una vez instalado, cargue el IBEX y cree un nuevo usuario para importar y guardar sus datos. A continuación, haga clic en el icono de importación y seleccione el formato de archivo DICOM o Pinnacle versión nueve haciendo clic en el nombre del formato y, a continuación, haga clic en siguiente.
Para importar todos los pacientes a la vez, marque la casilla de carpeta de lote en la esquina superior derecha y luego haga clic en el botón más junto al directorio enumerado. Seleccione la carpeta que contiene todas las carpetas de pacientes con sus correspondientes imágenes DICOM y archivos de estructura DICOM de radiación. Finalmente, haga clic en el botón de salida.
Para comenzar, cargue un archivo de paciente haciendo clic primero en el icono de datos. Luego, en la sección seleccionar un paciente, haga clic en el archivo del paciente deseado para abrirlo. A continuación, en la sección seleccionar conjunto de imágenes, haga clic en el conjunto de imágenes del archivo del paciente deseado y, a continuación, haga clic en el botón Abrir.
Utilice las flechas para desplazarse por las imágenes que se muestran en las vistas axial, coronal y sagital. A continuación, seleccione el botón de zoom y dibuje un cuadro en el plano de la imagen para hacer zoom. Haga clic derecho en la imagen para alejarla.
A continuación, haga clic en el botón de nivel de ventana. Aparecerá otro botón, cuando lo haga, arrastre los lados izquierdo y derecho al área deseada, o ingrese manualmente el nivel de la ventana en los cuadros de ventana y nivel en la parte inferior de la nueva ventana. Seleccione diferentes niveles de ventana usando el primer menú desplegable a la izquierda.
Hay ocho opciones para la TC y una opción para la PET. Visualice las regiones de interés haciendo clic en el cuadro junto a la región de interés para hacerla visible en las imágenes, o haga clic en el botón "En todas las ROI" para activar todas las regiones de interés. A continuación, prepare el conjunto de datos para ver los contornos.
Para lograr esto, primero haga clic en el botón mostrar conjunto de datos para ver los contornos en el conjunto de datos. Una vez visualizados los conjuntos de datos, cierre la ventana. Se trata de un usuario nuevo con pacientes recién importados, por lo que aún no hemos creado conjuntos de datos.
A continuación, seleccione las curvas de nivel que desea agregar al conjunto de datos haciendo clic en la casilla de verificación junto a su nombre y haga clic en el botón Agregar 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 y, a continuación, haga clic en el botón Aceptar.
Cuando termine, haga clic en el botón de salida para volver a la lista de pacientes y exploraciones. Haga clic en el icono de la función y agregue el preprocesamiento si lo desea, haciendo clic en el botón Agregar y seleccionando la opción de preprocesamiento en el menú desplegable de la nueva ventana. A continuación, haga clic en la i en Parámetros para seleccionar los parámetros de preprocesamiento.
Seleccione el número debajo de la columna de valor, escriba el nuevo valor del parámetro y, a continuación, haga clic en el botón Aceptar. Para obtener una descripción del método de preprocesamiento y los parámetros específicos, haga clic en el botón de signo de interrogación en la esquina superior derecha. Una vez satisfecho, haga clic en el botón Agregar para agregar el paso de preprocesamiento.
Para eliminar los pasos de preprocesamiento no deseados, seleccione el paso de preprocesamiento y haga clic en eliminar. En el menú de categorías de características, seleccione la matriz de coocurrencia de nivel de gris 25 en las categorías de características de diferencia de intensidad de vecino 25 para calcular la matriz de co-ocurrencia de nivel de gris y la matriz de diferencia de intensidad de vecindad respectivamente en 2.5D. Esto se logra calculando en cada porción individualmente y luego sumando todas las matrices.
Otra opción es seleccionar la co-ocurrencia del nivel de gris tres en las tres categorías de características de diferencia de intensidad vecina para calcular la matriz de co-ocurrencia del nivel de gris y la matriz de diferencia de intensidad de vecindad, respectivamente, en 3D. Haga clic en la I para ver los parámetros seleccionados para esa categoría de característica. Para cambiar un parámetro, introduzca el nuevo valor y haga clic en el botón Aceptar.
Para obtener información adicional, haga clic en el signo de interrogación en la esquina superior derecha. Una vez que todos los parámetros estén configurados correctamente, haga clic en el botón de prueba para ver una categoría de característica o una característica específica haciendo clic en el botón junto a la característica o categoría deseada. Seleccione el conjunto de datos para ver la prueba y, a continuación, haga clic en el botón Abrir.
Marque la casilla junto a los pacientes del conjunto de datos seleccionado y haga clic en el botón de prueba. Cierre la ventana una vez que esté satisfecho con la prueba. Desmarque las características no deseadas de la categoría seleccionada.
Para desmarcar todas las características, haga clic en la palabra características"en el conjunto dos, características. Para agregar todas las características seleccionadas con el preprocesamiento seleccionado, haga clic en el botón Agregar al conjunto de características. Seleccione el nombre y el conjunto de características y haga clic en el botón Abrir o, para agregar estas características a un nuevo conjunto, haga clic en el botón nuevo.
Introduzca el nombre del conjunto de funciones en la nueva ventana y haga clic en Aceptar. A continuación, haga clic en el botón Mostrar conjunto de características para ver las características con las técnicas de preprocesamiento correspondientes. Seleccione el conjunto de características que desea ver y, a continuación, haga clic en abrir. Observe los parámetros de preprocesamiento y las categorías de características en los menús desplegables.
Edítelos haciendo clic en el botón I debajo de los parámetros. Una vez terminado, cierre la ventana. En la ventana de funciones principal, haga clic en el botón mostrar conjunto de datos para ver los conjuntos de datos actuales.
A continuación, seleccione el conjunto de datos que desea ver y, a continuación, haga clic en el botón Abrir. Cuando termine, haga clic en el botón de salida. Para preparar la salida, primero haga clic en el icono de resultado, luego haga clic en el conjunto de datos para ejecutar las funciones, en el paso uno, y haga clic en el conjunto de características para ejecutar en los datos seleccionados en el paso dos.
A continuación, haga clic en el botón ver datos para ver el conjunto de datos seleccionado, seguido del botón ver características para ver el conjunto de características seleccionado. Por último, haga clic en el botón calcular y guardar resultado. Introduzca el nombre de archivo para los resultados y seleccione guardar.
La salida del IBEX es una hoja de cálculo con tres hojas. Aquí se muestra una salida más complicada con más regiones de interés y características seleccionadas que las que se ejecutaron en este video tutorial. La primera hoja contiene los valores de las características de cada región de interés colocada en el conjunto de datos.
Para las entidades de matriz de co-ocurrencia de nivel de gris y matriz de longitud de corrida de nivel de gris, se genera un valor para cada dirección en la que se calcula la matriz, así como una matriz promedio en todas las direcciones que se designa como 333. La cuarta fila indica la categoría de característica y la quinta fila indica el encabezado de esa columna, ya sea designado como índice, imagen, región de interés, MRN o característica específica. La segunda hoja contiene la información de datos.
Se trata de información sobre la imagen de la que se obtuvo la región de interés, como las dimensiones Voxyl X, Y y Z. La tercera hoja contiene la información de la característica. Las características están separadas por su categoría.
Los parámetros de la categoría de características se enumeran en la segunda columna. Todas las características seleccionadas para esa categoría se enumeran en la tercera columna. La quinta columna muestra el preprocesamiento que se aplicó a las entidades y la sexta columna muestra los parámetros para el preprocesamiento.
Una vez dominada, esta herramienta se puede utilizar para extraer de manera eficiente los datos de textura de las imágenes médicas. Es importante recordar revisar cuidadosamente todos los datos, lo que incluye asegurarse de que el preprocesamiento y otras configuraciones de características sean importantes. Por ejemplo, utilice la herramienta de revisión de IBEX para revisar cuidadosamente las imágenes posteriores al proceso.
Después de su desarrollo, esta técnica allanó el camino para que los investigadores en el campo de la radiómica exploraran el uso de imágenes para estratificar a los pacientes con resultados como el control regional local y los pacientes con cáncer. Después de ver este video, debería tener una buena comprensión de cómo usar IBEX para extraer características de imágenes médicas. A continuación, puede poner esas características de la imagen en enfoques estadísticos o de aprendizaje automático para aprender algo sobre el fenotipo del tumor.
View the full transcript and gain access to thousands of scientific videos
IBEX es una herramienta de código abierto diseñada para estudios de radiomicología en imágenes médicas, permitiendo la extracción de características cuantitativas de imágenes relacionadas con la forma y la textura. Esta herramienta facilita el análisis de incertidumbre y la construcción de modelos en investigación radiomicológica.
Quantitative radiomics platforms like IBEX enable biopharma teams to extract reproducible imaging biomarkers, supporting mechanistic de-risking and predictive model development in oncology and other therapeutic areas. Standardized feature extraction from DICOM images enhances translational continuity and informs early go/no-go decisions for biomarker-driven portfolios. IBEX's open-source, parameterized workflow supports scalable, cross-study imaging analytics for enterprise R&D.
IBEX integrates into the imaging biomarker pipeline from early discovery through translational research, supporting feature extraction, data harmonization, and model-ready output generation.