Name: Lignes directrices et l’expérience à l’aide d’imagerie biomarqueur Explorer (IBEX) pour Radiomics (Vidéo) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: Découvrez l'extraction de caractéristiques d'imagerie radiomique avec IBEX, un outil open-source pour analyser forme et texture. Cette méthode facilite la modélisation pronostique et l'analyse d'incertitude en recherche clinique.

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

playerTrialDesktop

Rachel Ger est financé par le B. de Rosalie Hite Graduate Fellowship et American Légion auxiliaire Fellowship. Carlos Cardenas a été financé par la bourse de George M. Stancel PhD en Sciences biomédicales. Le développement de l’IBEX a été financé par le NCI (R03 CA178495).

<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>

Les auteurs n’ont aucun intérêt financier concurrentes de divulguer.

Bouquetin est un outil puissant pour la recherche en imagerie médicale radiomics. Il a jusqu’ici surtout été utilisé à des fins d’oncologie de rayonnement dans les études menées par le groupe de radiomics MD Anderson. IBEX permet pour la manipulation des ROIs et le calcul des caractéristiques au sein de 5 catégories de caractéristique principale. La version de code source de BOUQUETINS permet à l’utilisateur pour les applications de conception qui ne font pas déjà partie du bouquetin, par exemple des éléments de matrice ...

En médecine, diagnostic des patients généralement intègre un grand nombre d’examens diagnostiques comme les rayons x, échographie, la tomodensitométrie (TDM), imagerie (IRM), par résonance magnétique et de tomographie par émission de positrons (PET) scanne pour aider à déterminer la cours de soins aux patients. Alors que les médecins utilisent ces images pour évaluer qualitativement diagnostic du patient, il peut y avoir des caractéristiques quantitatives supplémentaires qui peuvent être extraites afin de guider les soins aux patients. Le raisonnement est que ces fonctionnalités peuvent représenter de protéomique et génomiques motifs exprimés à l' échelle macroscopique1. Combinant ces informations quantitatives avec les informations cliniques actuelles, par exemple, données sur le patients, peut permettre plus individualisée des soins aux patients. Il s’agit de la théorie derrière radiomics : analyse d’images sur un niveau de voxel en vedette. Les caractéristiques généralement regroupés en 5 catégories : matrice de co-occurrence des niveaux, la matrice de longueur de course niveau gris, quartier intensité différence matrice, histogramme et forme de gris.
Imagerie des biomarqueurs Explorer (IBEX) est un outil open source pour radiomics travail2. L’interface utilisateur graphique (GUI) a été développé au MD Anderson Cancer Center, dans le but de faciliter l’extraction et le calcul des caractéristiques quantitatives afin d’aider à la prise de décision dans le traitement du cancer. Une source code3 et une version stand-alone4 sont disponibles en ligne. IBEX calcule 5 catégories principales fonctionnalités utilisées en médecine radiomics avec des paramètres qui peuvent être définies pour chaque catégorie de fonction. Les catégories sont : gris de matrice de co-occurrence des niveaux5, longueur de course niveau gris matrice6,7, intensité, quartier intensité différence matrice8et forme. IBEX est open source, il permet pour résultats d’extraction harmonisées dans les institutions de comparer facilement les différents radiomics études. Toutes les fonctions au sein de l’IBEX sont décrits dans le document initial par Zhang et al. 2
Le but de ce manuscrit est de fournir des conseils sur la façon d’utiliser IBEX et de démontrer ses applications par le biais de pairs des études publiées par le groupe de radiomics MD Anderson. Depuis sa sortie au public en 2015, IBEX a été utilisé pour calculer les caractéristiques de CT, MRI et PET scan images par le groupe de radiomics MD Anderson, étudie généralement des fonctionnalités pour améliorer la survie clinique modèles9,10, 11,12,13,14,15,16,17,18,19,20 et par les institutions extérieures21,22,23,24. On trouvera des indications supplémentaires sur les outils logiciels qui peuvent être utilisés pour les étapes de recherche de radiomics qui ne sont pas inclus dans l’IBEX en Cour et al. 25
Une introduction générale au workflow de BOUQUETINS vous aidera à organiser les données correctement avant de commencer le radiomics projets utilisant IBEX. Si l’importation d’images DICOM, IBEX exige que chaque patient aient leur propre dossier avec leurs images DICOM. DICOM rayonnement structure ensemble est facultatif d’inclure dans le dossier patient, mais il est recommandé plutôt que d’utiliser la plate-forme de contournage IBEX. Pour faciliter l’importation de tous les patients pour une étude spécifique, tous les dossiers de patients peuvent être assemblés dans un seul dossier afin que toutes les données peuvent être importées dans l’IBEX en utilisant qu’une seule étape. Si importer les patients de Pinnacle, il est préférable d’avoir la structure définie avec le plan de la patient. Car les patients peuvent avoir plusieurs ensembles d’images et de plans au sein de Pinnacle, c’est mieux de savoir quel ensemble images et plan sont corrects avant de l’importer. Si le temps de calcul est un sujet de préoccupation, la réduction du nombre de tranches de l’image pour un patient peut réduire considérablement temps. Par exemple, si seul le foie est d’un intérêt dans une étude, mais les patients ont complet du corps CT scans, réduisant les tranches DICOM à seulement l’étendue de la zone d’intérêt peuvent raccourcir le temps de calcul (p. ex., réduction de la DICOM de tranches de 300 à 50 tranches peut prendre 1/6 t h la fois). Il existe différents outils disponibles pour réaliser la réduction de cette tranche, manuelle ou semi-automatique.

<table><tbody><tr><td>Excel</td><td>Microsoft Office</td><td></td><td>N’importe quelle version d’Excel devrait fonctionner.</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td><td>n’utilise IBEX que sur Matlab 2011a 32 bits ou Matlab 2014b 64 bits.</td></tr></tbody></table>

lignes directrices et l’expérience à l’aide d’imagerie biomarqueur explorer (ibex) pour radiomics

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

Imagerie des biomarqueurs Explorer (IBEX) est un outil open source pour le travail de radiomics d’imagerie médicale. Le but de cet article est de décrire la façon d’utiliser l’interface graphique (GUI) de BOUQUETINS et de démontrer comment IBEX calculé caractéristiques ont été utilisés dans les études cliniques. IBEX permet pour l’importation d’images DICOM DICOM radiation therapy structure fichiers ou Pinnacle. Une fois que les images sont importées, IBEX a outils dans le GUI de sélection de données pour manipuler l’affichage des images, les valeurs de mesure voxel et distances et de créer et de modifier le périmètre de rayonnement. IBEX est livré avec 27 choix de fonction prétraitement et 132 à concevoir des ensembles de fonctionnalités. Chaque catégorie de prétraitement et de fonctionnalité possède les paramètres pouvant être modifiés. La sortie de l’IBEX est une feuille de calcul qui contient : 1) chaque fonctionnalité de la fonction de la valeur calculée pour chaque contour dans un ensemble de données, les informations d’image 2) sur chaque contour dans un ensemble de données et 3) un résumé du prétraitement et fonctionnalités utilisées avec leurs sélectionnés paramètres. Caractéristiques calculées à partir de BOUQUETINS ont été utilisés dans des études pour tester la variabilité des caractéristiques dans des conditions différentes d’imagerie et des modèles de survie afin d’améliorer les modèles cliniques actuels.

La sortie de l’IBEX est une feuille de calcul (voir Figure 4) qui contient 3 onglets. L’onglet « Résultats » contient les valeurs de fonction pour chaque ROI dans l’ensemble de données (Figure 4A). L’onglet « Données d’informations. » contient des informations sur les images prises de chaque ROI dans l’ensemble de données (Figure 4B). L’onglet « Fonction Info. » cont...

Nous décrivons des BOUQUETINS, un outil open source conçu pour des études d’imagerie médicales de radiomics et comment utiliser cet outil. En outre, certaines œuvres publiées qui ont utilisé IBEX pour l’analyse de l’incertitude et le modèle de bâtiment sont à l’honneur.

Lignes directrices et l’expérience à l’aide d’imagerie biomarqueur Explorer (IBEX) pour 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 ...

L’objectif général de cet outil logiciel est d’extraire des caractéristiques d’image quantitatives qui se présentent sous forme ou texture, telles que les catégories de matrice de cooccurrence de niveau de gris. Cet outil peut être utilisé pour répondre à certaines questions clés dans le domaine de la radiomique. Par exemple, vous pouvez extraire des caractéristiques d’image quantitatives et examiner les corrélations entre celles-ci et les résultats des patients en radiothérapie.Le principal avantage de cette technique est qu’elle est open source, qu’elle est facile à utiliser et qu’elle a une longue histoire de personnes qui l’utilisent pour extraire des fonctionnalités à utiliser dans des modèles de pronostic. La radiomique a le potentiel de fournir des informations sur la réponse probable d’une tumeur à certains traitements, et peut donc fournir des informations supplémentaires que le personnel clinique peut utiliser pour déterminer la pertinence des traitements alternatifs. La radiomique peut donner un aperçu du phénotype de la tumeur, elle peut également être appliquée à l’allosistance telle que la quantification des changements de plus de tissu tout au long du traitement.En g

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

Research

Recherche

JoVE Journal

Engineering

Ingénierie

Ici, nous présentons un protocole pour explorer le biomarqueur et le prédicteur de survie du cancer du sein sur la base de l’analyse exhaustive des ensembles de données cliniques regroupées provenant d’une variété de bases de donnees accessibles au public, en utilisant la stratégie d’expression, de corrélation et l’analyse de survie pas à pas.

L’exploration de données et l’analyse intégrative du biomarqueur dans le cancer du sein à l’aide de plusieurs bases de données accessibles au public

La TDM et l’IRM 129Xe fournissent des informations complémentaires sur la structure et la fonction pulmonaires qui peuvent être exploitées pour l’analyse régionale à l’aide du recalage d’images. Ici, nous fournissons un protocole qui s’appuie sur la littérature existante pour le recalage d’images 129Xe MR vers CT à l’aide de plates-formes open source.

Imagerie pulmonaire multimodale : utilisation d’informations complémentaires provenant de la TDM et de l’IRM hyperpolarisée 129Xe pour évaluer la structure et la fonction pulmonaires

La combinaison de l’IBEX (Iterative-Bleaching-Extends-Multiplexity) et d’un test commercial de marquage nucléotidique (Click-iT EdU) permet la détection et la catégorisation de types de cellules en division dans des processus hautement dynamiques dans des coupes de tissus murins congelés fixes. De plus, un nouveau pipeline de traitement d’images open source permet l’acquisition et l’analyse d’images à haut débit.

Flux de travail d’imagerie et d’analyse à haut débit pour l’évaluation des phénotypes et des états de prolifération des cellules cutanées dans des échantillons de tissus

Ici, nous décrivons l’application de la méthode IBEX (Iterative Bleaching Extends Multiplicity) à l’aide de colorants tissulaires automatisés disponibles dans le commerce et des considérations d’optimisation pour l’utilisation de réactifs basés sur l’amplification du signal tyramide.

Le blanchiment itératif étend la multiplicité grâce à l’utilisation de l’automatisation de la coloration pour les installations centrales

Cet article décrit un protocole d’immunofluorescence multiplex optimisé pour caractériser l’architecture tridimensionnelle des métastases péritonéales.

L’imagerie tridimensionnelle de tissus porteurs de tumeurs à l’aide du blanchiment itératif étend l’approche de multiplexité

La mise en œuvre d’une technique de photoirradiation polyvalente et peu coûteuse avec la méthode manuelle IBEX permet une imagerie optimale des tissus humains avec une autofluorescence native significative. Ce protocole détaille comment obtenir des images multiplexées de lames entières à partir d’échantillons cliniques archivés à l’aide d’un microscope inversé, de réactifs largement disponibles et d’un logiciel open source pour l’alignement et le traitement des images.

Le flux de travail optimisé pour le blanchiment itératif étend l’imagerie multiplexité des échantillons cliniques hautement autofluorescents

Ce protocole présente une approche multimodale combinant la spectroscopie Raman et la microscopie de phase tomographique pour le phénotypage non invasif et sans marquage de cellules cancéreuses du sein humaines vivantes. Il comprend un pipeline d’analyse convivial et sans biais humain pour une analyse morphochimique quantitative rapide, fournissant des informations moléculaires et structurelles détaillées avec des applications dans la recherche sur le cancer et la biologie cellulaire.

Un cadre d’imagerie multimodale pour faire progresser le phénotypage de cellules cancéreuses du sein vivantes sans marquage

Le blanchiment itératif spectral étend la multiplexité (IBEX) s’appuie sur la technique IBEX de base en ajoutant un blocage de l’héparine pour minimiser la liaison non spécifique et en exploitant la détection spectrale avec démélange informatique pour supprimer l’autofluorescence. Cette approche accélère l’acquisition d’images tout en réduisant les sources d’arrière-plan, ce qui permet des analyses protéomiques spatiales robustes et multi-rondes à paramètres élevés.

Imagerie High-Plex à l’aide de la microscopie confocale spectrale pour minimiser la fluorescence tissulaire non spécifique

Photovoltaïques organiques (OPV) des matériaux sont intrinsèquement inhomogène à l'échelle nanométrique. Inhomogénéité échelle nanométrique de matériaux VPO affecte les performances des dispositifs photovoltaïques. Dans cet article, nous décrivons un protocole pour les mesures quantitatives des propriétés électriques et mécaniques des matériaux avec une résolution de VPO nm sous-100.

Parallèlement conductivité quantitatives et mesures mécaniques Propriétés des matériaux organiques photovoltaïques par AFM

Nous présentons une technique qui permet la séparation spatiale de différents conformères ou amas présents dans un faisceau moléculaire. Un déflecteur électrostatique est utilisé pour séparer les espèces par leur rapport masse/moment dipolaire, conduisant à la production d’ensembles en phase gazeuse d’un seul conformateur ou d’une stœchiométrie en grappes.

Séparation spatiale des conformateurs moléculaires et des amas

Découvrez l'extraction de caractéristiques d'imagerie radiomique avec IBEX, un outil open-source pour analyser forme et texture. Cette méthode facilite la modélisation pronostique et l'analyse d'incertitude en recherche clinique.

Lignes directrices et l’expérience à l’aide d’imagerie biomarqueur Explorer (IBEX) pour Radiomics

Explorer plus de vidéos