Lignes directrices et l’expérience à l’aide d’imagerie biomarqueur Explorer (IBEX) pour Radiomics
8 janvier 2018
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.
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 général, les personnes qui débutent dans cette méthode auront du mal, car il est important de sélectionner les bons paramètres pour les différentes fonctionnalités telles que le rééchantillonnage de la profondeur de bits, il est donc essentiel d’y prêter attention. La démonstration visuelle est essentielle car il y a beaucoup d’étapes et de détails. Une attention particulière aux détails est importante pour obtenir de bons résultats dans les études radiomiques.
Pour commencer, installez IBEX décrit dans le protocole texte d’accompagnement. Une fois installé, chargez IBEX et créez un nouvel utilisateur afin d’importer et de sauvegarder vos données. Ensuite, cliquez sur l’icône d’importation et sélectionnez le format de fichier DICOM ou Pinnacle version neuf en cliquant sur le nom du format, puis cliquez sur Suivant.
Pour importer tous les patients en même temps, cochez la case du dossier de lot dans le coin supérieur droit, puis cliquez sur le bouton Plus à côté du répertoire répertorié. Sélectionnez le dossier qui contient tous les dossiers du patient avec leurs images DICOM et les fichiers de structure DICOM de rayonnement correspondants. Enfin, cliquez sur le bouton de sortie.
Pour commencer, chargez un dossier patient en cliquant d’abord sur l’icône de données. Ensuite, dans la section sélectionner un patient, cliquez sur la fiche patient souhaitée à ouvrir. Ensuite, dans la section sélectionner l’ensemble d’images, cliquez sur l’ensemble d’images du fichier patient souhaité, puis cliquez sur le bouton d’ouverture.
Utilisez les flèches pour faire défiler les images qui sont affichées dans les vues axiale, coronale et sagittale. Ensuite, sélectionnez le bouton de zoom et tracez une zone sur le plan de l’image pour zoomer. Faites un clic droit sur l’image pour effectuer un zoom arrière.
Ensuite, cliquez sur le bouton au niveau de la fenêtre. Un autre bouton apparaîtra, lorsque c’est le cas, faites glisser les côtés gauche et droit vers la zone souhaitée, ou entrez manuellement le niveau de la fenêtre dans les cases de fenêtre et de niveau en bas de la nouvelle fenêtre. Sélectionnez différents niveaux de fenêtre à l’aide du premier menu déroulant à gauche.
Il existe huit options pour la TDM et une option pour la TEP. Visualisez les régions d’intérêt en cliquant sur la case à côté de la région d’intérêt pour la rendre visible sur les images, ou cliquez sur le bouton « Sur tous les ROI » pour activer toutes les régions d’intérêt. Ensuite, préparez l’ensemble de données afin de visualiser les contours.
Pour ce faire, cliquez d’abord sur le bouton Afficher l’ensemble de données pour afficher les contours dans l’ensemble de données. Une fois les ensembles de données affichés, fermez la fenêtre. Il s’agit d’un nouvel utilisateur avec des patients qui viennent d’être importés, nous n’avons donc pas encore créé d’ensembles de données.
Ensuite, sélectionnez les contours à ajouter à l’ensemble de données en cochant la case en regard de leur nom, puis cliquez sur le bouton Ajouter à l’ensemble de données. Cliquez sur le nom de l’ensemble de données pour ajouter les contours, ou cliquez sur le bouton nouveau pour un nouvel ensemble de données. Si l’option nouveau est sélectionnée, entrez le nom de l’ensemble de données dans la nouvelle fenêtre, puis cliquez sur le bouton OK.
Lorsque vous avez terminé, cliquez sur le bouton de sortie pour revenir à la liste des patients et des scans. Cliquez sur l’icône de la fonctionnalité et ajoutez le prétraitement si vous le souhaitez, en cliquant sur le bouton Ajouter et en sélectionnant l’option de prétraitement dans le menu déroulant de la nouvelle fenêtre. Ensuite, cliquez sur le i sous Paramètres pour sélectionner les paramètres de prétraitement.
Sélectionnez le nombre sous la colonne de valeur, tapez la nouvelle valeur de paramètre, puis cliquez sur le bouton OK. Pour obtenir une description de la méthode de prétraitement et des paramètres spécifiques, cliquez sur le bouton en forme de point d’interrogation dans le coin supérieur droit. Une fois satisfait, cliquez sur le bouton Ajouter pour ajouter l’étape de prétraitement.
Pour supprimer les étapes de prétraitement indésirables, sélectionnez-la, puis cliquez sur Supprimer. Dans le menu des catégories de fonctions, sélectionnez la matrice de corrélation du niveau de gris 25 dans les catégories de caractéristiques de la différence d’intensité du voisinage 25 pour calculer la matrice de cooccurrence du niveau de gris et la matrice de différence d’intensité du voisinage respectivement en 2,5D. Pour ce faire, il suffit de calculer sur chaque tranche individuellement, puis d’additionner toutes les matrices.
Une autre option consiste à sélectionner la cooccurrence de niveau de gris trois dans les catégories de caractéristiques de différence d’intensité de voisinage trois pour calculer la matrice de cooccurrence de niveau de gris et la matrice de différence d’intensité de voisinage, respectivement, en 3D. Cliquez sur le I pour voir les paramètres sélectionnés pour cette catégorie de fonction. Pour modifier un paramètre, entrez la nouvelle valeur et cliquez sur le bouton OK.
Pour plus d’informations, cliquez sur le point d’interrogation dans le coin supérieur droit. Une fois que tous les paramètres sont correctement définis, cliquez sur le bouton de test pour afficher une catégorie de fonctionnalité ou une fonctionnalité spécifique en cliquant sur le bouton à côté de la fonctionnalité ou de la catégorie souhaitée. Sélectionnez l’ensemble de données sur lequel afficher le test, puis cliquez sur le bouton Ouvrir.
Cochez la case à côté des patients de l’ensemble de données sélectionné, puis cliquez sur le bouton de test. Fermez la fenêtre une fois que vous êtes satisfait du test. Décochez toutes les fonctionnalités indésirables pour la catégorie sélectionnée.
Pour décocher toutes les fonctionnalités, cliquez sur le mot « fonctionnalités » sous l’ensemble deux, fonctionnalités. Pour ajouter toutes les fonctions sélectionnées avec le prétraitement sélectionné, cliquez sur le bouton Ajouter à l’ensemble de fonctions. Sélectionnez le nom et l’ensemble de fonctionnalités, puis cliquez sur le bouton Ouvrir ou, pour ajouter ces fonctionnalités à un nouvel ensemble, cliquez sur le bouton nouveau.
Entrez le nom de l’ensemble de fonctionnalités dans la nouvelle fenêtre, puis cliquez sur OK. Ensuite, cliquez sur le bouton Afficher l’ensemble des fonctionnalités pour afficher les entités avec les techniques de prétraitement correspondantes. Sélectionnez l’ensemble de fonctionnalités à afficher, puis cliquez sur Ouvrir. Observez les paramètres de prétraitement et les catégories de fonctionnalités dans les menus déroulants.
Modifiez-les en cliquant sur le bouton I sous paramètres. Une fois terminé, fermez la fenêtre. Dans la fenêtre principale des fonctionnalités, cliquez sur le bouton Afficher l’ensemble de données pour afficher les ensembles de données actuels.
Ensuite, sélectionnez l’ensemble de données à afficher, puis cliquez sur le bouton Ouvrir. Lorsque vous avez terminé, cliquez sur le bouton de sortie. Afin de préparer la sortie, cliquez d’abord sur l’icône de résultat, puis cliquez sur l’ensemble de données sur lequel exécuter les fonctionnalités, sous la première étape, et cliquez sur l’ensemble de fonctionnalités à exécuter sur les données sélectionnées sous la deuxième étape.
Ensuite, cliquez sur le bouton Afficher les données pour afficher l’ensemble de données sélectionné, puis sur le bouton Afficher les fonctionnalités pour afficher l’ensemble de fonctionnalités sélectionné. Enfin, cliquez sur le bouton Calculer et enregistrer le résultat. Entrez le nom de fichier des résultats et sélectionnez Enregistrer.
Le résultat d’IBEX est une feuille de calcul de trois feuilles. Voici une sortie plus compliquée avec plus de régions d’intérêt et de fonctionnalités sélectionnées que ce qui a été exécuté dans ce tutoriel vidéo. La première feuille contient les valeurs de caractéristiques pour chaque région d’intérêt placée dans l’ensemble de données.
Pour les fonctions de matrice de cooccurrence de niveau de gris et de matrice de durée d’exécution de niveau de gris, une valeur est générée pour chaque direction dans laquelle la matrice est calculée, ainsi qu’une matrice moyenne dans toutes les directions désignée par 333. La quatrième ligne indique la catégorie de fonctionnalité et la cinquième ligne indique l’en-tête de cette colonne, désignée soit l’index, l’image, la région d’intérêt, le MRN ou la caractéristique spécifique. La deuxième feuille contient les informations de données.
Il s’agit d’informations sur l’image à partir de laquelle la région d’intérêt a été obtenue, telles que les dimensions voxyles X, Y et Z. La troisième feuille contient les informations sur les fonctionnalités. Les fonctionnalités sont séparées par leur catégorie.
Les paramètres de la catégorie de fonction sont répertoriés dans la deuxième colonne. Toutes les fonctionnalités sélectionnées pour cette catégorie sont répertoriées dans la troisième colonne. La cinquième colonne montre le prétraitement qui a été appliqué aux fonctions, et la sixième colonne montre les paramètres du prétraitement.
Une fois maîtrisé, cet outil peut être utilisé pour extraire efficacement les données de texture des images médicales. Il est important de ne pas oublier d’examiner attentivement toutes les données, notamment en vous assurant que le prétraitement et les autres paramètres de fonctionnalité sont importants. Par exemple, utilisez l’outil de révision IBEX pour examiner attentivement les images de post-traitement.
Après son développement, cette technique a ouvert la voie aux chercheurs dans le domaine de la radiomique pour explorer l’utilisation d’images pour stratifier les patients en vue d’obtenir des résultats tels que le contrôle local régional et les patients atteints de cancer. Après avoir regardé cette vidéo, vous devriez avoir une bonne compréhension de la façon d’utiliser IBEX pour extraire des caractéristiques d’image à partir d’images médicales. Vous pouvez ensuite intégrer ces caractéristiques d’image dans des approches statistiques ou d’apprentissage automatique pour en savoir plus sur le phénotype tumoral.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
IBEX est un outil open-source conçu pour les études radiomicques en imagerie médicale, permettant l'extraction de caractéristiques d'image quantitatives liées à la forme et à la texture. Cet outil facilite l'analyse d'incertitude et la construction de modèles dans la recherche radiomicque.
Composants clés de l'étude
Domaine de la science
- Imagerie médicale
- Radiomics
- Analyse quantitative
Contexte
- La radiomics implique l'extraction de caractéristiques à partir d'images médicales pour prédire les résultats des patients.
- IBEX est convivial et a un historique d'application dans les modèles pronostiques.
- L'outil soutient la recherche dans la compréhension des réponses tumorales aux traitements.
- Il peut quantifier les changements dans les tissus tout au long du traitement.
Objectif de l'étude
- Fournir un outil complet pour l'extraction de caractéristiques d'image en radiomics.
- Améliorer la compréhension des corrélations entre les caractéristiques d'image et les résultats des patients.
- Soutenir l'analyse d'incertitude dans la construction de modèles.
Méthodes utilisées
- Extraction de caractéristiques d'image quantitatives utilisant IBEX.
- Analyse des caractéristiques de forme et de texture à travers les catégories de matrice de cooccurrence des niveaux de gris.
- Application de la radiomics dans l'évaluation des réponses tumorales au traitement.
- Présentation de travaux publiés utilisant IBEX pour l'analyse d'incertitude.
Résultats principaux
- IBEX facilite l'extraction de caractéristiques d'image pertinentes pour la modélisation pronostique.
- Démonstration du potentiel pour fournir des insights sur les phénotypes tumoraux.
- Souligne la facilité d'utilisation et la nature open-source de l'outil.
- Présentation d'applications réussies dans la recherche clinique.
Conclusions
- IBEX est une ressource précieuse pour les chercheurs dans le domaine de la radiomics.
- L'outil améliore la capacité d'analyse et d'interprétation des données d'imagerie médicale.
- Il soutient le développement de modèles qui peuvent informer les décisions de traitement.
Questions fréquemment posées
Executive Industry Relevance
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.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables systematic extraction of imaging features for hypothesis-driven biomarker discovery.
- Supports mechanistic de-risking by quantifying tumor phenotype and tissue heterogeneity.
- Facilitates robust target validation through standardized, quantitative imaging outputs.
Screening & Assay Development
- Prepares validated imaging feature sets for downstream statistical and machine learning analyses.
- Ensures reproducibility and comparability of quantitative outputs across studies and cohorts.
- Enables scalable screening of imaging biomarkers for predictive model integration.
Translational & Preclinical Research
- Aligns imaging feature extraction with translational biomarker strategies in preclinical and clinical datasets.
- Supports continuity from discovery imaging to survival model development and outcome stratification.
- Reduces translational risk by standardizing feature calculation and parameter documentation.
Pipeline & Workflow Integration
IBEX integrates into the imaging biomarker pipeline from early discovery through translational research, supporting feature extraction, data harmonization, and model-ready output generation.
- Discovery Biology: Quantitative feature extraction enables hypothesis testing and pathway analysis in imaging datasets.
- Screening: Standardized preprocessing and feature selection ensure assay readiness and reproducibility.
- Analytics: Spreadsheet outputs provide structured, quantitative data for statistical comparison and model building.
- Translational Research: Supports biomarker alignment and risk-adjusted advancement decisions in preclinical and clinical imaging studies.
- Enterprise Reuse: Open-source architecture and parameter transparency facilitate cross-project and cross-site adoption.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in imaging biomarker research.
- Operational Value: Delivers standardized, reproducible, and scalable imaging feature extraction workflows.
- Strategic Value: Improves go/no-go decision quality and capital efficiency by enabling robust imaging analytics.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of biomarker-driven programs.
Implementation Considerations
- Requires expertise in imaging analysis and radiomics feature interpretation.
- Needs access to DICOM imaging data and compatible computational infrastructure.
- Demands cross-team standardization of preprocessing and feature selection parameters.
- Adaptation across imaging modalities and disease models may require parameter optimization.
- Careful review of preprocessing and feature settings is critical for reproducibility and data integrity.
