Name: Linee guida ed esperienza utilizzando Imaging Biomarker Explorer (IBEX) per Radiomics (Video) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: Scopri come utilizzare IBEX per estrarre caratteristiche quantitative da immagini mediche in studi di radiomica. Questo strumento open-source facilita l'analisi di forma e texture per modelli prognostici.

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 è finanziato dal Rosalie B. Hite Istituto europeo di oncologia e American Legion ausiliario Fellowship. Carlos Cardenas è stato finanziato dalla compagnia George M. Stancel PhD nelle scienze biomediche. Lo sviluppo dello stambecco è stato finanziato il NCI (R03 CA178495).

1. installare IBEX
Nota: Per installare una versione di codice sorgente andare al punto 1.1. In alternativa, per installare una versione stand-alone andare al punto 1.2.
<ol><li>
Versione del codice sorgente
	<ol>
<li>Andare all'IBEX codice sorgente versione sito Web3. Scaricare i file "IBEX_Source.zip" e "How_to_use.pdf". Esaminare il file "How_to_use.pdf" per trovare i pre-requisiti per utilizzare l'ultima versione di stambecco. Nota: IBEX funziona solo su versioni a 32 bit e 64 bit Matlab 2011a e 2014b, rispettivamente.</li>
		<li>Una volta completato il download, decomprimere il "IBEX_Source.zip" e aggiungere la cartella di \IBEX_Source per il percorso locale. Nota: Le istruzioni su come aggiungere un percorso possono essere trovate nella pagina riferimenti software per "Aggiungi percorso"26.</li>
		<li>Digitare "IBEXMain" nella finestra di comando per avviare IBEX.</li>
	</ol>
</li>
	<li>
Versione stand-alone
	<ol>
<li>Andare al IBEX versione stand-alone sito4. Se l'installazione di IBEX per la prima volta, andare alla cartella "Dipendenze" e scaricare/installare il "MCRInstaller.exe", vc2005redist_x86_new.exe, "e"vc2012redist_x86.exe"file. Dalla pagina principale, Scarica il "IBEX.exe," "IBEX.ctf," "IBEX.ini," e "How_to_use.pdf" file nella stessa cartella. Esaminare il file "How_to_use.pdf" per i pre-requisiti utilizzare l'ultima versione di stambecco.</li>
		<li>Fare doppio clic su "IBEX.exe" per avviare IBEX.</li>
	</ol>
</li>
</ol>2. impostare la posizione
Nota: Le immagini vengono importate in questa località impostata e i dati per questo studio sono memorizzati qui pure. IBEX usi più precedentemente applicati posizione come posizione predefinita quando ha rilanciato.
<ol><li>Fare clic sull'icona "Posizione" (Figura 1).</li>
	<li>Utente di selezionare o fare doppio clic su "Nuovo utente" per creare una nuova cartella utente. Se creare una nuova cartella utente, immettere il nome nella nuova finestra fare clic sul pulsante "OK".</li>
	<li>Selezionare il sito entro l'utente selezionato o fare doppio clic su "Nuovo sito" per creare una nuova cartella di sito. Se creare una nuova cartella utente, immettere il nome nella nuova finestra fare clic sul pulsante "OK".</li>
	<li>Fare clic sul pulsante "OK" nella parte inferiore.</li>
</ol>3. importare immagini
<ol><li>Fare clic sull'icona di "Importazione" (Figura 1).</li>
	<li>Selezionare DICOM o Pinnacle9 (versione file di Pinnacle 9) formato facendo clic sul nome del formato. Per importare DICOM immagini andare al punto 3.3.1. Per importare Pinnacle9 file andare al punto 3.3.2.</li>
	<li>Fare clic sul pulsante "Avanti".<ol>
<li>Importare immagini DICOM Nota: Per importare pazienti andare individualmente al punto 3.3.1.1. Per importare più pazienti contemporaneamente andare al punto 3.3.1.2.<ol>
<li>Importare ogni paziente individualmente selezionando la cartella paziente tramite la directory.<ol>
<li>Fare clic sul pulsante "..." accanto la directory elencata per selezionare la cartella paziente contenente le immagini DICOM e struttura di radiazione set file DICOM (opzionale). Nota: Mentre è solo opzionale importare una struttura con le cartelle dei pazienti, si consiglia di farlo. IBEX hanno una contorno del piattaforma all'interno di esso, ma questo è un po ' poco pratico per i DataSet di grandi dimensioni. IBEX può ospitare gruppi di struttura di piattaforme di software commerciale che ha familiarità utensili sagomati per gli oncologi di radiazione, che rende il flusso di lavoro molto più facile. Questo è in genere come IBEX è utilizzato negli studi.</li>
				<li>Fare clic sul pulsante "Importa" in basso a sinistra una volta IBEX ha terminato la ricerca i file DICOM, il paziente e scatole di dettagli verranno popolati.</li>
				<li>Ripetere i passaggi 3.3.1.1.1 - 2 per ogni paziente.</li>
				<li>Dopo che tutti i pazienti vengono importati, fare clic sul pulsante "Esci".</li>
			</ol>
</li>
			<li>Importare tutti i pazienti contemporaneamente selezionando la casella 'Cartella Batch' in alto a destra. Nota: Tutti i pazienti devono avere una cartella separata che contiene i rispettivi file DICOM.<ol>
<li>Fare clic sul pulsante "..." accanto la directory elencata per selezionare la cartella che contiene tutte le cartelle in paziente con le loro corrispondenti immagini DICOM e struttura di radiazione set file DICOM (opzionale).</li>
				<li>Fare clic sul pulsante "Importa". I pazienti verranno importati in sequenza. Dopo che tutti i pazienti vengono importati, fare clic sul pulsante "Esci".</li>
			</ol>
</li>
		</ol>
</li>
		<li>File di Pinnacle<ol>
<li>Configurare l'Host di Pinnacle e Database all'interno del file "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Prima di selezionare Pinnacle nella casella del modulo di importazione, fare clic sul pulsante "Config".</li>
			<li>Selezionare il corretto Pinnacle Host e Database.</li>
			<li>Immettere il paziente MRN, il cognome o il nome, quindi fare clic su altrove nella finestra.</li>
			<li>Fare clic sul pulsante "Query".</li>
			<li>Selezionare il paziente nella nuova finestra, quindi fare clic sul pulsante "Trasferimento".</li>
			<li>Fare clic sulla casella dei set da quel paziente nella finestra nuova immagine desiderata e fare clic sul pulsante "OK".</li>
			<li>Fare clic sul pulsante "OK" nella nuova finestra con l'etichetta "Dati importati correttamente."</li>
			<li>Dopo che tutti i pazienti vengono importati, fare clic sul pulsante "Esci".</li>
		</ol>
</li>
	</ol>
</li>
</ol>4. visualizzazione di immagini e regioni di interesse (ROI)
<ol><li>Fare clic sull'icona "Dati" (Figura 1). Fare clic sul file paziente desiderato per aprire nella sezione "Selezionare un paziente" della GUI (metà superiore).</li>
	<li>Fare clic sul set di immagine del file paziente desiderato per aprire nella sezione "Seleziona immagine. set" della GUI (metà inferiore). Fare clic sul pulsante "Aprire".</li>
	<li>Utilizzare le frecce sotto le immagini per scorrere le immagini, che sono indicati in assiale, coronale, e viste sagittali (da sinistra a destra).</li>
	<li>Ingrandire l'immagine facendo clic sul pulsante "Zoom" (Figura 2). Disegnare una casella sul piano dell'immagine per lo zoom. Fare clic con il tasto destro per rimpicciolire.</li>
	<li>Attivare i localizzatori selezionando il pulsante "Intersezione" (Figura 2). Nota: Le linee che appaiono mostrano dove si trova quella fetta in ogni piano. Queste linee si muovono quando usando le frecce di scorrimento.</li>
	<li>Fare clic sul pulsante "Righello" (Figura 2) per misurare le distanze. Fare clic e tenere premuto il pulsante sinistro del mouse per misurare tra i due punti di interesse. Rilasciare il mouse per rimuovere il valore misurato dall'area visualizzata.</li>
	<li>Fare clic sul pulsante "CT Num" (Figura 2) per misurare il valore di un voxel. Cliccare e tenere premuto il tasto sinistro del mouse su voxel di interesse e il valore verrà visualizzata sul lato sinistro della GUI sotto la scala di colore. Rilasciare il mouse per rimuovere il valore misurato dall'area visualizzata.</li>
	<li>Clicca sul pulsante "W/L" (Figura 2) a livello di finestra sulle immagini. Un'altra finestra pop-up. Trascinare i lati destro e sinistro per l'area desiderata oppure immettere manualmente il livello di finestra in caselle di finestra e livello nella parte inferiore della finestra di nuova. Selezionare la finestra livelli utilizzando il primo menu a discesa a sinistra ( Figura 2): ci sono 8 per CT e 1 per PET.</li>
	<li>Scale di colori differenti disponibili utilizzando il secondo menu drop down a sinistra (Figura 2): ci sono 9 opzioni tra cui scegliere.</li>
	<li>Visualizzare ROIs facendo clic sulla casella accanto il ROI per renderlo visibile sulle immagini, o fare clic sul pulsante "Su tutte le ROIs" per accendere tutti i paziente ROIs.</li>
</ol>5. modifica di ROI
<ol><li>Modificare ROIs facendo clic sul pulsante "Edit ROIs" in alto a sinistra o in basso al centro. Selezionare il contorno da modificare facendo clic sulla casella accanto al relativo nome.</li>
	<li>Utilizzare il pulsante di "Nudge contorni" (Figura 3) per spingere i contorni dentro o fuori come già disegnato. Regolare la dimensione del cerchio utilizzato nella casella denominata "D" accanto al pulsante Nudge contorni.</li>
	<li>Rimuovere una fetta intero contorno utilizzando il pulsante "Tagliare contorni" (Figura 3). Fare clic e tenere premuto il pulsante sinistro del mouse e disegnare una casella attorno il ROI per essere rimosso.</li>
	<li>Disegnare i contorni Nota: Andare al punto 5.4.1 disegnare contorni da punti di collegamento. Andare al punto 5.4.2 disegnare contorni a mano libera.<ol>
<li>Punti di collegamento: Utilizzare il pulsante "Draw contorni (1)" (Figura 3) per disegnare un contorno su ogni fetta facendo clic su punti intorno al contorno dove i punti sono collegati da linee rette. Completare il ROI per quella fetta facendo clic sul primo punto disegnato.</li>
		<li>Mano libera: Utilizzare il pulsante "Disegnare contorni (2)" (Figura 3) per disegnare un contorno a mano libera. Tenere premuto il pulsante sinistro del mouse per disegnare il contorno sulla fetta. Finire il contorno su quella fetta di tornare all'inizio del ROI disegnato e poi rilasciando il pulsante sinistro del mouse.</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Interpolare contorni" (Figura 3) per interpolare ROIs tra fette.</li>
	<li>Fare clic sul pulsante "ROI copia" per copiare il ROI.</li>
	<li>Unire ROIs selezionando più ROIs e facendo clic sul pulsante "Merge ROI".</li>
	<li>Fare clic sul pulsante "Elimina ROI" per eliminare il ROI attualmente selezionato.</li>
	<li>Fare clic su "Creare ROI" per creare un nuovo ROI che causerà una finestra pop-up. Immettere il nome del ROI e fare clic sul pulsante "OK". Fare clic sul pulsante "Salva". Fare clic sul pulsante "Exit" per tornare al visualizzatore di paziente.</li>
</ol>6. contorni nel Set di dati
<ol><li>Contorni della vista nel set di dati<ol>
<li>Fare clic sul pulsante "Visualizza Set di dati" per visualizzare i contorni nel set di dati. Clicca sul nome del set di dati per visualizzare. Fare clic sul pulsante "Aprire". Selezionare paziente contorni utilizzando la casella accanto al loro nome. Fare clic sul pulsante "Delete", "Move" o "Copia", a seconda della funzione desiderata per quel contorno. Chiudere la finestra set di dati una volta aver visualizzato il set di dati.</li>
	</ol>
</li>
	<li>Aggiungere contorni al set di dati<ol>
<li>Selezionare contorni da aggiungere a un set di dati facendo clic sulla casella accanto al loro nome, quindi fare clic sul pulsante "Aggiungi al Set di dati". Clicca sul nome del set di dati per aggiungere i contorni o fare clic sul pulsante "New" per un nuovo set di dati. Se New è selezionata, è possibile immettere il nome del set di dati nella nuova finestra. Fare clic sul pulsante "OK".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Importa ROIs" per importare un file. ROI 9 versione di Pinnacle se contorni non sono stati caricati durante la sezione 3.<ol>
<li>Fare clic sul pulsante "..." per selezionare il file. Fare clic sul pulsante "Importa".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Esporta ROIs" per esportare ROIs.<ol>
<li>Fare clic sul pulsante "..." per selezionare la directory in cui deve essere inserito ROIs esportato. Clicca sul nome del formato che è comodo per il ROIs esportato. Immettere le informazioni di trasformazione in forma anonima se è comodo. Fare clic sul pulsante Esporta. Nota: L'impostazione predefinita è per nessuna trasformazione in forma anonima essere eseguita.</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Exit" per tornare all'elenco dei pazienti e scansioni.</li>
</ol>7. creare il Set di funzionalità
<ol><li>Fare clic sull'icona "Caratteristica".</li>
	<li>Se necessario, aggiungete la pre-elaborazione.<ol>
<li>Fare clic sul pulsante "Aggiungi" sotto "Step1: pre-elaborazione". Selezionare l'opzione pre-elaborazione dal menu a discesa nella finestra nuova.</li>
		<li>Fare clic su "i" sotto "V." per selezionare i parametri pre-elaborazione. Fare clic sul numero nella colonna valore nella nuova finestra del parametro per modificarlo. Digitare il nuovo valore di parametro e fare clic sul pulsante "OK".</li>
		<li>Fare clic sul pulsante "question mark" in alto a destra per una descrizione del metodo di pre-elaborazione e la pre-elaborazione di parametri specifici.</li>
		<li>Fare clic sul pulsante "Aggiungi". Selezionare la fase di pre-elaborazione e fare clic sul pulsante "Elimina" per eliminare indesiderati passaggi di pre-elaborazione.</li>
	</ol>
</li>
	<li>Aggiungere le funzionalità desiderate.<ol>
<li>Selezionare la categoria di funzionalità dal menu a discesa sotto "passaggio 2: Categoria caratteristiche:". Ripetere i passaggi per più categorie. Nota: Solo una categoria di funzioni possa essere aggiunti alla volta. Diverse combinazioni di categorie di pre-elaborazione e funzionalità possono essere aggiunti alla stessa funzionalità impostare se lo si desidera.<ol>
<li>Selezionare il "GrayLevelCooccurenceMatrix25" e le categorie di funzionalità "NeighborIntensityDifference25" per calcolare il livello grigio co-avvenimento matrice e quartiere intensità differenza matrice, rispettivamente, in 2.5 D, che è fatto calcolando la matrice su ogni fetta singolarmente e poi sommando tutte le matrici insieme.</li>
			<li>Selezionare il "GrayLevelCooccurenceMatrix3" e le categorie di funzionalità "NeighborIntensityDifference3" per calcolare il livello grigio co-avvenimento matrice e quartiere intensità differenza matrice, rispettivamente, in 3D.</li>
		</ol>
</li>
		<li>Fare clic su "i" sotto "V." per i parametri selezionati per quella pre-elaborazione. Fare clic sul pulsante "question mark" in alto a destra per una descrizione dei parametri e il metodo di pre-elaborazione.<ol>
<li>Digitare il nuovo valore di parametro e fare clic sul pulsante "OK".</li>
		</ol>
</li>
		<li>Fare clic sul pulsante "Test" per visualizzare una categoria caratteristica o funzionalità specifica. Fare clic sul pulsante accanto alla funzione o alla categoria desiderata.<ol>
<li>Selezionare il set di dati per visualizzare il test su e clicca sul pulsante "Apri". Seleziona la casella accanto ai pazienti dal set di dati selezionato per visualizzare il test su e fare clic sul pulsante "Test".</li>
		</ol>
</li>
		<li>Deselezionare caratteristiche indesiderate per la categoria selezionata; tutte le funzionalità sono selezionate dopo aver selezionato la categoria. Fare clic sulla parola "caratteristiche:" sotto "Step2: Features" per deselezionare tutte le funzioni.</li>
		<li>Fare clic sul pulsante "Aggiungi al Set Feature" per aggiungere tutte le funzionalità selezionate con selezionati di pre-elaborazione.<ol>
<li>Selezionare il set di funzionalità per aggiungere funzionalità per e fare clic sul pulsante "Aprire" o fare clic sul pulsante "Nuovo" per aggiungere funzionalità a un nuovo set di funzionalità. Se creare un nuovo set di funzionalità, immettere il nome della funzionalità impostata nella nuova finestra e fare clic sul pulsante "OK".</li>
		</ol>
</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Visualizza funzionalità Set" per visualizzare le funzionalità con tecniche di pre-elaborazione corrispondente per visualizzare le funzioni in un set di funzionalità.<ol>
<li>Selezionare il set di funzionalità per visualizzare e fare clic sul pulsante "Aprire" o fare clic sul pulsante "Nuovo" per creare un nuovo set di funzionalità. Se creare un nuovo set di funzionalità, immettere il nome della funzionalità impostata nella nuova finestra e fare clic sul pulsante "OK".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Visualizza Set di dati" per visualizzare i set di dati corrente.<ol>
<li>Selezionare il set di dati per visualizzare e fare clic sul pulsante "Aprire" o fare clic sul pulsante "New" per creare un nuovo set di dati. Se creare un nuovo set di dati, immettere il nome del set di dati nella nuova finestra e fare clic sul pulsante "OK".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Exit".</li>
</ol>8. uscita caratteristiche
<ol><li>Fare clic sull'icona di "Risultato". Fare clic sul set di dati per eseguire le funzionalità sotto "passaggio 1: Set di dati." Fare clic sulla funzionalità impostata per essere eseguito sui dati selezionati sotto "passaggio 2: Set di funzionalità."</li>
	<li>Fare clic sul pulsante "Visualizza dati" per visualizzare il set di dati selezionato. Fare clic sul pulsante "Vista Feature" per visualizzare il set di funzionalità selezionata.</li>
	<li>Fare clic sul pulsante "Calcola e salva il risultato". Immettere il nome di file per i risultati e clicca sul pulsante "Salva".</li>
</ol>9. statistica Model Building
<ol><li>Aprire il file di risultati salvati. Nota: si tratta in genere sotto C:\IBEX\DataIbex\[Selected utente in Step 2.2] \ [sito selezionato nel passaggio 2.3] \1FeatureResultSet_Result, a meno che non altrimenti assegnato al punto 8.4.</li>
	<li>Utilizzare i dati da diverse schede nei test statistico desiderato o modello costruzione nel software. Nota: Il protocollo può essere messo in pausa in qualsiasi momento. Tuttavia, è più conveniente dopo aver terminato tutti i passaggi necessari per una particolare icona, ad esempio, tutti della sezione 7, che si trova sotto l'icona della funzionalità di finitura.</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>

Gli autori non hanno nessun concorrenti interessi finanziari di divulgare.

IBEX è un potente strumento per la ricerca di radiomics formazione immagine medica. Per lo più finora è stato utilizzato per scopi di oncologia di radiazione negli studi condotti dal gruppo di radiomics MD Anderson. IBEX permette per la manipolazione di ROIs e calcolo di funzioni all'interno di 5 categorie di caratteristica principale. La versione del codice sorgente di stambecco consente all'utente di progettare applicazioni che non fanno già parte di stambecco, ad esempio funzionalità di matrice di zona grigia di livel...

In medicina, la diagnosi di malattia paziente in genere incorpora un gran numero di esami diagnostici come i raggi x, ecografia, tomografia computerizzata (TC), risonanza magnetica (MRI), e le scansioni di tomografia a emissione di positroni (PET) per aiutare nella determinazione del corso di cura del paziente. Mentre i medici usano queste immagini per valutare qualitativamente la diagnosi del paziente, ci possono essere ulteriori caratteristiche quantitativi che possono essere estratti per guidare la cura del paziente. La spiegazione razionale è che queste caratteristiche possono rappresentare proteomica e genomiche modelli espressi su scala macroscopica1. Combinando questa informazioni quantitative con informazioni cliniche correnti, ad esempio, i dati demografici, possono permettere più individualizzato di cura paziente. Questa è la teoria dietro radiomics: dispongono di analisi delle immagini a livello di voxel. Le caratteristiche in genere rientrano in 5 categorie principali: grigio matrice livello co-avvenimento, matrice di lunghezza di esecuzione livello grigio, quartiere intensità differenza matrice, istogramma e forma.
Imaging Biomarker Explorer (IBEX) è uno strumento open-source per radiomics lavoro2. L'interfaccia utente grafica (GUI) è stata sviluppata al MD Anderson Cancer Center con l'obiettivo di facilitare l'estrazione e il calcolo delle caratteristiche quantitative per assistere nel processo decisionale nella cura del cancro. Una fonte codice3 e una versione stand-alone4 sono disponibili online. IBEX calcola le 5 categorie più comuni di funzionalità utilizzate in radiomics medica con parametri che possono essere impostati per ogni categoria di funzionalità. Le categorie sono: grigio livello co-avvenimento matrice5, grigio lunghezza di esecuzione livello matrice6,7, intensità, quartiere intensità differenza matrice8e forma. Poiché IBEX è open source, consente risultati estrazione caratteristica armonizzate attraverso istituzioni di confrontare facilmente radiomics diversi studi. Tutte le caratteristiche all'interno dello stambecco sono descritte nel documento iniziale di Zhang et al. 2
Lo scopo di questo manoscritto è quello di fornire indicazioni su come utilizzare IBEX e dimostrare le sue applicazioni attraverso studi pubblicati pari-esaminati dal gruppo di radiomics MD Anderson. Dal suo rilascio al pubblico nel 2015, IBEX è stato utilizzato per calcolare le caratteristiche dalle immagini di scansione CT, MRI e PET dal gruppo radiomics MD Anderson, indagando in genere caratteristiche per migliorare la sopravvivenza clinica modelli9,10, 11,12,13,14,15,16,17,18,19,20 e dall'esterno delle istituzioni21,22,23,24. Ulteriori indicazioni su strumenti software che possono essere utilizzati per i passaggi nella ricerca di radiomics che non sono inclusi in IBEX si trovano nella Corte et al. 25
Un'introduzione generale al flusso di lavoro di stambecco vi aiuterà a organizzare i dati correttamente prima di avviare progetti di radiomics utilizzando IBEX. Se l'importazione di immagini DICOM, IBEX richiede che ogni paziente ha la propria cartella con le loro immagini DICOM. DICOM radiazione struttura set per includere nella cartella paziente è opzionale, ma si consiglia invece di utilizzare la piattaforma di contornatura in IBEX. Per facilitare l'importazione di tutti i pazienti per uno studio specifico, tutte le cartelle paziente possono essere messi in una cartella insieme affinché tutti i dati possono essere importati in IBEX utilizzando solo un passo. Se l'importazione di pazienti da Pinnacle, è meglio avere la struttura impostata con il piano di paziente. Come i pazienti possono avere più insiemi di immagini e piani all'interno di Pinnacle, è meglio sapere quale immagine set e piano siano corrette prima dell'importazione. Tempo di calcolo è una preoccupazione, riducendo il numero di fette di immagine per un paziente può drasticamente ridurre tempo. Ad esempio, se solo il fegato è di interesse in uno studio, ma i pazienti hanno scansioni CT completo del corpo, riducendo le fette DICOM solo nella misura dell'area di interesse possono abbreviare il tempo di calcolo (ad esempio, riducendo il DICOM da 300 fette a 50 fette può prendere 1/6t h il tempo). Ci sono diversi strumenti disponibili per eseguire questa fetta di riduzione, da manuale a semi-automatico.

<table><tbody><tr><td>Excel</td><td>Microsoft Office</td><td></td><td>Qualsiasi versione di Excel dovrebbe funzionare.</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td><td>utilizza IBEX solo su Matlab 2011a a 32 bit o Matlab 2014b a 64 bit.</td></tr></tbody></table>

linee guida ed esperienza utilizzando imaging biomarker explorer (ibex) per radiomics

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

Imaging Biomarker Explorer (IBEX) è uno strumento open source per medical imaging radiomics lavoro. Lo scopo di questa carta è di descrivere le modalità per utilizzare l'interfaccia utente grafica di IBEX (GUI) e dimostrare come stambecco calcolato caratteristiche sono stati utilizzati negli studi clinici. IBEX consente l'importazione di immagini DICOM con DICOM radiazioni terapia struttura file o file di Pinnacle. Dopo aver importate le immagini, IBEX ha strumenti all'interno della GUI di selezione dati per modificare la visualizzazione delle immagini, valori di misura voxel e distanze e creare e modificare i contorni. IBEX è dotato di 27 scelte di caratteristica di pre-elaborazione e 132 per la progettazione di insiemi di funzionalità. Ogni categoria di pre-elaborazione e funzionalità dispone di parametri che possono essere modificati. L'output di IBEX è un foglio di calcolo contenente: 1) ogni funzionalità dal set calcolati per ogni contorno in un set di dati, informazioni di immagine 2) su ogni contorno in un set di dati e 3) una sintesi della pre-elaborazione di caratteristiche e funzionalità utilizzate con loro selezionati parametri. Caratteristiche calcolati da Stambecco sono stati utilizzati negli studi per testare la variabilità delle caratteristiche nelle diverse condizioni di imaging e nei modelli di sopravvivenza per migliorare i modelli clinici attuali.

L'output di IBEX è un foglio di calcolo (Vedi Figura 4) che contiene 3 schede. Nella scheda "Risultati" contiene i valori della funzione per ogni ROI nel set di dati (Figura 4A). La scheda "Dati Info." contiene informazioni sulle immagini scattate da ogni ROI nel set di dati (Figura 4B). La scheda "Feature Info." contiene un elenco completo delle funzionalità utilizz...

Descriviamo IBEX, uno strumento open source progettato per studi di radiomics di imaging medico e come utilizzare questo strumento. Inoltre, sono in mostra alcune opere pubblicate che hanno usato IBEX per analisi di incertezza e modello di edificio.

Linee guida ed esperienza utilizzando Imaging Biomarker Explorer (IBEX) per 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'obiettivo generale di questo strumento software è quello di estrarre le caratteristiche quantitative dell'immagine che rientrano nella forma o nella trama, come le categorie di matrici di co-occorrenza a livello di grigio. Questo strumento può essere utilizzato per rispondere ad alcune domande chiave nel campo della radiomica. Ad esempio, è possibile estrarre le caratteristiche quantitative dell'immagine e osservare le correlazioni tra esse e gli esiti dei pazienti nella radioterapia.Il vantaggio principale di questa tecnica è che è open source, è facile da usare e ha una lunga storia di persone che la utilizzano per estrarre funzionalità da utilizzare nei modelli prognostici. La radiomica ha il potenziale per fornire informazioni sulla probabile risposta di un tumore a determinati trattamenti e quindi può fornire informazioni aggiuntive che il personale clinico può utilizzare per determinare l'adeguatezza dei trattamenti alternativi. La radiomica può fornire informazioni sul fenotipo del tumore, può anche essere applicata all'allosistanza come la quanitificazione dei cambiamenti di più tessuto durante il trattamento.In generale, le persone che non conoscono questo metodo avranno

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

Research

Ricerca

JoVE Journal

Engineering

Ingegneria

Qui, presentiamo un protocollo per esplorare il biomarcatore e il predittore di sopravvivenza del cancro al seno sulla base dell'analisi completa dei dataset clinici aggregati derivati da una varietà di database accessibili pubblicamente, utilizzando la strategia di espressione, correlazione e analisi di sopravvivenza passo dopo passo.

Esecuzione di data mining e analisi integrativa dei biomarcatori nel cancro al seno utilizzando più database accessibili pubblicamente

L'imaging a fascio ionico multiplexato (MIBI) viene spesso utilizzato per l'imaging di microarray di tessuti e aree di tessuto contigue e piastrellate, ma l'attuale software per l'impostazione di questi esperimenti è ingombrante. L'interfaccia tile/SED/array è uno strumento grafico intuitivo e interattivo sviluppato per semplificare e accelerare notevolmente l'impostazione dell'esecuzione MIBI.

Configurazione rapida dell'imaging di microarray tissutali e aree piastrellate sul microscopio multiplexed Ion Beam Imaging utilizzando l'interfaccia Tile/SED/Array 

La TC e la 129Xe MRI forniscono informazioni complementari sulla struttura-funzione polmonare che possono essere sfruttate per l'analisi regionale utilizzando la registrazione delle immagini. Qui, forniamo un protocollo che si basa sulla letteratura esistente per la registrazione di immagini da RM a TC 129Xe utilizzando piattaforme open source.

Imaging polmonare multimodale: utilizzo di informazioni complementari da TC e risonanza magnetica 129Xe iperpolarizzata per valutare la struttura-funzione polmonare

La combinazione di IBEX (iterative bleaching-extends-multiplexity) e di un saggio commerciale di marcatura dei nucleotidi (Click-iT EdU) consente il rilevamento e la categorizzazione dei tipi di cellule in divisione in processi altamente dinamici in sezioni fisse di tessuto murino congelato. Inoltre, una nuova pipeline di elaborazione delle immagini open source fornisce l'acquisizione e l'analisi delle immagini ad alto rendimento.

Flusso di lavoro di imaging e analisi ad alto rendimento per la valutazione dei fenotipi delle cellule cutanee e degli stati di proliferazione nei campioni di tessuto

Qui, descriviamo l'applicazione del metodo IBEX (Iterative Bleaching Extends Multiplicity) utilizzando coloratori tissutali automatizzati disponibili in commercio e considerazioni di ottimizzazione per l'uso di reagenti basati sull'amplificazione del segnale tiramidico.

Lo sbiancamento iterativo estende la molteplicità con l'uso dell'automazione della colorazione per le strutture principali

Questo articolo descrive un protocollo per l'immunofluorescenza multiplex ottimizzato per caratterizzare l'architettura tridimensionale delle metastasi peritoneali.

L'imaging tridimensionale di tessuti tumorali utilizzando lo sbiancamento iterativo estende l'approccio alla multiplexità

L'implementazione di una tecnica di fotoirradiazione versatile e a basso costo con il metodo IBEX manuale consente un imaging ottimale del tessuto umano con una significativa autofluorescenza nativa. Questo protocollo descrive in dettaglio come ottenere immagini multiplexate di vetrini interi da campioni clinici archiviati utilizzando un microscopio invertito, reagenti ampiamente disponibili e software open source per l'allineamento e l'elaborazione delle immagini.

Il flusso di lavoro ottimizzato per lo sbiancamento iterativo estende l'imaging multiplex di campioni clinici altamente autofluorescenti

Questo protocollo presenta un approccio multimodale che combina la spettroscopia Raman e la microscopia di fase tomografica per la fenotipizzazione senza marcatura e non invasiva di cellule viventi di carcinoma mammario umano. Include una pipeline di analisi facile da usare e priva di pregiudizi umani per un'analisi morfo-chimica rapida e quantitativa, fornendo informazioni molecolari e strutturali dettagliate con applicazioni nella ricerca sul cancro e nella biologia cellulare.

Un framework di imaging multimodale per far progredire la fenotipizzazione di cellule viventi di cancro al seno senza etichetta

Lo sbiancamento iterativo spettrale estende la multiplexità (IBEX) si basa sulla tecnica IBEX di base aggiungendo il blocco dell'eparina per ridurre al minimo il legame non specifico e sfruttando il rilevamento spettrale con la miscelazione computazionale per sopprimere l'autofluorescenza. Questo approccio accelera l'acquisizione delle immagini riducendo al contempo le fonti di fondo, consentendo solide analisi proteomiche spaziali multi-round e ad alto parametro.

Imaging ad alto plex con microscopia confocale spettrale per ridurre al minimo la fluorescenza tissutale non specifica

Organici fotovoltaici (OPV) i materiali sono per loro natura non omogenea su scala nanometrica. Nanoscale disomogeneità dei materiali OPV influisce sulle prestazioni dei dispositivi fotovoltaici. In questo articolo, si descrive un protocollo per la misurazione quantitativa di proprietà elettriche e meccaniche dei materiali OPV con sub-risoluzione di 100 nm.

Concurrent conducibilità quantitativa e meccaniche Misure Proprietà dei materiali organici fotovoltaici utilizzando AFM

Scopri come utilizzare IBEX per estrarre caratteristiche quantitative da immagini mediche in studi di radiomica. Questo strumento open-source facilita l'analisi di forma e texture per modelli prognostici.

Linee guida ed esperienza utilizzando Imaging Biomarker Explorer (IBEX) per Radiomics

Esplora altri video