Name: ガイドラインと Radiomics のイメージング バイオ マーカー エクスプ ローラー (アイベックス) の使用経験 (動画) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: 学ぶIBEXを用いた医療画像ラジオミクス解析。形状・テクスチャ特徴量抽出と不確実性解析により、腫瘍治療応答予測や患者層別化に有用な定量的バイオマーカーを取得するオープンソースツールの使い方を解説。

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

レイチェル Ger はロザリー B. ハイト大学院特別研究員、アメリカ在郷軍人会補助奨学金によって資金を供給します。カルロス ・ カルデナスは、生物医学のジョージ ・ m ・ Stancel 博士フェローシップによって賄われています。アイベックス テクノロジーの開発は、NCI (R03 CA178495) によって賄われていた。

<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>

著者は開示する競合金融興味を持ってないです。

アイベックスは、医療イメージング radiomics 研究のための強力なツールです。それはこれまでほとんど使用されて MD アンダーソン radiomics グループによって行わ研究で放射線腫瘍学目的のため。アイベックス ・ ロワの操作や 5 つの主な機能のカテゴリー内の機能の計算ができます。アイベックスのソース コードのバージョンでは、アイベックスのグレーゾーン レベル マトリックス機能などに含まれていないアプリケーションを設計することができます。
アイベックスに関連する主な手順は、イメージのインポート、陰影の輪郭、データ セットの Roi の選択と機能セットの作成。正確な輪郭は、機能は、これらの領域内でのみ計算し、不正確な輪郭が不正確な機能値を提供するために必要です。したがって、これらの機能間の関係が不正確な輪郭を計算され、結果は偽になります。機能のパラメーターの選択も重要なステップです。たとえば、灰色レベル共起行列のステップ サイズを変更するマトリックスから計算機能に影響します。これは調査 (例えば頭と首と非小細胞肺癌) と (例えば、画像...

医学では、患者の病気の診断は、x 線、超音波、コンピューター断層撮影 (CT)、磁気共鳴画像 (MRI) などの診断試験の数が多いを通常組み込まれていて、ポジトロン断層法 (PET) を決定する際に支援するためにスキャン、患者のケアのコースです。医師は、定性的患者の診断を評価するためにこれらのイメージを使用して、患者のケアをガイドに抽出することができます追加の定量的機能がある可能性があります。理論的根拠は、プロテオーム、マクロ スケール1で表されるゲノムのパターン、これらの機能があります。この定量的な情報を組み合わせて、現在の臨床情報、例えば、患者の人口統計より個別の患者の治療が可能です。これは radiomics の背後にある理論: ボクセル レベル上の画像の特徴解析。機能は通常、5 つの主なカテゴリに分類されます: 灰色のレベルの同時生起行列、灰色レベル ランレングス行列、近所の強度差行列、ヒストグラム、および図形。
イメージング バイオ マーカー エクスプ ローラー (アイベックス)、radiomics の仕事2のオープン ソース ツールです。グラフィカル ユーザー インターフェイス (GUI) は、MD アンダーソンがんセンターでがん医療における意思決定を支援する抽出と特徴量の計算を容易にする目的で開発されました。ソース コード3と4のスタンドアロン版がオンラインです。アイベックスは、機能ごとに設定できるパラメーターを持つ医療 radiomics で使用される機能の 5 つの最も一般的なカテゴリを計算します。カテゴリ: 灰色の図形、近所の強度差行列8、強度灰色レベル ランレングス行列6,7レベルの共起行列5。アイベックスはオープン ソースなのでこと調和機能抽出結果の機関間で異なる radiomics 研究を簡単に比較します。アイベックス内のすべての機能が張らによる初期の紙に記載されて2
本稿の目的は、MD アンダーソン radiomics グループから発表された研究の査読を通じてそのアプリケーションをデモンストレーションする、アイベックス テクノロジーを使用する方法に関するガイダンスを提供することです。2015 年に一般にリリース以来アイベックスによって使用されています CT、PET、MRI のスキャン画像から機能の計算に MD アンダーソン radiomics グループ通常臨床生存モデル9,10を改善するために機能を調査 11,12,13,14,15,16,17,18,19,20、外部機関21,22,23,24。裁判所らのアイベックスに含まれていない radiomics 研究の手順に使用できるソフトウェア ツールに関する追加のガイダンスを見つけることができます。25
アイベックスのワークフローの概要は、アイベックス テクノロジーを活用した radiomics プロジェクトを開始する前にデータを正しく整理するのに役立ちます。DICOM 画像をインポートすると、各患者が彼らの DICOM 画像で自分のフォルダーあるアイベックス テクノロジーが必要です。DICOM 放射構造のセットは患者のフォルダーに含めるオプションですが、IBEX の輪郭のプラットフォームを使用する代わりにお勧めします。インポートする特定の研究のためのすべての患者を支援するには、患者のすべてのフォルダー配置できます 1 つのフォルダーに一緒に、アイベックス 1 つだけステップを使用してにすべてのデータをインポートできます。ピナクルから患者をインポートしている場合、患者の計画と設定構造を持たせることをお勧めします。患者は複数の画像のセットとピナクル内のプランがある、最高の画像設定を把握する、インポートする前に、計画が正しいです。計算時間を重視する場合は大幅に時間を短縮できます患者の画像スライスの数を減らします。たとえば、肝臓の研究に関心があります患者が全身 CT スキャン、関心のある領域の範囲だけに DICOM スライスを減らすことは (例えば、300 のスライスから 50 スライスに、DICOM を削減することができます取る 1/6 t 計算時間を短縮できます。h の時間)。半自動] に手動からこのスライスの削減を実行する使用できるさまざまなツールがあります。

<table><tbody><tr><td>Excel</td><td>Microsoft Office</td><td></td><td>Excelのどのバージョンでも機能します。</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td>は<td>、32ビットのMatlab 2011aまたは64ビットのMatlab 2014bでのみIBEXを使用します。</td></tr></tbody></table>

ガイドラインと radiomics のイメージング バイオ マーカー エクスプ ローラー (アイベックス) の使用経験

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

イメージング バイオ マーカー エクスプ ローラー (アイベックス) は医療用画像 radiomics 仕事のためオープン ソース ツールです。本稿の目的は、アイベックスの特徴は、臨床試験で使用されている計算方法を示すため、アイベックスのグラフィカル ユーザー インターフェイス (GUI) を使用する方法を説明することです。アイベックスは、DICOM 画像のインポート、DICOM 放射線療法構造ファイルやピナクル ファイル画像をインポートすると、一度、アイベックスはメジャー ボクセル値、距離、イメージの表示を操作し、輪郭を編集作成データ選択 GUI 内でツールを持っています。アイベックスは付属機能セットを設計する 27 プリプロセスと 132 機能を選択しています。前処理と機能カテゴリごとには、変更できるパラメーターがあります。アイベックス テクノロジーからの出力が含まれているスプレッドシート: 1) 各機能各データ セットの輪郭、2) 画像データ セット、および 3) 前処理の概要の各輪郭についての計算設定機能と彼らの選択と使用される機能からパラメーター。アイベックスから計算の機能は、異なる撮像条件の下で、現在の臨床モデルを改善するために生存モデルに機能の変動をテストする研究に使用されています。

アイベックスの出力はスプレッドシート 3 つのタブを含む (図 4を参照)。「結果」タブにでは、データ セット (図 4A) の各 ROI の機能値が含まれていますいます。「データ情報」タブには、データ セット (図 4B) の各 ROI から撮影した画像についての情報にはが含まれています。「機能情報」タブには、機能カテゴリに選択したパラメーターで使用される機能の包括的なリストが含まれています、使用前処理機能 (図 4C) のカテゴリ。
アイベックスは、医用画像からの特徴は、複数のコンテキストで利用されている計算。ハ...

アイベックス、医療イメージング radiomics とどのようにこのツールを使用するために設計されたオープン ソースのツールについて述べる.また、不確かさ解析のアイベックス テクノロジーを使用しているし、モデル構築いくつかの出版された作品が展示されています。

ガイドラインと Radiomics のイメージング バイオ マーカー エクスプ ローラー (アイベックス) の使用経験

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 ...

このソフトウェアツールの全体的な目標は、グレーレベルの共起マトリックスカテゴリなどの形状やテクスチャに分類される定量的な画像特徴を抽出することです。このツールは、ラジオミクスの分野におけるいくつかの重要な質問に答えるために使用できます。たとえば、定量的な画像の特徴を抽出し、放射線治療でそれらと患者の転帰との相関関係を調べることができます。この手法の主な利点は、オープンソースであること、使いやすく、予後モデルで使用する特徴を抽出するために人々がそれを使用してきた長い歴史があることです。ラジオミクスは、特定の治療に対する腫瘍の可能性のある反応に関する情報を提供する可能性があるため、臨床スタッフが代替治療の適切性を判断する際に使用できる追加情報を提供できる。ラジオミクスは、腫瘍の表現型に関する洞察を提供するだけでなく、治療中のより多くの組織の変化を定量化するなどのアロシスタンスにも適用できます。一般に、ビット深度のリサンプリングなどのさまざまな機能に対して適切な設定を選択することが重要であるため、この方法に不慣れな個人は苦労するでしょう。視覚的なデモンストレーションは、多くの手順と詳細があるため、非常に重要です。ラジオミック研究で良好な結果を得るためには、細部への細心の注意が重要です。まず、付属のテキストプロトコルで説明されているIBEXをインストールします。インストールが完了したら、IBEXをロードし、新しいユーザーを作成してデータをインポートして保存します。次に、インポート アイコンをクリックし、形式の名前をクリックして DICOM または Pinnacle ファイル バージョン 9 形式を選択し、[次へ] をクリックします。すべての患者を一度にインポートするには、右上隅にあるバッチフォルダボックスにチェックを入れ、リストされたディレクトリの横にある[その他]ボタンをクリックします。すべての患者フォルダと、対応するDICOM画像および放射線DICOM構造ファイルを含むフォルダを選択します。最後に、終了ボタンをクリックします。まず、データアイコンをクリックして患者ファイルを読み込みます。次に、患者の選択セクションで、目的の患者ファイルをクリックして開きます。次に、[画像セットの選択]セクションで、目的の患者ファイルの画像セットをクリックし、[開く]ボタンをクリックします。矢印を使用して、軸方向、冠状、およびサジタルのビューに表示される画像をスクロールします。次に、ズーム ボタンを選択し、ズームする画像平面上にボックスを描画します。画像を右クリックしてズームアウトします。次に、ウィンドウレベルボタンをクリックします。別のボタンがポップアップし、ポップアップしたら、左側と右側を目的の領域にドラッグするか、新しいウィンドウの下部にあるウィンドウボックスとレベルボックスにウィンドウレベルを手動で入力します。左側の最初のドロップダウンメニューを使用して、さまざまなウィンドウレベルを選択します。CTには8つのオプションがあり、PETには1つのオプションがあります。関心領域を視覚化するには、関心領域の横にあるボックスをクリックして画像に表示するか、[すべてのROIs]ボタンをクリックしてすべての関心領域をオンにします。次に、等高線を表示するためのデータセットを準備します。これを実現するには、まず「データセットを表示」ボタンをクリックして、データセット内の等高線を表示します。データ・セットが表示されたら、ウィンドウを閉じます。これはインポートされたばかりの患者を持つ新しいユーザーであるため、まだデータセットは作成されていません。次に、名前の横にあるチェックボックスをクリックしてデータセットに追加する等高線を選択し、[データセットに追加]ボタンをクリックします。データセットの名前をクリックしてコンターを追加するか、新しいデータセットの新規ボタンをクリックします。「新規」を選択した場合は、新しいウィンドウにデータ・セットの名前を入力し、「OK」ボタンをクリックします。終了したら、終了ボタンをクリックして、患者とスキャンのリストに戻ります。機能アイコンをクリックし、必要に応じて追加ボタンをクリックし、新しいウィンドウのドロップダウンメニューから前処理オプションを選択することで、前処理を追加します。次に、[パラメーター] の下の [i] をクリックして、前処理パラメーターを選択します。[値] 列の下の数値を選択し、新しいパラメーター値を入力して、[OK] ボタンをクリックします。前処理方法と特定のパラメータの説明については、右上隅にある疑問符ボタンをクリックしてください。問題がなければ、追加ボタンをクリックして前処理ステップを追加します。不要な前処理ステップを削除するには、前処理ステップを選択し、[削除] をクリックします。特徴カテゴリメニューで、近傍強度差25特徴カテゴリのグレーレベル同時発生行列25を選択して、グレーレベルの共起行列と近傍強度差行列をそれぞれ2.5Dで計算します。これは、各スライスで個別に計算し、すべての行列を合計することで実現されます。別のオプションは、近傍強度差 3 フィーチャ カテゴリでグレー レベル 共起 3 を選択して、グレー レベル 共起マトリックスと近傍強度差分マトリックスをそれぞれ 3D で計算することです。[I] をクリックすると、そのフィーチャ カテゴリの選択したパラメータが表示されます。パラメータを変更するには、新しい値を入力して[OK]ボタンをクリックします。詳細については、右上隅にある疑問符をクリックしてください。すべてのパラメータが正しく設定されたら、テストボタンをクリックして、目的の機能またはカテゴリの横にあるボタンをクリックして、機能カテゴリまたは特定の機能を表示します。テストを表示するデータセットを選択し、[開く] ボタンをクリックします。選択したデータセットの患者の横にあるチェックボックスをオンにして、テストボタンをクリックします。テストに満足したら、ウィンドウを閉じます。選択したカテゴリの不要なフィーチャをオフにします。すべての機能のチェックを外すには、セット2、機能の下にある「機能」という単語をクリックします。選択したすべてのフィーチャを選択した前処理で追加するには、[フィーチャ セットに追加] ボタンをクリックします。名前と機能セットを選択して [開く] ボタンをクリックするか、これらの機能を新しいセットに追加するには、新しいボタンをクリックします。新しいウィンドウにフィーチャーセットの名前を入力し、「OK」をクリックします。次に、[フィーチャ セットの表示] ボタンをクリックして、対応する前処理手法を持つフィーチャを表示します。表示する機能セットを選択し、[開く] をクリックします。ドロップダウンメニューの前処理パラメータと機能カテゴリを確認します。パラメータの下のIボタンをクリックして編集します。終了したら、ウィンドウを閉じます。メイン機能ウィンドウで、[データセットの表示]ボタンをクリックして、現在のデータセットを表示します。次に、表示するデータセットを選択し、[開く]ボタンをクリックします。終了したら、終了ボタンをクリックします。出力を準備するには、まず結果アイコンをクリックし、次にステップ1で機能を実行するデータセットをクリックし、ステップ2で選択したデータで実行する機能セットをクリックします。次に、データの表示ボタンをクリックして選択したデータセットを表示し、続いて機能の表示ボタンをクリックして選択した機能セットを表示します。最後に、[計算して結果を保存]ボタンをクリックします。結果のファイル名を入力し、保存 を選択します。IBEXからの出力は、3枚のシートを持つスプレッドシートです。ここに示されているのは、このチュートリアル ビデオで実行したよりも多くの関心領域と選択された特徴を含む、より複雑な出力です。最初のシートには、データセットに配置された各関心領域の特徴値が含まれています。グレー レベルの共起行列とグレー レベルのランレングス マトリックスの特徴では、行列が計算される各方向の値と、333 として指定されたすべての方向の平均行列が出力されます。4 行目はフィーチャ カテゴリを示し、5 行目はそのカラムのヘッダー (インデックス、画像、関心領域、MRN、または特定のフィーチャ) を示します。2 番目のシートには、データ情報が含まれています。これは、関心領域が取得された画像に関する情報です (X、Y、Z ボキシルの寸法など)。3 番目のシートには、フィーチャ情報が含まれています。フィーチャはカテゴリ別に分かれています。フィーチャ カテゴリのパラメータは、2 列目にリストされています。そのカテゴリで選択したすべてのフィーチャが 3 列目に一覧表示されます。5 列目はフィーチャに適用された前処理を示し、6 列目は前処理のパラメーターを示します。このツールを習得すると、医療画像からテクスチャデータを効率的に抽出するために使用できます。前処理やその他の機能設定が重要であることを確認するなど、すべてのデータを注意深く確認することが重要です。たとえば、IBEX レビュー ツールを使用して、後処理の画像を慎重にレビューします。この技術は、その開発後、ラジオミクスの分野の研究者が、局所的な地域制御やがん患者などの結果を得るために患者を層別化するための画像の使用を探求する道を開きました。このビデオを見た後、IBEXを使用して医療画像から画像の特徴を抽出する方法を十分に理解しているはずです。その後、これらの画像の特徴を統計的または機械学習のアプローチに当てはめて、腫瘍の表現型について何かを学ぶことができます。

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

Research

JoVE Journal

Engineering

工学

ここでは、一般にアクセス可能なさまざまなデータベースに由来するプールされた臨床データセットの包括的な分析に基づいて、乳がんのバイオマーカーと生存率予測を探索するためのプロトコルを紹介し、表現の戦略、相関関係、および生存時間分析ステップバイステップ...

複数の公的にアクセス可能なデータベースを用いた乳癌におけるバイオマーカーのデータマイニングと統合的解析の実行

多重化イオンビームイメージング(MIBI)は、組織マイクロアレイやタイル状の連続した組織領域のイメージングによく使用されますが、これらの実験を設定するための現在のソフトウェアは煩雑です。タイル/SED/アレイ・インターフェースは、MIBIランのセットアップを劇的に簡素化し、加速するために開発された、直感的でインタラクティブなグラフィカル・ツールです。...

タイル/SED/アレイインターフェースを用いたマルチプレックスイオンビームイメージング顕微鏡における組織マイクロアレイおよびタイル状領域イメージングの迅速なセットアップ 

CTおよび 129Xe MRIは、画像レジストレーションを使用した局所分析に利用できる補完的な肺構造機能情報を提供します。ここでは、オープンソースプラットフォームを使用した 129Xe...

マルチモーダル肺イメージング:CTおよび過分極 129Xe MRIからの補完情報を使用して肺の構造機能を評価する

反復漂白拡張多重性(IBEX)と市販のヌクレオチド標識アッセイ(Click-iT...

組織サンプル中の皮膚細胞の表現型と増殖状態を評価するためのハイスループットイメージングおよび分析ワークフロー

ここでは、市販の自動組織染色装置を利用した反復漂白拡張多重度(IBEX)法の適用と、チラミドシグナル増幅ベースの試薬の使用に関する最適化の考慮事項について説明します。...

反復漂白は、コア施設の染色自動化を使用して多様性を拡張します

この記事では、腹膜転移の三次元構造を特徴付けるために最適化されたマルチプレックス免疫蛍光法のプロトコルについて説明します。...

反復漂白法を用いた担腫瘍組織の三次元イメージングは、マルチプレキシック性アプローチを拡張します

手動IBEX法による低コストで汎用性の高い光照射技術の実装により、有意な天然自家蛍光でヒト組織の最適なイメージングが可能になります。このプロトコルでは、倒立顕微鏡、広く利用可能な試薬、および画像のアライメントと処理のためのオープンソースソフトウェアを使用して、アーカイブされた臨床サンプルからマルチプレックス化されたホールスライド画像を取得する方法を詳しく説明しています。...

反復漂白に最適化されたワークフローにより、高自家蛍光の臨床サンプルのマルチプレキシティイメージングが拡張されます

このプロトコルは、生きたヒト乳がん細胞のラベルフリー、非侵襲的な表現型解析のためのラマン分光法と断層撮影位相顕微鏡を組み合わせたマルチモーダルアプローチを提示します。これには、迅速で定量的な形態化学分析のためのユーザーフレンドリーでヒューマンバイアスのない分析パイプラインが含まれており、がん研究や細胞生物学への応用で詳細な分子および構造の洞察を提供します。...

生きたラベルフリー乳がん細胞の表現型解析を進めるためのマルチモーダルイメージングフレームワーク

スペクトル共焦点顕微鏡を使用したハイプレックスイメージングにより、非特異的組織蛍光を最小化

有機太陽電池（OPV）材料は、ナノメートルスケールで本質的に不均一である。...

同時定量伝導率およびAFMを用いた有機太陽電池材料の機械的特性の測定

学ぶIBEXを用いた医療画像ラジオミクス解析。形状・テクスチャ特徴量抽出と不確実性解析により、腫瘍治療応答予測や患者層別化に有用な定量的バイオマーカーを取得するオープンソースツールの使い方を解説。

ガイドラインと Radiomics のイメージングバイオマーカーエクスプローラー (アイベックス) の使用経験

さらに動画を探す

ガイドラインと Radiomics のイメージング バイオ マーカー エクスプ ローラー (アイベックス) の使用経験

さらに動画を探す

ガイドラインと Radiomics のイメージングバイオマーカーエクスプローラー (アイベックス) の使用経験