Name: 지침 및 경험을 사용 하 여 이미징 바이오 마커 익스플로러 (아이 벡 스) Radiomics에 대 한 (동영상) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: 학습하세요 IBEX를 활용한 의료 영상 방사선학 특징 추출 방법을. 이 오픈소스 도구는 종양 형태와 텍스처 분석을 통해 환자 예후 예측 모델 구축을 지원하며 임상 연구에 활용됩니다.

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

레이첼 Ger로 잘 리 나 하이트 대학원 친교와 미국 군단 보조 친교에 의해 자금이 다. 카를로스 Cardenas 생물 과학에 조지 M. Stancel 박사 친교에 의해 자금 하고있다. 아이 벡 스의 개발은 NCI (R03 CA178495)에 의해 투자 되었다.

1. 아이 벡 스를 설치
참고: 설치 하려면 소스 코드 버전 1.1 단계로 이동. 또는, 설치를 독립 실행형 버전 1.2 단계로 이동 합니다.
<ol><li>
소스 코드 버전
	<ol>
<li>아이 벡 스 소스 코드 버전 웹사이트3로 이동 합니다. "IBEX_Source.zip" 및 "How_to_use.pdf" 파일을 다운로드 합니다. 아이 벡 스의 최신 버전을 사용 하는 필수 구성 요소를 찾을 수 "How_to_use.pdf" 파일에서 찾습니다. 참고: 32 비트 및 64 비트 Matlab 버전 에서만 작동 하는 아이 벡 스 2011a와 2014b, 각각.</li>
		<li>다운로드가 완료 되 면 "IBEX_Source.zip" 압축 해제 하 고 \IBEX_Source 폴더의 로컬 경로를 추가. 참고: 경로 추가 하는 방법에 대 한 지침 "경로 추가"26소프트웨어 참조 페이지에서 찾을 수 있습니다.</li>
		<li>아이 벡 스를 시작 하려면 명령 창에서 "IBEXMain"를 입력 합니다.</li>
	</ol>
</li>
	<li>
독립 실행형 버전
	<ol>
<li>아이 벡 스 독립 실행형 버전 웹사이트4로 이동 합니다. 처음으로 아이 벡 스를 설치 하는 경우 "종속성" 폴더로 이동 및 다운로드/설치 "MCRInstaller.exe," vc2005redist_x86_new.exe, "및"vc2012redist_x86.exe"파일. 메인 페이지에서 다운로드는 "IBEX.exe," "IBEX.ctf," "IBEX.ini," 및 "How_to_use.pdf" 파일 같은 폴더에. 아이 벡 스의 최신 버전을 사용 하 여 필수에 대 한 "How_to_use.pdf" 파일에서 찾습니다.</li>
		<li>더블 아이 벡 스를 시작 하려면 "IBEX.exe"을 클릭 하십시오.</li>
	</ol>
</li>
</ol>2. 위치 설정
참고:이 설정된 위치에 이미지 가져오는 고이 연구에 대 한 데이터도 여기 저장 됩니다. 기본 위치와 아이 벡 스 사용 가장 이전 적용 위치 때 다시 시작.
<ol><li>"위치" 아이콘 (그림 1)를 클릭 하십시오.</li>
	<li>사용자를 선택 하거나 새로운 사용자 폴더를 만들려면 "새 사용자" 두 번 클릭 합니다. 새 창에 이름을 입력 새 사용자 폴더를 만드는 경우 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>선택한 사용자 내 사이트를 선택 하거나 "새 사이트" 새 사이트 폴더를 두 번 클릭 합니다. 새 창에 이름을 입력 새 사용자 폴더를 만드는 경우 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>하단에 "확인" 버튼을 클릭 합니다.</li>
</ol>3. 이미지를 가져옵니다.
<ol><li>"가져오기" 아이콘 (그림 1)를 클릭 하십시오.</li>
	<li>DICOM을 선택 또는 서식 이름을 클릭 하 여 Pinnacle9 (피나 클 파일 버전 9) 형식. DICOM을 가져오려면 이미지 3.3.1 단계로 이동 합니다. Pinnacle9를 가져오려는 파일 3.3.2 단계로 이동 합니다.</li>
	<li>"다음" 버튼을 클릭 합니다.<ol>
<li>DICOM 이미지 가져오기 참고: 가져올 환자 개별적으로 단계로 이동 3.3.1.1. 가져오려는 여러 환자는 단계로 3.3.1.2 한 번에 이동 합니다.<ol>
<li>디렉토리를 통해 환자 폴더를 선택 하 여 각 환자를 개별적으로 가져옵니다.<ol>
<li>DICOM 이미지를 포함 하는 환자 폴더 선택 나열 된 디렉터리 옆 "..." 버튼을 클릭 하 고 방사선 구조 설정 DICOM 파일 (선택 사항). 참고: 환자 파일 설정 구조를 가져오려면 옵션입니다만, 하는 동안 그것은 좋습니다 그렇게 할. 아이 벡 스, 컨투어링 플랫폼에는 하지만이 약간 큰 데이터 집합에 대 한 실용적인 아니에요. 아이 벡 스는 워크플로 훨씬 쉽게 만드는 구조 세트 방사선 종양학에 대 한 도구 컨투어링 익숙한 하는 상용 소프트웨어 플랫폼에서 수용할 수 있습니다. 이것은 일반적으로 연구에서 아이 벡 스를 사용 하는 방법을입니다.</li>
				<li>아이 벡 스 DICOM 파일, 환자 검색 완료 하 고 세부 정보 상자를 채울 것입니다 왼쪽 하단에 "가져오기" 버튼을 클릭 합니다.</li>
				<li>3.3.1.1.1-각 환자에 대해 2 단계를 반복 합니다.</li>
				<li>모든 환자를 가져온 후 "종료" 버튼을 클릭 합니다.</li>
			</ol>
</li>
			<li>오른쪽 상단에 ' 일괄 폴더 ' 상자를 선택 하 여 모든 환자를 한 번에 가져옵니다. 참고: 모든 환자는 그들의 각각 DICOM 파일을 포함 하는 별도 폴더가 있어야 합니다.<ol>
<li>그들의 해당 DICOM 이미지와 함께 모든 환자 폴더를 포함 하는 폴더를 선택 하려면 나열 된 디렉터리 옆 "..." 버튼을 클릭 하 고 방사선 구조 설정 DICOM 파일 (선택 사항).</li>
				<li>"가져오기" 버튼을 클릭 합니다. 환자는 순차적으로 가져올 것 이다. 모든 환자를 가져온 후 "종료" 버튼을 클릭 합니다.</li>
			</ol>
</li>
		</ol>
</li>
		<li>피나 클 파일<ol>
<li>"\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI" 파일 내에서 피나 클 호스트 및 데이터베이스를 구성 합니다. 가져오기 모듈 상자에 피나 클을 선택 하기 전에 "설정" 버튼을 클릭 합니다.</li>
			<li>적절 한 피나 클 호스트 및 데이터베이스를 선택 합니다.</li>
			<li>환자 MRN, 성, 또는 이름을 입력 한 다음 다른 창에서 클릭 합니다.</li>
			<li>"쿼리"를 클릭 합니다.</li>
			<li>새 창에서 환자를 선택한 다음 "전송" 버튼을 클릭 합니다.</li>
			<li>새 창에서 해당 환자에 게 서 원하는 이미지 세트의 상자를 클릭 하 고 "확인" 버튼을 클릭 합니다.</li>
			<li>"성공적으로 가져온 데이터." 라는 레이블이 붙은 새 창에서 "확인" 버튼을 클릭</li>
			<li>모든 환자를 가져온 후 "종료" 버튼을 클릭 합니다.</li>
		</ol>
</li>
	</ol>
</li>
</ol>4. 이미지 및 지역 관심사 (ROIs)의 보기
<ol><li>"데이터" 아이콘 (그림 1)를 클릭 하십시오. 원하는 환자 파일 GUI (상반신)의 "환자 선택" 섹션에서 열을 클릭 합니다.</li>
	<li>GUI의 "이미지 집합 선택" 섹션에서 열을 원하는 환자 파일의 이미지 설정에 클릭 (아래쪽 절반). "열기" 버튼을 클릭 합니다.</li>
	<li>이미지 아래 화살표를 사용 하 여 표시 되는 축에 코로나, 이미지 및 화살 뷰 (왼쪽에서 오른쪽)를.</li>
	<li>(그림 2) "확대/축소" 버튼을 클릭 하 여 이미지를 확대 합니다. 확대/축소 하려면 이미지 평면에 상자를 그립니다. 오른쪽 축소를 클릭 합니다.</li>
	<li>"교차로" 버튼 (그림 2)를 선택 하 여 지역화를 켭니다. 참고: 나타나는는 선 각 비행기에 그 조각을 위치 표시. 이 라인 이동 화살표를 사용 하 여 스크롤할 때.</li>
	<li>(그림 2) 거리를 측정 하는 "통치자" 버튼 클릭 합니다. 관심의 두 점 간의 측정 하 마우스 왼쪽된 단추를 클릭 합니다. 표시 된 영역에서 측정 된 값을 제거 하려면 마우스를 놓습니다.</li>
	<li>(그림 2)는 복의 가치를 측정 하는 "CT Num" 버튼 클릭 합니다. 클릭 하 고 관심의 복 및 값에 마우스 왼쪽된 버튼을 누른 색 눈금 아래 GUI의 왼쪽에 팝업 됩니다. 표시 된 영역에서 측정 된 값을 제거 하려면 마우스를 놓습니다.</li>
	<li>이미지 "W/L" 버튼 (그림 2) 창/레벨을 클릭 합니다. 또 다른 창이 나타납니다. 원하는 영역을 왼쪽과 오른쪽 드래그 하거나 새 창 하단의 창 및 수준 상자에서 창/레벨을 수동으로 입력 합니다. ( 그림 2) 왼쪽에 첫 번째 드롭 다운 메뉴를 사용 하 여 다른 창/레벨 선택: CT와 애완 동물에 대 한 1 대 8이 있다</li>
	<li>선택 다른 색조 두 번째를 사용 하 여 드롭 다운 메뉴 (그림 2) 왼쪽에: 9 옵션에서 선택할 수 있다.</li>
	<li>ROI는 이미지에서 볼 수 있도록 하거나 모든 환자 ROIs 설정 하려면 "에 모든 ROIs" 버튼을 클릭 옆에 있는 상자를 클릭 하 여 ROIs를 시각화.</li>
</ol>5. 편집 투자 수익
<ol><li>왼쪽된 상단 또는 하단 중앙에 "편집 ROIs" 버튼을 클릭 하 여 ROIs를 편집 합니다. 컨투어 이름 옆에 있는 상자를 클릭 하 여 편집을 선택 합니다.</li>
	<li>이미 그려진 또는 축소 윤곽을 "윤곽 조금 이동" 단추 (그림 3)을 사용 합니다. 상자 윤곽선 이동 버튼 옆에 있는 "D"에서 사용 되는 원의 크기를 조정 합니다.</li>
	<li>"잘라 윤곽" 단추 (그림 3)를 사용 하 여 전체 윤곽 슬라이스를 제거 합니다. 클릭 하 고 마우스 왼쪽된 버튼을 누르고 제거할 ROI 주위에 상자를 그립니다.</li>
	<li>윤곽을 그리기 참고: 포인트를 연결 하 여 윤곽을 그리는 5.4.1 단계로 이동 합니다. 5.4.2 자유 손으로 윤곽을 그리는 단계로 이동 합니다.<ol>
<li>연결 포인트: 컨투어에 그릴 각 조각 윤곽 주위에 포인트를 클릭 하 여 점을 직선으로 연결 되어 "무승부 윤곽 (1)" 버튼 (그림 3)를 사용 합니다. 그 조각에 대 한 투자 수익 그린 첫 번째 점을 클릭 하 여 완료 합니다.</li>
		<li>무료 손: "윤곽 (2) 그리기" 버튼 (그림 3)를 사용 하 여 자유 재량에 의해 한 윤곽선을 그릴. 슬라이스에 윤곽을 그리는 마우스 왼쪽된 버튼을 길게. 그려진된 ROI의 시작 부분으로 다시 오는 한 다음 왼쪽된 마우스 버튼을 해제 함으로써 해당 슬라이스에 컨투어를 마칩니다.</li>
	</ol>
</li>
	<li>조각 사이 ROIs를 보간 하 "보간 윤곽" 단추 (그림 3)를 클릭 합니다.</li>
	<li>투자 수익을 복사 하려면 "복사 ROI" 버튼 클릭 합니다.</li>
	<li>여러 ROIs를 선택 하 고 다음 "투자 수익 병합" 버튼을 클릭 하 여 ROIs를 병합 합니다.</li>
	<li>현재 선택 된 투자 수익을 삭제 하려면 "삭제 ROI" 버튼을 클릭 합니다.</li>
	<li>클릭 "투자 수익 만들기" 창이 새로운 투자 수익을 만들 팝업 됩니다. 투자 수익의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다. "저장" 버튼을 클릭 합니다. 환자 뷰어 돌아가려면 "종료" 버튼을 클릭 합니다.</li>
</ol>6. 데이터에 윤곽 설정
<ol><li>데이터 집합에서 보기 윤곽<ol>
<li>데이터 집합에서 윤곽을 볼 수 "표시 데이터 집합" 버튼을 클릭 합니다. 보려는 데이터 집합의 이름을 클릭 하십시오. "열기" 버튼을 클릭 합니다. 선택 환자 그들의 이름 옆에 있는 상자를 사용 하 여 등고선. 해당 컨투어에 대 한 원하는 기능에 따라 "삭제", "이동", 또는 "복사" 버튼을 클릭 합니다. 일단 완료 볼 데이터 집합 데이터 집합 창을 닫습니다.</li>
	</ol>
</li>
	<li>데이터 집합에 윤곽선 추가<ol>
<li>컨투어 그들의 이름 옆에 있는 확인란을 클릭 하 여 데이터 집합에 추가를 선택한 다음 추가를 데이터 "설정" 버튼을 클릭. 윤곽선을 추가 하거나 새 데이터 집합에 대 한 "새로 만들기" 버튼을 클릭에 대 한 데이터 집합의 이름을 클릭 하십시오. 뉴를 선택 하면 새 창에서 데이터 집합의 이름을 입력 합니다. "확인" 버튼을 클릭 합니다.</li>
	</ol>
</li>
	<li>파일을 가져오려면 피나 클 버전 9.roi 등고선은 섹션 3 중 로드 되지 않은 경우 "가져오기 ROIs" 버튼을 클릭 합니다.<ol>
<li>파일을 선택 하려면 "..." 버튼을 클릭 합니다. "가져오기" 버튼을 클릭 합니다.</li>
	</ol>
</li>
	<li>ROIs를 내보내려면 "내보내기 ROIs" 버튼을 클릭 합니다.<ol>
<li>내보낸된 ROIs를 배치 됩니다 디렉터리를 선택 하려면 "..." 버튼을 클릭 합니다. 형식으로 내보낸된 ROIs에 대 한 선호의 이름을 클릭 하십시오. 그것은 선호 하는 경우 익명 정보를 입력 합니다. 내보내기 단추를 클릭 합니다. 참고: 미리 수행할 수 없는 익명입니다.</li>
	</ol>
</li>
	<li>환자와 검사의 목록으로 돌아가려면 "종료" 버튼을 클릭 합니다.</li>
</ol>7. 기능 세트 만들기
<ol><li>"기능" 아이콘을 클릭 합니다.</li>
	<li>필요한 경우 전처리 추가 합니다.<ol>
<li>"1 단계:: 전처리"에서 "추가" 버튼을 클릭 합니다. 새 창에서 드롭 다운 메뉴에서 전처리 옵션을 선택 합니다.</li>
		<li>"I" 아래 "파라." 전처리 매개 변수를 선택 하려면 클릭 하십시오. 그것을 변경 하려면 매개 변수의 새 창에서 값 열에서 번호를 클릭 하십시오. 새 매개 변수 값에 입력 하 고 "확인" 버튼을 클릭 합니다.</li>
		<li>전처리 방법의 설명 및의 특정 매개 변수 전처리 오른쪽 상단 모서리에 "물음표" 버튼 클릭 합니다.</li>
		<li>"추가" 버튼을 클릭 합니다. 전처리 단계를 선택 하 고 원하지 않는 전처리 단계를 삭제 하려면 "삭제" 버튼을 클릭 합니다.</li>
	</ol>
</li>
	<li>원하는 기능을 추가 합니다.<ol>
<li>기능 범주 아래 드롭 다운 메뉴에서 선택 "단계 2: 기능 범주:". 여러 범주에 대 한 단계를 반복 합니다. 참고: 하나의 범주에만 기능 한 번에 추가할 수 있습니다. 전처리 및 기능 카테고리의 다양 한 조합은 원하는 경우 설정 같은 기능을 추가할 수 있습니다.<ol>
<li>2.5 d 행렬을 계산 하 여 이루어집니다 회색 레벨 동시 발생 매트릭스와 이웃 강도 차이 매트릭스를 각각 계산 하는 "GrayLevelCooccurenceMatrix25"와 "NeighborIntensityDifference25" 기능 범주 선택 각 개별적으로 슬라이스 하 고 다음 함께 모든 행렬을 요약.</li>
			<li>"GrayLevelCooccurenceMatrix3"와 "NeighborIntensityDifference3" 기능 범주 차원에서 각각, 회색 레벨 동시 발생 매트릭스와 이웃 강도 차이 매트릭스를 계산을 선택 합니다.</li>
		</ol>
</li>
		<li>그 전처리 선택 매개 변수에 대 한 "파라."에서 "i"를 클릭 하십시오. 전처리 방법 및 매개 변수 설명에 대 한 오른쪽 상단 모서리에 "물음표" 버튼 클릭 합니다.<ol>
<li>새 매개 변수 값에 입력 하 고 "확인" 버튼을 클릭 합니다.</li>
		</ol>
</li>
		<li>기능 범주 또는 특정 기능을 보려면 "테스트" 버튼을 클릭 합니다. 기능 또는 원하는 범주 옆의 단추를 클릭 합니다.<ol>
<li>데이터 집합에서 테스트를 볼 하 고 "열기" 버튼을 클릭을 선택 합니다. 에 테스트를 볼 하 여 "테스트" 버튼을 클릭 선택한 데이터 세트에서 환자 옆의 확인란을 선택 합니다.</li>
		</ol>
</li>
		<li>원치 않는 기능을 선택 합니다; 범주에 대 한 선택을 취소합니다 모든 기능 범주를 선택한 후 선택 됩니다. 단어 "기능:" 모든 기능을 선택을 취소 "Step2:: 기능"에서.</li>
		<li>선택 된 전처리와 모든 선택 된 기능을 추가 하려면 "추가 기능 설정" 버튼을 클릭 합니다.<ol>
<li>"열기" 버튼을 클릭 하거나 기능 새로운 기능 집합을 추가 하려면 "새" 버튼을 클릭 하는 기능을 추가 하도록 설정 하는 기능을 선택 합니다. 설정 새로운 기능을 만드는 경우 새 창에서 기능 집합의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다.</li>
		</ol>
</li>
	</ol>
</li>
	<li>기능 집합에서 기능을 보려면 해당 전처리 기술과 기능을 볼 수 "표시 기능 설정" 버튼을 클릭 합니다.<ol>
<li>설정 하 고 "열기" 버튼을 클릭 하 여 보거나 새로운 기능 집합을 만들려면 "새" 버튼을 클릭 하는 기능을 선택 합니다. 설정 새로운 기능을 만드는 경우 새 창에서 기능 집합의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다.</li>
	</ol>
</li>
	<li>현재 데이터 집합을 보려면 "표시 데이터 집합" 버튼 클릭 합니다.<ol>
<li>보기 "열기" 버튼을 클릭 하거나 새 데이터 집합을 만드는 "새로 만들기" 버튼을 클릭에 대 한 데이터 집합을 선택 합니다. 새 데이터 집합을 만드는 경우 새 창에 데이터 집합의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다.</li>
	</ol>
</li>
	<li>"종료" 버튼을 클릭 합니다.</li>
</ol>8. 출력 기능
<ol><li>"결과" 아이콘을 클릭 합니다. 데이터 집합에서 기능 실행을 클릭 하십시오 "단계 1: 데이터 세트." 선택 된 데이터에서 실행 되도록 설정 하는 기능에 클릭 "단계 2: 기능 세트."</li>
	<li>선택한 데이터 집합을 볼 "데이터 보기" 버튼 클릭 합니다. 선택 된 기능 집합을 볼 "기능 보기" 버튼 클릭 합니다.</li>
	<li>"계산 및 결과 저장" 버튼을 클릭 합니다. 결과 대 한 파일 이름을 입력 하 고 "저장" 버튼을 클릭 합니다.</li>
</ol>9. 통계 모델 구축
<ol><li>저장된 결과 파일을 엽니다. 참고: 이것은 일반적으로 아래 단계 2.2에서 C:\IBEX\DataIbex\[Selected 사용자] \ [단계 2.3에서 사이트 선택] \1FeatureResultSet_Result, 단계 8.4에서에서 달리 지정 하지 않는 한.</li>
	<li>다른 탭에서 데이터를 사용 하 여 원하는 통계 테스트에 또는 소프트웨어에서 건물 모델. 참고: 프로토콜은 언제 든 지 일시 중지 될 수 있습니다. 그러나, 특정 아이콘을, 예를 들어, 모든 기능 아이콘 아래 섹션 7의 마무리에 필요한 모든 단계를 마친 후 가장 편리 하다.</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>

저자는 공개 경쟁 금융 관심 없다 있다.

아이 벡 스는 의료 이미징 radiomics 연구를 위한 강력한 도구입니다. 그것은 지금까지 주로 사용 되었습니다 MD 앤더슨 radiomics 그룹에 의해 실시 하는 연구에서 방사선 종양학 목적. 아이 벡 스 ROIs의 조작 및 기능 5 주요 기능 범주 내에서 계산에 대 한 수 있습니다. 아이 벡 스의 소스 코드 버전에 포함 되지 않은 이미 아이 벡 스의 회색 레벨 영역 매트릭스 기능 같은 디자인 응용 프로그램 사용자 수 있습니다.
아이 벡 스에 관련 된 주요 단계는는 이미지의 가져오기, ROIs의 컨투어링, ROIs 데이터 집합의 선택과 기능 집합이 있습니다. 정확한 윤곽선은 필요한 기능만이 분야 내에서 계산 되 고 따라서 부정확 한 윤곽 부정확 한 기능 값을 제공할 것입니다. 따라서, 이러한 기능 사이 발견 하는 어떤 관계 든 지 부정확 한 윤곽에 계산 하 고 결과 가짜 될 것입니다. 매개 변수 선택 기능에 대 한 중요 한 단계 이기도합니다. 예를 들어 회색 레벨 동시 발생...

의학, 환자 질병 진단 일반적으로 엑스레이, 초음파, 컴퓨터 단층 촬영 (CT), 자기 공명 영상 (MRI)과 같은 진단 시험의 많은 수를 통합 하 고 양전자 방출 단층 촬영 (PET) 검사 결정에서 원조 하는 환자 치료의 과정입니다. 의사가이 이미지를 사용 하 여 질적으로 환자의 진단 평가 하는 동안 추가 양적 기능을 환자 치료 안내를 추출할 수 있을 수 있습니다. 근거는 이러한 기능 수 있습니다 나타내고 proteomic 거시적인 규모1에 표현 하는 게놈 패턴입니다. 이 정량적 인 정보를 결합 하 여 현재 임상 정보, 예를 들면, 환자 인구, 더 개별된 환자 치료를 수 있습니다. 이것은 radiomics의 뒤에 이론: 복 수준에 이미지의 분석 기능. 특징 일반적으로 5 가지 주요 범주로을: 회색 레벨 동시 발생 매트릭스, 회색 레벨 실행된 길이 행렬, 이웃 강도 차이 매트릭스, 히스토그램, 및 모양.
이미징 바이오 마커 익스플로러 (아이 벡 스) radiomics 작업2에 대 한 오픈 소스 도구입니다. 그래픽 사용자 인터페이스 (GUI)는 암 치료에서 의사 결정을 지원 하기 위해 추출 및 정량 기능의 계산을 촉진의 목표와 MD 앤더슨 암 센터에서 개발 되었다. 독립형4 버전과 소스 코드3 온라인 사용할 수 있습니다. 아이 벡 스는 각 기능 범주에 대해 설정할 수 있는 매개 변수와 함께 의료 radiomics에서 사용 하는 기능의 5 가장 일반적인 범주를 계산 합니다. 카테고리: 회색 레벨 동시 발생 매트릭스5, 회색 레벨 실행된 길이 매트릭스6,7, 강도, 이웃 강도 차이 매트릭스8및 모양. 벡 스 오픈 소스 이기 때문에, 그것은 있게 조화 기능 추출 결과 대 한 기관에 걸쳐 쉽게 다른 radiomics 연구를 비교 합니다. 아이 벡 스 내의 모든 기능 장 그 외 여러분 에 의해 초기 종이에 설명 되어 있습니다. 2
이 원고의 목적은 아이 벡 스 사용 하 고 MD 앤더슨 radiomics 그룹에서 출판된 연구 피어-검토 한 결과 통해 응용 프로그램을 설명 하는 방법에 지침을 제공 하는 것입니다. 2015 년에는 대 중에 게 그것의 릴리스 이후 아이 벡 스 사용 되었습니다 CT, 애완 동물, 그리고 MRI 스캔 이미지에서 기능을 계산 하려면 MD 앤더슨 radiomics 그룹에 의해 일반적으로 임상 생존 모델9,10, 개선 하는 기능을 조사 11,12,13,14,15,,1617,18,19,20 및 외부 기관21,22,,2324로. 아이 벡 스에 포함 되지 않은 radiomics 연구 단계에 사용할 수 있는 소프트웨어 도구에 대 한 추가 지침 법원 외 에서 찾을 수 있습니다. 25
아이 벡 스의 워크플로에 대 한 일반적인 소개를 벡 스를 활용 하 여 radiomics 프로젝트를 시작 하기 전에 데이터를 제대로 구성 하는 데 도움이 됩니다. DICOM 이미지를 가져오는 경우 각 환자는 그들의 DICOM 이미지와 함께 그들의 자신의 폴더 아이 벡 스 필요 합니다. DICOM 방사선 구조 집합은 환자 폴더에 포함 되지만 대신 아이 벡 스에서 컨투어링 플랫폼을 사용 하 여 것이 좋습니다 있습니다. 특정 연구에 대 한 모든 환자를 가져오기 지원, 모든 환자 폴더 놓일 수 있다 하나의 폴더에 함께 있도록 벡 스만 한 단계를 사용 하 여 모든 데이터를 가져올 수 있습니다. 피나 클에서 환자를 가져오는 경우 환자 계획 설정 하는 구조를가지고 최상 이다. 환자는 여러 이미지 세트와 피나 클 내 계획 있을 수 있습니다, 그것은 어떤 이미지 설정 알아야 최고의 계획 가져오기 전에 올바른지. 계산 시간이 중요 한 경우, 환자에 대 한 이미지 조각의 수를 줄이고 시간을 크게 줄일 수 있습니다. 예를 들어 경우에 간 연구에 대 한 관심의 이다 하지만 환자 전신 CT 검사, 관심 분야의만 정도로 DICOM 분할 영역을 줄이고 계산 시간 (예를 들어, 300 조각에서 50 조각은 DICOM을 줄일 수 있습니다 1/6t를 단축할 수 있다 h 시간). 다른 도구에서 세미 자동으로 수동이 슬라이스 감소를 수행할 수 있다.

<table><tbody><tr><td>엑셀</td><td>Microsoft Office</td><td></td><td>모든 버전의 Excel이 작동해야 합니다.</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td><td>는 32비트 Matlab 2011a 또는 64비트 Matlab 2014b에서만 IBEX를 사용합니다.</td></tr></tbody></table>

지침 및 경험을 사용 하 여 이미징 바이오 마커 익스플로러 (아이 벡 스) radiomics에 대 한

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

바이오 마커 익스플로러 (아이 벡 스) 이미징 의료 이미징 radiomics 작업에 대 한 오픈 소스 도구입니다. 이 문서의 목적은 아이 벡 스의 그래픽 사용자 인터페이스 (GUI)를 사용 하 고 벡 스 기능 임상 연구에서 사용 된 계산 하는 방법을 설명 하는 방법을 설명 하는 것입니다. 아이 벡 스는 DICOM 방사선 치료 구조 파일 또는 피나 클 파일 DICOM 이미지의 가져오기에 대 한 수 있습니다. 이미지를 가져올 일단 아이 벡 스는 거리, 이미지 측정 복 값의 보기를 조작 하 고 작성 하 고 편집할 등고선 데이터 선택 GUI 내에서 도구가 있습니다. 아이 벡 스 27 전처리 및 132 기능 선택 기능 세트 디자인 함께 제공 됩니다. 각 전처리 및 기능 범주는 변경 될 수 있는 매개 변수가 있습니다. 아이 벡 스에서 출력은 포함 하는 스프레드시트: 각 데이터 집합에 윤곽선, 데이터 집합, 및 3)는 전처리의 요약에서 각 윤곽선에 대 한 2) 이미지 정보에 대 한 계산된 기능 및 그들의 선택과 함께 사용 하는 기능에서 1) 각 기능 매개 변수입니다. 아이 벡 스에서 계산 하는 기능 테스트 기능 다른 이미징 조건 하에서, 현재 임상 모델을 개선 하기 위해 생존 모델에서의 다양성을 연구에 사용 되었습니다.

아이 벡 스에서 출력은 스프레드시트 탭 3 건을 포함 된 ( 그림 4참조). "결과" 탭에(그림 4)데이터 집합에 있는 각 ROI의 기능 값을 포함 되어 있습니다. "데이터 정보." 탭 (그림 4B) 데이터 집합에 있는 각 ROI에서 가져온 이미지에 대 한 정보가 들어 있습니다. "기능 정보." 탭 기능 범주에 대 한 선택 매개 변수와 함께 사용 하는 기능의 포괄적인 목록을 포함 하 고는 전처리 기능 (그림 4C)의 해당 범주에 대 한 사용.
벡 스 계산 기능 의...

우리 아이 벡 스, 의료 이미징 radiomics 연구, 그리고이 도구를 사용 하는 방법에 대 한 설계는 오픈 소스 도구를 설명 합니다. 또한, 불확실성 분석에 대 한 벡 스를 사용 하 고 건물 모델 일부 출판된 작품 전시 됩니다.

지침 및 경험을 사용 하 여 이미징 바이오 마커 익스플로러 (아이 벡 스) Radiomics에 대 한

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 ...

이 소프트웨어 도구의 전반적인 목표는 그레이 레벨 동시 발생 매트릭스 범주와 같은 모양이나 질감에 속하는 정량적 이미지 기능을 추출하는 것입니다. 이 도구는 라디오믹스 분야의 몇 가지 주요 질문에 답하는 데 사용할 수 있습니다. 예를 들어, 정량적 이미지 특징을 추출하고 이러한 특징과 방사선 치료에서 환자 결과 간의 상관 관계를 확인할 수 있습니다.이 기술의 가장 큰 장점은 오픈 소스이고 사용하기 쉬우며 사람들이 예측 모델에서 사용할 기능을 추출하는 데 사용한 오랜 역사가 있다는 것입니다. 레디오믹스는 특정 치료에 대한 종양의 반응 가능성에 대한 정보를 제공할 수 있는 잠재력을 가지고 있으므로 의료진이 대체 치료법의 적절성을 결정할 때 사용할 수 있는 추가 정보를 제공할 수 있습니다. Radiomics는 종양 표현형에 대한 통찰력을 제공할 수 있으며, 치료 전반에 걸쳐 더 많은 조직의 변화를 quanitfy하는 것과 같은 동종에도 적용될 수 있습니다.일반적으로 이 방법을 처음 사용하는 개인은 비트 심도 리샘플링과 같은 다양한 기능에 대해 올바른 설정을 선택하는 것이 중요하기 때문에 어려움을 겪을 것이므로 이에 주의를 기울이는 것이 중요합니다. 시각적 시연은 많은 단계와 세부 사항이 있으므로 매우 중요합니다. 세부 사항에 대한 세심한 주의는 방사선 연구에서 좋은 결과를 얻기 위해 중요합니다.먼저 함께 제공되는 텍스트 프로토콜에 설명된 IBEX를 설치합니다. 설치가 완료되면 IBEX를 로드하고 새 사용자를 만들어 데이터를 가져오고 저장합니다. 그런 다음 가져오기 아이콘을 클릭하고 형식 이름을 클릭하여 DICOM 또는 Pinnacle 파일 버전 9 형식을 선택한 후 다음을 클릭합니다.모든 환자를 한 번에 가져오려면 오른쪽 상단 모서리에 있는 배치 폴더 상자를 선택한 다음 나열된 디렉토리 옆에 있는 더 보기 버튼을 클릭합니다. 해당 DICOM 이미지 및 방사선 DICOM 구조 파일이 있는 모든 환자 폴더가 포함된 폴더를 선택합니다. 마지막으로 종료 버튼을 클릭합니다.시작하려면 먼저 데이터 아이콘을 클릭하여 환자 파일을 로드합니다. 그런 다음 환자 선택 섹션에서 원하는 환자 파일을 클릭하여 엽니다. 그런 다음 이미지 세트 선택 섹션에서 원하는 환자 파일의 이미지 세트를 클릭한 다음 열기 버튼을 클릭합니다.화살표를 사용하여 축방향, 관상형 및 시상면 보기에 표시된 이미지를 스크롤합니다. 그런 다음 확대/축소 버튼을 선택하고 확대/축소할 이미지 평면에 상자를 그립니다. 이미지를 마우스 오른쪽 버튼으로 클릭하여 축소합니다.그런 다음 창 수준 버튼을 클릭합니다. 다른 버튼이 나타나면 왼쪽과 오른쪽을 원하는 영역으로 드래그하거나 새 창 하단의 창 및 레벨 상자에 창 레벨을 수동으로 입력합니다. 왼쪽의 첫 번째 드롭다운 메뉴를 사용하여 다른 창 수준을 선택합니다.CT에는 8가지 옵션이 있고 PET에는 1가지 옵션이 있습니다. 관심 영역 옆에 있는 상자를 클릭하여 관심 영역을 시각화하여 이미지에서 볼 수 있도록 하거나 모든 관심 영역을 켜려면 On All ROIs" 버튼을 클릭합니다. 다음으로, 등고선을 보기 위해 데이터 세트를 준비합니다.이렇게 하려면 먼저 데이터 세트 표시 버튼을 클릭하여 데이터 세트의 윤곽을 봅니다. 데이터 세트가 표시되면 창을 닫습니다. 방금 가져온 환자가 있는 새 사용자이므로 아직 생성된 데이터 세트가 없습니다.그런 다음 이름 옆에 있는 확인란을 클릭하여 데이터 세트에 추가할 윤곽을 선택하고 데이터 세트에 추가 버튼을 클릭합니다. 데이터 세트의 이름을 클릭하여 윤곽을 추가하거나 새 데이터 세트에 대한 새 버튼을 클릭합니다. 새로 만들기를 선택한 경우 새 창에 데이터 집합의 이름을 입력하고 확인 단추를 클릭합니다.완료되면 종료 버튼을 클릭하여 환자 및 스캔 목록으로 돌아갑니다. 기능 아이콘을 클릭하고, 원하는 경우 추가 버튼을 클릭하고 새 창의 드롭다운 메뉴에서 전처리 옵션을 선택하여 전처리를 추가합니다. 그런 다음 Parameters 아래의 i를 클릭하여 전처리 매개변수를 선택합니다.값 열 아래의 숫자를 선택하고 새 매개 변수 값을 입력한 다음 확인 버튼을 클릭합니다. 전처리 방법 및 특정 매개변수에 대한 설명을 보려면 오른쪽 상단 모서리에 있는 물음표 버튼을 클릭하십시오. 만족스러우면 추가 버튼을 클릭하여 전처리 단계를 추가합니다.원하지 않는 전처리 단계를 삭제하려면 전처리 단계를 선택하고 삭제를 클릭합니다. 기능 범주 메뉴의 이웃 강도 차이 25 기능 범주에서 회색 수준 반복 행렬 25를 선택하여 2.5D에서 회색 수준 동시 발생 행렬 및 이웃 강도 차이 행렬을 각각 계산합니다. 이것은 각 슬라이스에 대해 개별적으로 계산 한 다음 모든 행렬을 함께 합산하여 수행됩니다.또 다른 옵션은 네이버 강도 차이 3개 피쳐 범주에서 그레이 레벨 동시 발생 3을 선택하여 그레이 레벨 동시 발생 매트릭스와 이웃 강도 차이 매트릭스를 각각 3D로 계산하는 것입니다. I를 클릭하면 해당 피쳐 범주에 대해 선택된 매개변수가 표시됩니다. 매개변수를 변경하려면 새 값을 입력하고 확인 버튼을 클릭합니다.자세한 내용을 보려면 오른쪽 상단 모서리에 있는 물음표를 클릭하십시오. 모든 매개변수가 올바르게 설정되면 테스트 버튼을 클릭하여 원하는 기능 또는 범주 옆에 있는 버튼을 클릭하여 기능 범주 또는 특정 기능을 봅니다. 테스트를 보려는 데이터 세트를 선택하고 열기 버튼을 클릭합니다.선택한 데이터 세트에서 환자 옆에 있는 상자를 선택하고 테스트 버튼을 클릭합니다. 테스트에 만족하면 창을 닫습니다. 선택한 범주에 대해 원하지 않는 피쳐를 선택 취소합니다.모든 기능을 선택 취소하려면 세트 2, 기능에서 기능"이라는 단어를 클릭하십시오. 선택한 전처리와 함께 선택한 모든 기능을 추가하려면 Add to feature set(기능 세트에 추가) 버튼을 클릭합니다. 이름과 기능 집합을 선택하고 열기 단추를 클릭하거나, 이러한 기능을 새 집합에 추가하려면 새 단추를 클릭합니다.새 창에 기능 세트의 이름을 입력하고 확인을 클릭합니다. 그런 다음 show feature set 버튼을 클릭하여 해당 전처리 기술이 적용된 기능을 봅니다. 보려는 기능 집합을 선택하고 열기를 클릭합니다. 드롭다운 메뉴에서 전처리 파라미터와 기능 범주를 관찰합니다.매개변수 아래의 I 버튼을 클릭하여 편집하십시오. 완료되면 창을 닫습니다. 기본 기능 창에서 데이터 세트 표시 버튼을 클릭하여 현재 데이터 세트를 봅니다.그런 다음 보려는 데이터 세트를 선택하고 열기 버튼을 클릭합니다. 완료되면 종료 버튼을 클릭합니다. 출력을 준비하려면 먼저 결과 아이콘을 클릭한 다음 1단계에서 기능을 실행할 데이터 세트를 클릭하고 2단계에서 선택한 데이터에서 실행할 기능 세트를 클릭합니다.그런 다음 데이터 보기 버튼을 클릭하여 선택한 데이터 세트를 확인한 다음 보기 기능 버튼을 클릭하여 선택한 기능 세트를 봅니다. 마지막으로 compute and save result 버튼을 클릭합니다. 결과의 파일 이름을 입력하고 저장을 선택합니다.IBEX의 출력은 세 개의 시트가 있는 스프레드시트입니다. 여기에 표시된 것은 이 자습서 비디오에서 실행된 것보다 더 많은 관심 영역과 선택된 기능이 있는 더 복잡한 출력입니다. 첫 번째 시트에는 데이터 세트에 배치된 각 관심 영역에 대한 기능 값이 포함되어 있습니다.그레이 레벨 동시 발생 매트릭스 및 그레이 레벨 런 길이 매트릭스 기능의 경우, 매트릭스가 계산되는 각 방향에 대한 값과 333으로 지정된 모든 방향에 걸친 평균 매트릭스가 출력됩니다. 네 번째 행은 기능 범주를 나타내고, 다섯 번째 행은 인덱스, 이미지, 관심 영역, MRN 또는 특정 기능을 지정한 해당 열의 헤더를 나타냅니다. 두 번째 시트에는 데이터 정보가 포함되어 있습니다.이는 관심 영역을 얻은 이미지에 대한 정보(예: X, Y 및 Z 복실 차원)입니다. 세 번째 시트에는 피쳐 정보가 포함되어 있습니다. 기능은 범주별로 구분됩니다.피쳐 범주에 대한 매개변수는 두 번째 열에 나열되어 있습니다. 해당 범주에 대해 선택한 모든 기능이 세 번째 열에 나열됩니다. 다섯 번째 열은 피처에 적용된 전처리를 보여주고, 여섯 번째 열은 전처리를 위한 매개변수를 보여줍니다.마스터하면 이 도구를 사용하여 의료 이미지에서 텍스처 데이터를 효율적으로 추출할 수 있습니다. 전처리 및 기타 기능 설정이 중요한지 확인하는 것을 포함하여 모든 데이터를 주의 깊게 검토하는 것을 기억하는 것이 중요합니다. 예를 들어, IBEX 검토 도구를 사용하여 후처리 이미지를 주의 깊게 검토합니다.개발 후 이 기술은 방사선학 분야의 연구자들이 국소 통제 및 암 환자와 같은 결과를 위해 환자를 계층화하기 위해 이미지를 사용하는 방법을 탐구할 수 있는 길을 열었습니다. 이 비디오를 시청한 후에는 IBEX를 사용하여 의료 이미지에서 이미지 특징을 추출하는 방법을 잘 이해하게 될 것입니다. 그런 다음 이러한 이미지 기능을 통계 또는 기계 학습 접근 방식에 적용하여 종양 표현형에 대해 배울 수 있습니다.

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

Research

연구

JoVE Journal

Engineering

공학

여기서, 우리는 공개적으로 접근 가능한 다양 한 데이터베이스 로부터 도출 된 풀링된 임상 데이터 세트의 종합적인 분석을 기반으로 유방암의 바이오 마커 및 생존 예측 인자를 탐구 하는 프로토콜을 제시 하 고, 발현, 상관관계 및 생존 분석 단계.

여러 공개적으로 접근 가능한 데이터베이스를 사용 하 여 유방암에서 바이오 마커의 데이터 마이닝 및 통합 분석 수행

MIBI(Multiplexed Ion Beam Imaging)는 조직 마이크로어레이와 바둑판식으로 배열된 인접 조직 영역을 이미징하는 데 자주 사용되지만, 이러한 실험을 설정하기 위한 현재 소프트웨어는 번거롭습니다. 타일/SED/어레이 인터페이스는 MIBI 실행 설정을 획기적으로 단순화하고 가속화하기 위해 개발된 직관적인 대화형 그래픽 도구입니다.

Tile/SED/Array 인터페이스를 사용하여 Multiplexed Ion Beam Imaging Microscope에서 조직 마이크로어레이 및 Tiled Area Imaging의 신속한 설정 

CT 및 129Xe MRI는 이미지 정합을 사용하여 국소 분석에 활용할 수 있는 보완적인 폐 구조-기능 정보를 제공합니다. 여기에서는 오픈 소스 플랫폼을 사용하여 129Xe MR에서 CT 이미지 등록에 대한 기존 문헌을 기반으로 하는 프로토콜을 제공합니다.

다중 모드 폐 영상: CT 및 Hyperpolarized 129Xe MRI의 보완 정보를 사용하여 폐 구조-기능 평가

IBEX(Iterative-bleaching-extends-multiplexity)와 상용 뉴클레오티드 표지 분석(Click-iT EdU)의 조합은 고정된 냉동 쥐 조직 절편에서 매우 역동적인 과정에서 분열하는 세포 유형을 검출하고 분류할 수 있습니다. 또한 새로운 오픈 소스 이미지 처리 파이프라인은 처리량이 많은 이미지 획득 및 분석을 제공합니다.

조직 샘플의 피부 세포 표현형 및 증식 상태를 평가하기 위한 고처리량 이미징 및 분석 워크플로우

여기에서는 상업적으로 이용 가능한 자동 조직 염색기를 활용하는 IBEX(Iterative Bleaching Extends Multiplicity) 방법의 적용과 티라마이드 신호 증폭 기반 시약 사용에 대한 최적화 고려 사항을 설명합니다.

반복적 표백은 핵심 시설에 염색 자동화를 사용하여 다양성을 확장합니다.

이 논문에서는 복막 전이의 3차원 구조를 특성화하기 위해 최적화된 다중 면역형광 프로토콜에 대해 설명합니다.

Iterative Bleaching Extends Multiplexity 접근법을 사용한 종양 함유 조직의 3차원 이미징

수동 IBEX 방법을 사용하여 저비용의 다목적 광조사 기술을 구현하면 상당한 네이티브 자가형광으로 인체 조직을 최적으로 이미징할 수 있습니다. 이 프로토콜은 도립 현미경, 널리 사용 가능한 시약 및 이미지 정렬 및 처리를 위한 오픈 소스 소프트웨어를 사용하여 보관된 임상 샘플에서 다중화된 전체 슬라이드 이미지를 얻는 방법을 자세히 설명합니다.

반복적인 표백을 위해 최적화된 워크플로우는 고도의 자가형광 임상 샘플의 멀티플렉시티 이미징을 확장합니다.

이 프로토콜은 살아있는 인간 유방암 세포의 무표지, 비침습적 표현형을 위해 라만 분광법과 단층촬영상 현미경을 결합한 다중 모드 접근 방식을 제시합니다. 여기에는 신속하고 정량적인 형태 화학 분석을 위한 사용자 친화적이고 인간 편견이없는 분석 파이프라인이 포함되어 있으며, 암 연구 및 세포 생물학에 응용하여 상세한 분자 및 구조적 통찰력을 제공합니다.

살아있는 무표지 유방암 세포의 표현형 분석을 발전시키기 위한 다중 모드 이미징 프레임워크

IBEX(Spectral Iterative Bleaching Extends Multiplexity)는 헤파린 차단을 추가하여 비특이적 결합을 최소화하고 스펙트럼 검출과 전산 혼합 해제를 활용하여 자가형광을 억제함으로써 기본 IBEX 기술을 기반으로 합니다. 이 접근 방식은 배경 소스를 줄이면서 이미지 획득을 가속화하여 강력한 다라운드, 고파라미터 공간 단백질체 분석을 가능하게 합니다.

비특이적 조직 형광을 최소화하기 위해 스펙트럼 공초점 현미경을 사용한 하이플렉스 이미징

유기 태양 광 (OPV) 재료는 나노 미터 스케일에서 본질적으로 inhomogeneous입니다. OPV 재료의 Nanoscale inhomogeneity는 태양 광 디바이스의 성능에 영향을 미칩니다. 이 논문에서, 우리는 하위-100 나노 미터 해상도 OPV 재료의 전기 및 기계적 성질의 양적 측정을위한 프로토콜을 설명합니다.

동시 수량 전도성과 AFM을 사용하여 유기 태양 광 재료의 기계적 성질 측정

학습하세요 IBEX를 활용한 의료 영상 방사선학 특징 추출 방법을. 이 오픈소스 도구는 종양 형태와 텍스처 분석을 통해 환자 예후 예측 모델 구축을 지원하며 임상 연구에 활용됩니다.

지침 및 경험을 사용 하 여 이미징 바이오 마커 익스플로러 (아이 벡 스) Radiomics에 대 한

더 많은 동영상 탐색