Name: Orientações e experiência usando a imagem latente biomarcador Explorer (IBEX) para Radiomics (Vídeo) | JoVE Journal
Uploaded: 2018-01-08T15:00:00.000+00:00
Duration: 10 min 17 s
Description: Aprenda a extrair características quantitativas de imagens médicas usando o IBEX para radiômica. Esta ferramenta de código aberto facilita análises de forma e textura para modelos prognósticos.

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 é financiado pela Rosalie B. Hite Graduate Fellowship e American Legião auxiliar Fellowship. Carlos Cardoso foi financiado pela sociedade George M. Stancel PhD em ciências biomédicas. O desenvolvimento da IBEX foi financiado pela ICN (R03 CA178495).

1. Instale o IBEX
Nota: Para instalar uma versão de código-fonte vá para o passo 1.1. Como alternativa, para instalar uma versão stand-alone vá para a etapa 1.2.
<ol><li>
Versão de código-fonte
	<ol>
<li>Ir para a versão de código-fonte do IBEX site3. Baixe os arquivos "IBEX_Source.zip" e "How_to_use.pdf". Olha no arquivo "How_to_use.pdf" para encontrar os pré-requisitos para usar a versão mais recente do IBEX. Nota: IBEX só funciona em versões de 32 bits e 64 bits Matlab 2011a e 2014b, respectivamente.</li>
		<li>Uma vez que o download for concluído, descompacte o "IBEX_Source.zip" e adicione a pasta \IBEX_Source para o caminho local. Nota: Instruções sobre como adicionar um caminho podem ser encontradas na página de referências do software para "Adicionar caminho"26.</li>
		<li>Digite "IBEXMain" na janela de comando para iniciar o IBEX.</li>
	</ol>
</li>
	<li>
Versão stand-alone
	<ol>
<li>Ir para a versão stand-alone de IBEX site4. Se instalar o IBEX pela primeira vez, vá para a pasta "Dependências" e baixar/instalar o "MCRInstaller.exe", vc2005redist_x86_new.exe, "e"vc2012redist_x86.exe"arquivos. Na página principal, baixe o "IBEX.exe," "IBEX.ctf", "IBEX.ini" e "How_to_use.pdf" arquivos na mesma pasta. Olha no arquivo "How_to_use.pdf" para os pré-requisitos usar a versão mais recente do IBEX.</li>
		<li>Duplo clique em "IBEX.exe" para iniciar o IBEX.</li>
	</ol>
</li>
</ol>2. definir o local
Nota: As imagens são importadas para este conjunto local e os dados para este estudo são armazenados aqui também. Localização de usos mais anteriormente aplicados IBEX como local padrão quando re-lançado.
<ol><li>Clique no ícone "Local" (Figura 1).</li>
	<li>Selecione o usuário ou dê um duplo clique em "Novo usuário" para criar uma nova pasta de usuário. Se criar uma nova pasta de usuário, digite o nome na nova janela, clique no botão de "Okey".</li>
	<li>Selecione o site dentro do usuário selecionado ou clique duas vezes para criar uma nova pasta de site "novo Site". Se criar uma nova pasta de usuário, digite o nome na nova janela, clique no botão de "Okey".</li>
	<li>Clique no botão "Okey" na parte inferior.</li>
</ol>3. importar imagens
<ol><li>Clique no ícone de "Importação" (Figura 1).</li>
	<li>Selecione DICOM ou Pinnacle9 (versão do arquivo Pinnacle 9) formato clicando sobre o nome do formato. Para importar DICOM imagens vão para a etapa 3.3.1. Para importar Pinnacle9 arquivos vão para a etapa 3.3.2.</li>
	<li>Clique no botão "Next".<ol>
<li>Importar imagens DICOM Nota: Para importar os pacientes individualmente vão para a etapa 3.3.1.1. Para importar vários pacientes, ao mesmo tempo, vá para a etapa 3.3.1.2.<ol>
<li>Importe cada paciente individualmente selecionando a pasta de paciente através do diretório.<ol>
<li>Clique no botão "...", ao lado do diretório listado para selecionar a pasta de paciente que contém as imagens DICOM e estrutura de radiação definido arquivo DICOM (opcional). Nota: Enquanto só é opcional importar uma estrutura definida com os ficheiros dos pacientes, é altamente recomendável a fazê-lo. IBEX tem uma plataforma de contorno dentro dele, mas isso está um pouco impraticável para grandes conjuntos de dados. IBEX pode acomodar conjuntos de estrutura de plataformas de software comercial que são familiares de contorno ferramentas para oncologistas de radiação, o que faz com que o fluxo de trabalho muito mais fácil. Isto é tipicamente como IBEX é usado em estudos.</li>
				<li>Clique no botão "Importar" no canto inferior esquerdo uma vez IBEX terminou procurando os arquivos DICOM, o paciente e caixas de detalhes serão preenchidas.</li>
				<li>Repita as etapas 3.3.1.1.1 - 2 para cada paciente.</li>
				<li>Clique no botão "Exit", depois de todos os pacientes são importados.</li>
			</ol>
</li>
			<li>Importe todos os pacientes de uma vez, marcando a caixa 'Pasta de lote' no canto superior direito. Nota: Todos os pacientes devem ter uma pasta separada, contendo seus respectivos arquivos DICOM.<ol>
<li>Clique no botão "...", ao lado do diretório listado para selecionar a pasta que contém todas as pastas de paciente com suas correspondentes imagens DICOM e estrutura de radiação definido arquivo DICOM (opcional).</li>
				<li>Clique no botão "Importar". Os pacientes serão importados sequencialmente. Clique no botão "Exit", depois de todos os pacientes são importados.</li>
			</ol>
</li>
		</ol>
</li>
		<li>Arquivos de Pinnacle<ol>
<li>Configure o Host Pinnacle e banco de dados dentro do arquivo "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Clique no botão "Config" antes de selecionar Pinnacle na caixa do módulo de importação.</li>
			<li>Selecione o Host Pinnacle e banco de dados apropriados.</li>
			<li>Insira o paciente MRN, apelido ou primeiro nome, em seguida, clique em outro lugar na janela.</li>
			<li>Clique no botão "Consulta".</li>
			<li>Selecione o paciente na nova janela, em seguida, clique no botão "Transferência".</li>
			<li>Clique na caixa dos conjuntos do paciente na janela nova imagem desejada e clique no botão "Okey".</li>
			<li>Clique no botão "Okey" na nova janela que é rotulado "Dados importados com êxito."</li>
			<li>Clique no botão "Exit", depois de todos os pacientes são importados.</li>
		</ol>
</li>
	</ol>
</li>
</ol>4. visualização de imagens e regiões de interesse (ROIs)
<ol><li>Clique no ícone de "Dados" (Figura 1). Clique sobre o arquivo desejado e paciente para abrir a seção "Selecione um paciente" da GUI (metade superior).</li>
	<li>Clique sobre o conjunto de imagens de arquivo de paciente desejado para abrir a seção "Selecione o grupo de imagem" do GUI (metade inferior). Clique no botão "Abrir".</li>
	<li>Use as setas abaixo as imagens para percorrer as imagens, são mostrados no axial, coronais, e pontos de vista sagitais (da esquerda para a direita).</li>
	<li>Amplie a imagem clicando no botão "Zoom" (Figura 2). Desenhe uma caixa sobre o plano de imagem para ampliar. Botão direito do mouse para diminuir o zoom.</li>
	<li>Ligue os localizadores, selecionando o botão de "Cruzamento" (Figura 2). Nota: As linhas que aparecem mostram onde essa fatia situa-se em cada avião. Estas linhas se mover quando usando as setas de rolagem.</li>
	<li>Clique no botão "Régua" (Figura 2) para medir distâncias. Clique e segure o botão esquerdo do mouse para medir entre dois pontos de interesse. Solte o mouse para remover o valor medido da área exibida.</li>
	<li>Clique no botão "CT Num" (Figura 2) para medir o valor de um voxel. Clique e segure o botão esquerdo do mouse sobre o voxel de interesse e o valor irão aparecer no lado esquerdo do GUI abaixo a escala de cores. Solte o mouse para remover o valor medido da área exibida.</li>
	<li>Clique no botão "W/L" (Figura 2) de nível/janela as imagens. Outra janela irá aparecer. Arraste os lados esquerdo e direito para a área desejada ou insira manualmente a janela/nível nas caixas na parte inferior da janela nova janela e nível. Selecione a janela/níveis diferentes, usando o primeiro menu drop-down à esquerda ( Figura 2): existem 8 para CT e 1 para Pet.</li>
	<li>Selecione uma cor diferentes escalas, usando o segundo menu à esquerda (Figura 2) suspenso: existem 9 opções de escolha.</li>
	<li>Visualize ROIs clicando na caixa ao lado o ROI para torná-lo visível nas imagens, ou clique no botão "Em todos os ROIs" para ativar todas as paciente ROIs.</li>
</ol>5. editar o ROI
<ol><li>Edite ROIs clicando no botão "Editar ROIs" no canto superior esquerdo ou na parte inferior central. Selecione o contorno para editar, clicando na caixa ao lado de seu nome.</li>
	<li>Use o botão "Nudge contornos" (Figura 3) para empurrar contornos dentro ou para fora como já desenhado. Ajuste o tamanho do círculo usado na caixa rotulada "D" ao lado do botão de contornos Nudge.</li>
	<li>Remova uma fatia inteira de contorno usando o botão de "Contornos de corte" (Figura 3). Clique e segure o botão esquerdo do mouse e desenhe uma caixa ao redor o ROI deve ser removido.</li>
	<li>Desenhar os contornos Nota: Vá para a etapa 5.4.1 desenhar contornos por pontos de conexão. Vá para a etapa 5.4.2 desenhar contornos à mão livre.<ol>
<li>Pontos de conexão: Use o botão "Desenhar contornos (1)" (Figura 3) para desenhar um contorno em cada fatia clicando em pontos ao redor do contorno onde os pontos são conectados por linhas retas. Complete o ROI para aquela fatia clicando sobre o primeiro ponto desenhado.</li>
		<li>Mão livre: Use o botão "Desenhar contornos (2)" (Figura 3) para desenhar um contorno à mão livre. Segure o botão esquerdo do mouse para desenhar o contorno na fatia. Termine o contorno sobre essa fatia vai voltar para o início do ROI desenhada e depois soltar o botão esquerdo do mouse.</li>
	</ol>
</li>
	<li>Clique sobre o botão "Interpolar contornos" (Figura 3) para interpolar ROIs entre fatias.</li>
	<li>Clique no botão "ROI de copiar" para copiar o ROI.</li>
	<li>Mescle ROIs selecionando múltiplos ROIs e em seguida, clicando no botão "Mesclar ROI".</li>
	<li>Clique no botão "Excluir ROI" para excluir o ROI atualmente selecionado.</li>
	<li>Clique em "Criar ROI" para criar um novo ROI que fará com que uma janela pop-up. Digite o nome do ROI e clique no botão "Okey". Clique no botão "Salvar". Clique no botão "Exit" para retornar ao visor do paciente.</li>
</ol>6. os contornos no conjunto de dados
<ol><li>Ver os contornos no conjunto de dados<ol>
<li>Clique no botão "mostrar o conjunto de dados" para ver os contornos no conjunto de dados. Clique sobre o nome do conjunto de dados para exibir. Clique no botão "Abrir". Selecione paciente contornos usando a caixa ao lado de seu nome. Clique no botão "Delete", "Movimento" ou "Cópia", dependendo da função desejada para o contorno. Feche a janela do conjunto de dados uma vez terminada a visualização do conjunto de dados.</li>
	</ol>
</li>
	<li>Adicionar contornos para o conjunto de dados<ol>
<li>Selecione contornos para adicionar a um conjunto de dados clicando a caixa de seleção ao lado de seu nome, em seguida, clique no botão "adicionar ao conjunto de dados". Clique sobre o nome do conjunto de dados para adicionar os contornos ou clique no botão "New" para um novo conjunto de dados. Se o novo for selecionado, digite o nome do conjunto de dados na nova janela. Clique no botão "Okey".</li>
	</ol>
</li>
	<li>Clique no botão "Importar ROIs" para importar um arquivo de 9 .roi Pinnacle versão se contornos não foram carregados durante a seção 3.<ol>
<li>Clique no botão "..." para selecionar o arquivo. Clique no botão "Importar".</li>
	</ol>
</li>
	<li>Clique no botão "ROIs exportar" para exportar ROIs.<ol>
<li>Clique no botão "..." para selecionar o diretório em que serão colocados ROIs exportados. Clique sobre o nome do formato que é preferido para o exportado ROIs. Insira as informações de anonimização se é preferencial. Clique no botão Exportar. Nota: A predefinição é para nenhum anonimização ser executada.</li>
	</ol>
</li>
	<li>Clique no botão "Exit" para retornar à lista de pacientes e exames.</li>
</ol>7. criar o conjunto de recursos
<ol><li>Clique no ícone do "Recurso".</li>
	<li>Adicione o pré-processamento se desejado.<ol>
<li>Clique no botão "Add" em "Passo 1: pré-processar". Selecione a opção de pré-processamento de menu drop-down na janela nova.</li>
		<li>Clique sobre o "i" sob "Parág." para selecionar os parâmetros de pré-processamento. Clique sobre o número na coluna de valor na nova janela do parâmetro para mudá-lo. Digite o novo valor do parâmetro e clique no botão "Okey".</li>
		<li>Clique no botão "interrogação" no canto superior direito para uma descrição do método de pré-processamento e o pré-processamento de parâmetros específicos.</li>
		<li>Clique no botão "Adicionar". Selecione a etapa de pré-processamento e clique no botão 'Excluir' para excluir etapas de pré-processamento indesejadas.</li>
	</ol>
</li>
	<li>Adicione as características desejadas.<ol>
<li>Selecione a categoria de recurso no menu suspenso em "etapa 2: categoria de recursos:". Repita as etapas para várias categorias. Nota: Apenas uma categoria de recursos pode ser adicionada a um momento. Diferentes combinações de pré-processamento e recurso categorias podem ser adicionadas para o mesmo recurso definido se desejado.<ol>
<li>Selecione o "GrayLevelCooccurenceMatrix25" e as "NeighborIntensityDifference25" categorias de recurso para calcular a matriz de co-ocorrência nível cinza e bairro matriz de diferença de intensidade, respectivamente, em 2.5 D, que é feito calculando a matriz em cada fatia individualmente e então somar todas as matrizes juntos.</li>
			<li>Selecione o "GrayLevelCooccurenceMatrix3" e as "NeighborIntensityDifference3" categorias de recurso para calcular a matriz de co-ocorrência nível cinza e bairro matriz de diferença de intensidade, respectivamente, em 3D.</li>
		</ol>
</li>
		<li>Clique sobre o "i" sob "Parág." para os parâmetros selecionados para o pré-processamento. Clique no botão no canto superior direito para obter uma descrição desse método de pré-processamento e os parâmetros de "ponto de interrogação".<ol>
<li>Digite o novo valor do parâmetro e clique no botão "Okey".</li>
		</ol>
</li>
		<li>Clique no botão "Test" para exibir uma categoria de recurso ou recurso específico. Clique no botão ao lado do recurso ou a categoria desejada.<ol>
<li>Selecione o conjunto de dados para ver o teste em e clique no botão "Abrir". Marque a caixa junto aos pacientes do conjunto de dados selecionado para ver o teste em e clique no botão "Test".</li>
		</ol>
</li>
		<li>Desmarque a opção recursos indesejados para a categoria selecionada; todos os recursos são selecionados depois de selecionar a categoria. Clique na palavra "características:" em "Passo 2: recursos" para desmarcar todas as funcionalidades.</li>
		<li>Clique no botão "Adicionar ao conjunto de recursos" para adicionar todos os recursos selecionados com pré-processamento selecionado.<ol>
<li>Selecione o recurso conjunto para adicionar recursos para e clique no botão "Abrir" ou clique no botão "Novo" para adicionar recursos a um novo conjunto de recursos. Se criar um novo conjunto de recursos, digite o nome do recurso definido na nova janela e clique no botão "Okey".</li>
		</ol>
</li>
	</ol>
</li>
	<li>Clique no botão "Mostrar conjunto de recursos" para ver os recursos com técnicas de pré-processamento correspondentes para exibir recursos em um conjunto de recursos.<ol>
<li>Selecione o recurso definido para exibir e clique no botão "Abrir" ou clique no botão "Novo" para criar um novo conjunto de recursos. Se criar um novo conjunto de recursos, digite o nome do recurso definido na nova janela e clique no botão "Okey".</li>
	</ol>
</li>
	<li>Clique no botão "mostrar o conjunto de dados" para exibir conjuntos de dados atuais.<ol>
<li>Selecione o conjunto de dados para exibir e clique no botão "Abrir" ou clique no botão "New" para criar um novo conjunto de dados. Se criar um novo conjunto de dados, digite o nome do conjunto de dados na nova janela e clique no botão "Okey".</li>
	</ol>
</li>
	<li>Clique no botão "Exit".</li>
</ol>8. características de saída
<ol><li>Clique no ícone de "Resultado". Clique no conjunto de dados para executar os recursos sob "etapa 1: conjunto de dados." Clique no recurso definido para ser executado sobre os dados selecionados em "etapa 2: conjunto de recursos."</li>
	<li>Clique no botão "Exibir dados" para exibir o conjunto de dados selecionado. Clique no botão "Recurso de modo de exibição" para exibir o conjunto de recursos selecionados.</li>
	<li>Clique no botão "Calcular & salvar resultado". Digite o nome de arquivo para os resultados e clique no botão "Salvar".</li>
</ol>9. estatística edifício modelo
<ol><li>Abra o arquivo de resultados salvos. Nota: Este é tipicamente sob o usuário C:\IBEX\DataIbex\[Selected no passo 2.2] \ [Site selecionado na etapa 2.3] \1FeatureResultSet_Result, a menos que caso contrário atribuído na etapa 8.4.</li>
	<li>Utilizar os dados das guias diferentes nos testes estatísticos desejados ou modelo de construção de software. Nota: O protocolo pode ser pausado a qualquer momento. No entanto, é mais conveniente, depois de terminar todos os passos necessários para um ícone específico, por exemplo, terminar todos da secção 7, que está sob o ícone de recurso.</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>

Os autores têm sem interesses financeiros concorrentes para divulgar.

IBEX é uma poderosa ferramenta de pesquisa de radiomics de imagem médica. -Tem até agora sido usado principalmente para fins de Oncologia radiação em estudos realizados pelo grupo de radiomics MD Anderson. IBEX permite a manipulação de ROIs e cálculo de recursos dentro de 5 categorias de recurso principal. A versão de código fonte do IBEX permite ao usuário para aplicativos de design que já não são parte do IBEX, tais como características de matriz de zona cinzenta de nível.
As principais etap...

Na medicina, o diagnóstico da doença do paciente normalmente incorpora um grande número de exames de diagnóstico, como raios-x, ultra-sonografia, tomografia computadorizada (CT), ressonância magnética (MRI), e varreduras de tomografia por emissão de pósitrons (PET) para ajudar a determinar o curso de atendimento ao paciente. Enquanto os médicos usam essas imagens para avaliar qualitativamente o diagnóstico do paciente, pode haver características quantitativas adicionais que podem ser extraídas para orientar o tratamento do paciente. A lógica é que esses recursos podem representar proteômica e genômicos padrões expressados na escala macroscópica1. Combinando estas informações quantitativas com o atuais informações clínicas, por exemplo, paciente, demografia, podem permitir atendimento mais individualizado. Esta é a teoria por trás do radiomics: apresentam a análise de imagens em um nível de voxel. As características normalmente caem em 5 categorias principais: cinza matriz de co-ocorrência de nível, comprimento de execução nível cinza matriz, matriz de diferença de intensidade de bairro, histograma e forma.
Imagem latente biomarcador Explorer (IBEX) é uma ferramenta de código-fonte aberto para radiomics trabalho2. A interface gráfica do usuário (GUI) foi desenvolvida no MD Anderson Cancer Center, com o objetivo de facilitar a extração e cálculo de recursos quantitativos para auxiliar na tomada de decisões no tratamento do câncer. Uma fonte do código3 e uma versão stand-alone4 estão disponíveis online. IBEX calcula as 5 categorias mais comuns de recursos usados na medicina radiomics com parâmetros que podem ser definidos para cada categoria de recurso. As categorias são: cinza de matriz de co-ocorrência de nível5, comprimento de execução nível cinza matriz6,7, intensidade, bairro intensidade diferença matriz8e forma. Desde que o IBEX é open source, permite resultados de extração de característica harmonizadas instituições financeiras facilmente comparar estudos diferentes radiomics. Todos os recursos no IBEX estão descritos no documento inicial por Zhang et al 2
O objetivo deste manuscrito é fornecer orientações sobre como usar o IBEX e demonstrar suas aplicações através de estudos publicados revistas do grupo radiomics MD Anderson. Desde o seu lançamento para o público em 2015, IBEX tem sido usado para calcular as características de imagens de varredura de CT, PET e MRI pelo grupo radiomics MD Anderson, normalmente investigando características para melhorar a sobrevivência clínica modelos9,10, 11,12,13,14,15,16,17,18,19,20 e por instituições externas21,22,23,24. Orientações adicionais sobre ferramentas de software que pode ser usado para obter as etapas na pesquisa radiomics que não estão incluídas no IBEX podem ser encontrada no Court et al 25
Uma introdução geral para o fluxo de trabalho de IBEX vai ajudar a organizar os dados corretamente antes de iniciar projetos de radiomics utilizando o IBEX. Se importar imagens DICOM, IBEX requer que cada paciente tem sua própria pasta com suas imagens DICOM. Conjunto de estrutura de radiação DICOM é opcional para incluir na pasta do paciente, mas é recomendável em vez de usar a plataforma de contorno no IBEX. Para ajudar com a importação de todos os pacientes para um estudo específico, todas as pastas de paciente podem ser colocadas em uma pasta juntos para que todos os dados podem ser importados para o IBEX usando apenas um passo. Se importando pacientes da Pinnacle, é melhor ter a estrutura definida com o plano do paciente. Como os pacientes podem ter vários conjuntos de imagens e planos dentro Pinnacle, é melhor saber qual imagem definido e plano estão corretos antes de importar. Se o tempo de computação é uma preocupação, reduzindo o número de fatias de imagem para um paciente pode reduzir drasticamente o tempo. Por exemplo, se apenas o fígado tem um interesse em um estudo, mas os pacientes têm varreduras de CT de corpo inteiro, reduzindo as fatias DICOM apenas na medida da área de interesse podem encurtar o tempo de computação (por exemplo, reduzindo o DICOM de 300 fatias para 50 fatias pode levar 1/6t h o tempo). Existem diferentes ferramentas disponíveis para realizar esta redução da fatia, do manual para semiautomática.

<table><tbody><tr><td>Excel</td><td>Microsoft Office</td><td></td><td>Qualquer versão do Excel deve funcionar.</td></tr><tr><td>Matlab</td><td>MathWorks</td><td></td><td>Use IBEX apenas no Matlab 2011a de 32 bits ou no Matlab 2014b de 64 bits.</td></tr></tbody></table>

orientações e experiência usando a imagem latente biomarcador explorer (ibex) para radiomics

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

Imagem latente biomarcador Explorer (IBEX) é uma ferramenta open source para imagiologia médica radiomics trabalho. O objetivo deste trabalho é descrever como usar a interface de utilizador gráfica do IBEX (GUI) e para demonstrar como o IBEX calculados recursos têm sido utilizados em estudos clínicos. IBEX permite a importação de imagens DICOM com Pinnacle arquivos ou arquivos de estrutura de terapia de radiação de DICOM. Uma vez que as imagens são importadas, IBEX tem ferramentas dentro do GUI de seleção de dados para manipular a visualização das imagens, valores de medida voxel e distâncias e criar e editar contornos. IBEX vem com 27 opções de recurso pré-processamento e 132 para projetar conjuntos de recursos. Cada categoria de pré-processamento e recurso possui parâmetros que podem ser alterados. A saída do IBEX é uma planilha que contém: 1) cada característica do conjunto calculado para cada contorno de um conjunto de dados, imagem 2) obter informações sobre cada contorno em um conjunto de dados e 3) um resumo do pré-processamento de recursos e recursos usados com seus selecionados parâmetros. Características, calculadas a partir da IBEX têm sido utilizadas em estudos para testar a variabilidade das características sob diferentes condições de imagem e em modelos de sobrevivência para melhorar os modelos clínicos atuais.

A saída do IBEX é uma planilha (ver Figura 4) que contém 3 guias. Na guia "Resultados" contém os valores de recurso para cada ROI no conjunto de dados(Figura 4). Na guia "Dados informação." contém informações sobre as imagens tiradas de cada ROI no conjunto de dados (Figura 4B). Na guia "Recurso informação." contém uma lista abrangente de recursos usados com os parâm...

Descrevemos o IBEX, uma ferramenta de código aberto projetada para estudos de radiomics de imagiologia médica e como usar esta ferramenta. Além disso, alguns trabalhos publicados que utilizaram IBEX para análise de incerteza e construção do modelo são exibidos.

Orientações e experiência usando a imagem latente biomarcador Explorer (IBEX) para 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 ...

O objetivo geral desta ferramenta de software é extrair recursos quantitativos de imagem que se enquadram em forma ou textura, como categorias de matriz de co-ocorrência de nível de cinza. Esta ferramenta pode ser usada para responder a algumas perguntas-chave no campo da radiômica. Por exemplo, você pode extrair características quantitativas de imagem e observar as correlações entre elas e os resultados dos pacientes na radioterapia.A principal vantagem dessa técnica é que ela é de código aberto, é fácil de usar e tem um longo histórico de pessoas que a usam para extrair recursos para uso em modelos de prognóstico. A radiômica tem potencial para fornecer informações sobre a provável resposta de um tumor a certos tratamentos e, portanto, pode fornecer informações adicionais que a equipe clínica pode usar para determinar a adequação de tratamentos alternativos. A radiômica pode fornecer informações sobre o fenótipo do tumor, também pode ser aplicada à alusistância, como alterações quantitativas de mais tecido ao longo do tratamento.Geralmente, os indivíduos novos nesse método terão dificuldades, porque selecionar as configurações corretas para os diferentes recursos, como a reamostr

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

Research

JoVE Journal

Engineering

Engenharia

Aqui, apresentamos um protocolo para explorar o biomarcador e preditor de sobrevivência do câncer de mama com base na análise abrangente de conjuntos de dados clínicos agrupados derivados de uma variedade de bases de dados acessíveis publicamente, utilizando a estratégia de expressão, correlação e análise de sobrevivência passo a passo.

Realizando a mineração de dados e análise Integrativa do biomarcador no câncer de mama usando vários bancos de dados acessíveis publicamente

A TC e a ressonância magnética com 129Xe fornecem informações complementares sobre a função da estrutura pulmonar que podem ser exploradas para análise regional usando registro de imagem. Aqui, fornecemos um protocolo que se baseia na literatura existente para 129Xe MR para registro de imagem de TC usando plataformas de código aberto.

Imagem pulmonar multimodal: usando informações complementares de TC e ressonância magnética hiperpolarizada de 129Xe para avaliar a função da estrutura pulmonar

A combinação de multiplexidade iterativa de branqueamento (IBEX) e um ensaio comercial de marcação de nucleotídeos (Click-iT EdU) permite a detecção e categorização de tipos de células em divisão em processos altamente dinâmicos em seções fixas de tecido murino congelado. Além disso, um novo pipeline de processamento de imagens de código aberto fornece aquisição e análise de imagens de alto rendimento.

Fluxo de trabalho de imagem e análise de alto rendimento para avaliar fenótipos de células da pele e estados de proliferação em amostras de tecido

Aqui, descrevemos a aplicação do método Iterative Bleaching Extends Multiplicity (IBEX) utilizando corantes de tecidos automatizados disponíveis comercialmente e considerações de otimização para o uso de reagentes baseados em amplificação de sinal de tiramida.

O branqueamento iterativo amplia a multiplicidade com o uso da automação de coloração para instalações principais

Este artigo descreve um protocolo de imunofluorescência multiplex otimizado para caracterizar a arquitetura tridimensional de metástases peritoneais.

Imagens tridimensionais de tecido portador de tumor usando o clareamento iterativo estende a abordagem de multiplexidade

A implementação de uma técnica de fotoirradiação versátil e de baixo custo com o método IBEX manual permite imagens ideais de tecido humano com autofluorescência nativa significativa. Este protocolo detalha como obter imagens multiplexadas de lâminas inteiras de amostras clínicas arquivadas usando um microscópio invertido, reagentes amplamente disponíveis e software de código aberto para alinhamento e processamento de imagens.

Fluxo de trabalho otimizado para branqueamento iterativo amplia a imagem de multiplexidade de amostras clínicas altamente autofluorescentes

Este protocolo apresenta uma abordagem multimodal que combina espectroscopia Raman e microscopia de fase tomográfica para fenotipagem não invasiva e sem marcação de células vivas de câncer de mama humano. Ele inclui um pipeline de análise fácil de usar e livre de viés humano para análise morfoquímica rápida e quantitativa, fornecendo insights moleculares e estruturais detalhados com aplicações em pesquisa de câncer e biologia celular.

Uma estrutura de imagem multimodal para avançar a fenotipagem de células vivas de câncer de mama sem rótulos

O Spectral Iterative Bleaching Extends Multiplexity (IBEX) baseia-se na técnica básica do IBEX, adicionando bloqueio de heparina para minimizar a ligação inespecífica e aproveitando a detecção espectral com desmistura computacional para suprimir a autofluorescência. Essa abordagem acelera a aquisição de imagens enquanto reduz as fontes de fundo, permitindo análises proteômicas espaciais robustas de várias rodadas e de alto parâmetro.

Imagens de alta plexidade usando microscopia confocal espectral para minimizar a fluorescência de tecido não específico

Fotovoltaicos orgânicos (OPV) materiais são inerentemente heterogênea em escala nanométrica. Heterogeneidade de materiais em nanoescala OPV afeta o desempenho de dispositivos fotovoltaicos. Neste trabalho, nós descrevemos um protocolo de medidas quantitativas de características elétricas e mecânicas de materiais OPV com sub-resolução de 100 nm.

Condutividade quantitativa concorrente e Medidas mecânicas de materiais fotovoltaicos orgânicos utilizando AFM

Apresentamos uma técnica que permite a separação espacial de diferentes conformadores ou aglomerados presentes em um feixe molecular. Um defletor eletrostático é usado para separar espécies por sua proporção de momento massa-dipolo, levando à produção de conjuntos de fase de gás de um único conformador ou estoquiometria de cluster.

Separação Espacial de Conformadores Moleculares e Clusters

Aprenda a extrair características quantitativas de imagens médicas usando o IBEX para radiômica. Esta ferramenta de código aberto facilita análises de forma e textura para modelos prognósticos.

Orientações e experiência usando a imagem latente biomarcador Explorer (IBEX) para Radiomics

Explorar mais vídeos