Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Retningslinjer og erfaring med at bruge Imaging biomarkør Explorer (IBEX) for Radiomics

Published: January 8, 2018 doi: 10.3791/57132
Automatic Translation
1,2, 1,2, 1,2, 1,2, 1, 1, 1,2,3
1Department of Radiation Physics, The University of Texas MD Anderson Cancer Center, 2UTHealth Graduate School of Biomedical Sciences, The University of Texas MD Anderson Cancer Center, 3Department of Imaging Physics, The University of Texas MD Anderson Cancer Center

Summary

Vi beskriver IBEX, et open source værktøj designet til medicinsk billedbehandling radiomics undersøgelser, og hvordan du kan bruge dette værktøj. Derudover er nogle udgivne værker, der har brugt IBEX for usikkerhed analyse og model bygning fremvist.

Abstract

Imaging biomarkør Explorer (IBEX) er et open source værktøj til medicinsk billedbehandling radiomics arbejde. Formålet med dette papir er at beskrive, hvordan at bruge IBEXS anskuelighed brugergrænseflade (GUI) og vise, hvordan IBEX beregnet funktioner har været anvendt i kliniske undersøgelser. IBEX tillader import af DICOM-billeder med DICOM-stråling terapi struktur filer eller Pinnacle filer. Når billederne er importeret, har IBEX værktøjer i Data udvalg GUI til at manipulere visning af billeder, foranstaltning voxel værdier og afstande, og oprette og redigere konturer. IBEX kommer med 27 forbehandling og 132 funktion muligheder at designe indslag apparater. Hver forbehandling og funktion kategori har parametre, der kan ændres. Output fra STENBUKKE er et regneark, der indeholder: 1) hver funktion fra funktionssættet beregnet for hver kontur i et datasæt, 2) billede oplysninger om hver kontur i et datasæt, og 3) et resumé af forbehandlingen og funktioner, der bruges med deres valgte parametre. Funktioner beregnes fra IBEX har været anvendt i studier for at teste variabiliteten af funktioner på forskellige betingelser, billedbehandling og i overlevelse modeller til at forbedre nuværende kliniske modeller.

Introduction

I medicin, patienten klovesygediagnosticering typisk indarbejder en lang række diagnostiske eksamener såsom røntgen, ultralyd, computertomografi (CT), magnetisk resonans imaging (MR), og positron emission tomografi (PET) scanninger for at hjælpe med at afgøre den løbet af patientpleje. Mens læger bruger disse billeder til kvalitativt vurdere patientens diagnose, kan der være yderligere kvantitative funktioner, der kan udvindes for at guide patientpleje. Rationalet er, at disse funktioner kan udgøre proteom og genomisk mønstre udtrykt på makroskopisk skala1. Kombinere denne kvantitative oplysninger med aktuelle kliniske oplysninger, f.eks., patienten demografi, tillade mere individualiseret patientpleje. Dette er teorien bag radiomics: indslag analyse af billeder på en voxel niveau. Funktionerne typisk falder i 5 hovedgrupper: grå niveau samtidig forekomst matrix, grå niveau køre længde matrix, kvarteret intensitet forskellen matrix, histogram og form.

Imaging biomarkør Explorer (IBEX) er et open source værktøj til radiomics arbejde2. Den grafiske brugergrænseflade (GUI) blev udviklet på MD Anderson Cancer Center med det mål at lette ekstraktion og beregning af kvantitative funktioner til at hjælpe i beslutningsprocessen i kræftbehandlingen. En kilde kode3 og en stand-alone4 version er tilgængelige online. IBEX beregner de 5 mest almindelige kategorier af funktioner, der bruges i medicinsk radiomics med parametre, der kan indstilles for hver funktion. Kategorierne er: grå niveau samtidig forekomst matrix5, grå niveau køre længde matrix6,7, intensitet, kvarteret intensitet forskellen matrix8og form. Da STENBUKKE er open source, tillader det for harmoniserede funktion udvinding resultater på tværs af institutionerne til nemt sammenligne forskellige radiomics undersøgelser. Alle funktioner inden for STENBUKKE er beskrevet i den oprindelige papir af Zhang et al. 2

Formålet med dette manuskript er at give vejledning om, hvordan at bruge IBEX og vise sine programmer via peer-reviewed offentliggjorte undersøgelser fra MD Anderson radiomics gruppe. Siden dens udgivelse til offentligheden i 2015, er IBEX blevet brugt til at beregne funktioner fra CT, PET og MR scanning billeder af gruppen MD Anderson radiomics typisk undersøger funktioner for at forbedre kliniske overlevelse modeller9,10, 11,12,13,14,15,16,17,18,19,20 og uden for institutionerne21,22,23,24. Yderligere vejledning på software-værktøjer, der kan bruges til trinnene i radiomics forskning, der ikke indgår i IBEX kan findes i retten et al. 25

En generel introduktion til arbejdsprocessen af IBEX vil bidrage til at organisere data korrekt før du starter radiomics projekter udnytte IBEX. Hvis importerer DICOM-billeder, kræver IBEX, at hver patient har deres egen mappe med deres DICOM-billeder. DICOM-stråling struktur sæt er valgfrit at medtage i mappen patient, men anbefales i stedet for at bruge konturer platform i IBEX. For at hjælpe med at importere alle patienter for en specifik undersøgelse, kan alle patient mapper placeres i en mappe sammen således at alle data kan importeres til IBEX ved hjælp af kun et skridt. Hvis importerer patienter fra Pinnacle, er det bedst at have strukturen med patient planen. Som patienter kan have flere billede sæt og planer i Pinnacle, er det bedst for at vide hvilke billede sæt og planen er korrekte før du importerer. Hvis beregningen tid er en bekymring, kan at reducere antallet af billedudsnit for en patient drastisk reducere tid. For eksempel, hvis der kun leveren er af interesse i en undersøgelse, men patienterne har kan fuld krop CT scanninger, reducere DICOM-udsnit til kun udstrækningen af området af interesse forkorte computation tid (f.eks.nedbringelse af DICOM fra 300 skiver til 50 skiver kan tage 1/6t h tid). Der er forskellige værktøjer til rådighed til at udføre denne skive reduktion, fra manuelle til semi-automatisk.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Installer IBEX

Bemærk: for at installere en kildekode version gå til trin 1.1. Alternativt, for at installere en separat version gå til trin 1,2.

  1. Kildekode version
    1. Gå til IBEX kildekoden version hjemmeside3. Hent filerne "IBEX_Source.zip" og "How_to_use.pdf". Se i filen "How_to_use.pdf" at finde forudsætninger til at bruge den nyeste IBEX version.
      Bemærk: IBEX virker kun på 32 bit og 64 bit Matlab versioner 2011En og 2014b, henholdsvis.
    2. Når overførslen er fuldført, unzip "IBEX_Source.zip" og tilføje mappen \IBEX_Source til den lokale sti.
      Bemærk: Instruktioner om, hvordan du føjer en sti kan findes på siden software henvisninger til "tilføje stien"26.
    3. Skriv "IBEXMain" i den befale rude at starte IBEX.
  2. Enkeltstående version
    1. Gå til IBEX standaloneversion hjemmeside4. Hvis du installerer IBEX for første gang, gå til mappen "Afhængigheder" og hente/installere "MCRInstaller.exe," vc2005redist_x86_new.exe, "og"vc2012redist_x86.exe"filer. Fra forsiden, download "IBEX.exe," "IBEX.ctf," "IBEX.ini," og "How_to_use.pdf" filer i den samme mappe. Se i filen "How_to_use.pdf" for forudsætninger til at bruge den nyeste IBEX version.
    2. Dobbeltklik på "IBEX.exe" for at starte IBEX.

2. sæt placeringen

Bemærk: Billederne er importeret til dette sæt placering og data for denne undersøgelse er gemt her så godt. IBEX bruger mest tidligere anvendt lokation som standardlokation når relanceret.

  1. Klik på ikonet "Placering" (figur 1).
  2. Vælg bruger eller dobbeltklik på "Ny bruger" for at oprette en ny brugermappe. Om at oprette en ny brugermappe, Indtast navnet på det nye vindue klik derefter på knappen "OK".
  3. Vælg stedet inden for den valgte bruger eller dobbeltklik på "Nye Site" for at oprette et nyt websted mappe. Om at oprette en ny brugermappe, Indtast navnet på det nye vindue klik derefter på knappen "OK".
  4. Klik på knappen "OK" i bunden.

3. Importer billeder

  1. Klik på "Import"-ikonet (figur 1).
  2. Vælg DICOM eller Pinnacle9 (Pinnacle filversion 9) format ved at klikke på navnet på formatet. Importere DICOM gå billeder til trin 3.3.1. Importere Pinnacle9 gå filer til trin 3.3.2.
  3. Klik på knappen "Næste".
    1. Importere DICOM-billeder
      Bemærk: Importere patienter individuelt gå til trin 3.3.1.1. For at importere gå flere patienter på én gang til trin 3.3.1.2.
      1. Importere hver patient individuelt ved at vælge mappen patient gennem registret.
        1. Klik på "..." knappen ved siden af den angivne mappe til at vælge mappen patient, der indeholder DICOM-billederne og stråling struktur opsætning DICOM-fil (valgfrit).
          Bemærk: Mens det er kun valgfrit til at importere en struktur med patient-filer, det er stærkt anbefales at gøre dette. STENBUKKE har en konturer platform inden for det, men det er lidt upraktisk for store datasæt. IBEX kan rumme struktur sæt fra kommercielle software-platforme, der kender Profilstyring værktøjer for stråling onkologer, som gør arbejdsprocessen nemmere. Det er typisk, hvordan IBEX bruges i studier.
        2. Klik på "Import" knappen på nederste venstre når STENBUKKE er færdig med at søge DICOM-filer, patienten og detaljer kasser vil være befolket.
        3. Gentag trin 3.3.1.1.1 - 2 for hver patient.
        4. Klik på knappen "Afslut", når alle patienter er blevet importeret.
      2. Importere alle patienter på én gang ved at markere boksen 'Batch mappe' i øverste højre hjørne.
        Bemærk: Alle patienter skal have en separat mappe, der indeholder deres respektive DICOM-filer.
        1. Klik på "..." knappen ved siden af den angivne mappe til at vælge den mappe, der indeholder alle patient mapper med deres tilsvarende DICOM-billeder og stråling struktur opsætning DICOM-fil (valgfrit).
        2. Klik på knappen "Importer". Patienter vil blive importeret sekventielt. Klik på knappen "Afslut", når alle patienter er blevet importeret.
    2. Pinnacle filer
      1. Konfigurere Pinnacle vært og Database i filen "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Klik på knappen "Config" før du vælger Pinnacle i boksen import modulet.
      2. Vælg den korrekte Pinnacle vært og Database.
      3. Angiv patienten MRN, efternavn eller fornavn så klik andetsteds i vinduet.
      4. Klik på knappen "Query".
      5. Vælg patienten i det nye vindue og derefter klikke på "Overførsel"-knappen.
      6. Klik på de ønskede billede sæt fra denne patient i det nye vindue og klik på knappen "OK".
      7. Klik på knappen "OK" i det nye vindue, der er mærket "Data blev importeret".
      8. Klik på knappen "Afslut", når alle patienter er blevet importeret.

4. visning af billeder og områder af interesse (ROIs)

  1. Klik på "Data"-ikonet (figur 1). Klik på den ønskede patient filen for at åbne i afsnittet "Vælg en patient" i GUI (øverste halvdel).
  2. Klik på den ønskede patient filen for at åbne i afsnittet "Vælg billede enhed" i GUI billede sæt (nederste halvdel). Klik på knappen "Åbn".
  3. Brug pilene under billederne til at rulle gennem billeder, som er vist i aksial, koronale, og sagittal udsigt (fra venstre til højre).
  4. Zoome ind på billedet ved at klikke på "Zoom"-knappen (figur 2). Tegne en boks på billedplan at zoome. Højreklik for at zoome.
  5. Tænde localizers ved at vælge knappen "Krydset" (figur 2).
    Bemærk: De linjer, der vises Vis hvor denne skive er placeret i hvert fly. Disse linjer flytte når rulning ved hjælp af pilene.
  6. Klik på knappen "Lineal" (figur 2) for at måle afstande. Klik og hold venstre museknap til at måle mellem de to punkter af interesse. Slip museknappen for at ophæve den målte værdi af det viste område.
  7. Klik på knappen "CT Num" (figur 2) for at måle værdien af en voxel. Klik og hold venstre museknap på voxel af interesse og værdien vil poppe op på venstre side af GUI under farveskalaen. Slip museknappen for at ophæve den målte værdi af det viste område.
  8. Klik på knappen "W/L" (figur 2) til vindue/niveau billederne. Et andet vindue vil poppe op. Træk venstre og højre side til det ønskede område eller manuelt indtaste vindueniveau i boksene vindue og niveau i bunden af det nye vindue. Vælg forskellige vindue/niveauer ved hjælp af den første drop-down menuen til venstre ( figur 2): der er 8 til CT og 1 til PET.
  9. Vælg forskellige farveskalaer ved hjælp af andet drop down menuen til venstre (figur 2): der er 9 muligheder at vælge fra.
  10. Visualisere ROIs ved at klikke på afkrydsningsfeltet ved siden af Investeringsafkastet til at gøre den synlig på billederne, eller klik på knappen "På alle ROIs" at tænde alle patienten ROIs.

5. Rediger ROI

  1. Redigere ROIs ved at klikke på knappen "Rediger ROIs" i den øverste venstre eller nederst i midten. Vælge kontur redigere den ved at klikke på boksen ud for navnet.
  2. Bruge knappen "Albuestød konturer" (figur 3) til at skubbe konturer i eller ud som allerede draget. Justere størrelsen på cirklen bruges i feltet mærket "D" ud for knappen Skub konturer.
  3. Fjerne en hel contour skive ved hjælp af knappen "Skære konturer" (figur 3). Klik og hold venstre museknap nede og trække en boks rundt om ROI skal fjernes.
  4. Tegne konturerne
    Bemærk: Gå til trin 5.4.1 at tegne konturerne af forbindelsespunkter. Gå til trin 5.4.2 at tegne konturerne af frie hænder.
    1. Forbindelsespunkter: Brug knappen "Draw konturer (1)" (figur 3) til at tegne en kontur på hver skive ved at klikke på punkter omkring konturen hvor punkterne er forbundet med lige linjer. Komplet ROI for at udsnit ved at klikke på det første punkt trukket.
    2. Frie hænder: Brug knappen "Tegne konturer (2)" (figur 3) til at tegne en kontur af frie hænder. Hold venstre museknap til at tegne konturen på udsnittet. Afslutte kontur på denne skive kommer tilbage til begyndelsen af det udtrukne ROI og derefter slippe den venstre museknap.
  5. Klik på "Interpolere konturer" knappen (figur 3) at interpolere ROIs mellem skiver.
  6. Klik på knappen "Kopi ROI" kopiere ROI.
  7. Flette ROIs ved at markere flere ROIs og derefter klikke på knappen "Flet ROI".
  8. Klik på knappen "Slet ROI" for at slette den aktuelt markerede ROI.
  9. Klik "Opret ROI" til at oprette en ny ROI, hvilket vil medføre et vindue vil poppe op. Angiv navnet på ROI og klik på knappen "OK". Klik på knappen "Gem". Klik på knappen "Afslut" at vende tilbage til den tålmodige viewer.

6. konturer i datasættet

  1. Se konturerne i datasættet
    1. Klik på knappen "Vis datasæt" at se konturerne i datasættet. Klik på navnet på datasættet til at se. Klik på knappen "Åbn". Vælg patient konturer ved hjælp af boksen ved siden af deres navn. Klik på knappen "Slet", "Flytte" eller "Kopi" afhængigt af den ønskede funktion for denne profil. Luk vinduet datasæt engang færdige visning af datasættet.
  2. Tilføje konturer til datasættet
    1. Vælg konturer til at føje til et datasæt ved at klikke i afkrydsningsfeltet ved siden af deres navn og derefter klikke på knappen "Tilføj til datasættet". Klik på navnet på datasættet til at tilføje konturer eller klik på knappen "New" for et nyt datasæt. Hvis New er valgt, skal du indtaste navnet på datasættet i det nye vindue. Klik på knappen "OK".
  3. Klik på knappen "Importer ROIs" at importere Pinnacle version 9 .roi arkiv, hvis konturer ikke blev indlæst i afsnit 3.
    1. Klik på "..." knappen for at vælge filen. Klik på knappen "Importer".
  4. Klik på "Export ROIs" knappen for at eksportere ROIs.
    1. Klik på "..." knappen for at vælge mappen, hvor eksporteret ROIs vil blive placeret. Klik på navnet på det format, der er at foretrække for de eksporterede ROIs. Angiv anonymisering oplysninger, hvis der foretrækkes. Klik på knappen Eksporter.
      Bemærk: Forudindstillingen er ingen anonymisering skal udføres.
  5. Klik på knappen "Afslut" at vende tilbage til listen over patienter og scanninger.

7. Opret Feature sæt

  1. Klik på ikonet "Funktion".
  2. Tilføje forbehandling, hvis det ønskes.
    1. Klik på knappen "Tilføj" under "Trin 1: forbehandle". Vælg indstillingen forbehandling i drop-down menuen i det nye vindue.
    2. Klik på "i" under "Para." til at vælge de forbehandling parametre. Klik på antallet under kolonnen værdi i vinduet ny parameter til at ændre den. Skriv i den nye parameterværdi og klikke på knappen "OK".
    3. Klik på knappen "spørgsmålstegnet" i øverste højre hjørne for en beskrivelse af metoden forbehandling og forbehandling af bestemte parametre.
    4. Klik på knappen "Tilføj". Vælg den forbehandling trin og klikke på knappen "Slet" for at slette uønskede forbehandling trin.
  3. Tilføj de ønskede funktioner.
    1. Vælg kategorien funktion fra drop-down menuen under "trin 2: funktioner kategori:". Gentag trin for flere kategorier.
      Bemærk: Kun én kategori af funktioner kan tilføjes på et tidspunkt. Forskellige kombinationer af forbehandling og funktion kategorier kan føjes til den samme funktionssættet hvis det ønskes.
      1. Vælg "GrayLevelCooccurenceMatrix25" og "NeighborIntensityDifference25" funktion kategorier til at beregne den grå niveau samtidig forekomst matrix og kvarteret intensitet forskellen matrix, henholdsvis, i 2.5 D, der er udført af computing matrix på hver skive individuelt og derefter summere alle matrixer sammen.
      2. Vælg "GrayLevelCooccurenceMatrix3" og "NeighborIntensityDifference3" funktion kategorier til at beregne den grå niveau samtidig forekomst matrix og kvarteret intensitet forskellen matrix, henholdsvis i 3D.
    2. Klik på "i" under "Para." for de parametre, der er valgt til at forbehandling. Klik på knappen "spørgsmålstegnet" i øverste højre hjørne for en beskrivelse af metoden forbehandling og parametre.
      1. Skriv i den nye parameterværdi og klikke på knappen "OK".
    3. Klik på knappen "Test" for at se en funktion kategori eller en bestemt funktion. Klik på knappen ud for funktion eller kategori ønskes.
      1. Vælg datasæt til at se testen på og klikke på knappen "Åbn". Afkryds boksen ved siden af patienter fra den valgte datasæt til at se testen på og klikke på knappen "Test".
    4. Uncheck uønskede egenskaber for kategorien udvalgt; alle funktioner er valgt efter at vælge kategorien. Klik på ordet "funktioner:" under "Trin 2: funktioner" hen til uncheck alle funktioner.
    5. Klik på knappen "Tilføj til Feature Set" for at tilføje alle markerede funktioner med udvalgte forbehandling.
      1. Vælg funktionen indstillet til at tilføje funktioner, og klik på "Åbn"-knappen eller klik på knappen "Ny" for at tilføje funktioner til et nyt funktionssæt. Hvis oprettelse af en ny funktion, Angiv navnet på indslag placere i det nye vindue og klik på knappen "OK".
  4. Klik på knappen "Vis Feature Set" for at se egenskaber med tilsvarende forbehandling teknikker til at få vist funktionerne i en feature sæt.
    1. Vælg funktionen indstillet til at se og klik på "Åbn"-knappen eller klik på knappen "Ny" for at oprette et nyt funktionssæt. Hvis oprettelse af en ny funktion, Angiv navnet på indslag placere i det nye vindue og klik på knappen "OK".
  5. Klik på "Vis datasæt" knappen for at se aktuelle datasæt.
    1. Vælg datasæt til at se og klik på "Åbn"-knappen eller klik på knappen "New" for at oprette et nyt datasæt. Hvis oprettelse af et nyt datasæt, Indtast navnet på datasættet i det nye vindue og klik på knappen "OK".
  6. Klik på knappen "Afslut".

8. output funktioner

  1. Klik på ikonet "Resultat". Klik på datasæt til at køre funktioner under "trin 1: datasættet." Klik på funktion indstillet til at køre på de valgte data under "trin 2: funktionssæt."
  2. Klik på knappen "visningsdata" for at se den valgte datasæt. Klik på knappen "View funktionen" at se den valgte funktionssæt.
  3. Klik på knappen "Beregne & gemme resultatet". Angiv filnavnet for resultaterne og klik på knappen "Gem".

9. den statistiske Model bygning

  1. Åbn filen gemt resultater.
    Bemærk: Dette er typisk under C:\IBEX\DataIbex\[Selected bruger i trin 2.2] \ [valgt Site i trin 2.3] \1FeatureResultSet_Result, medmindre andet tildelt i trin 8,4.
  2. Bruge dataene fra de forskellige faner i de ønskede statistiske test eller model bygning i software.
    Bemærk: Protokollen kan pause på ethvert tidspunkt. Dog, det er mest bekvemt efter endt alle trin, der bruges til et bestemt ikon, fxefterbehandling alle afsnit 7, som er under ikonet funktion.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Output fra STENBUKKE er et regneark (Se fig. 4), der indeholder 3 tabs. Fanen "Resultater" indeholder funktionen værdierne for hver ROI i datasæt (figur 4A). Fanen "Data Info." indeholder oplysninger om billeder taget fra hver ROI i datasæt (fig. 4B). Fanen "Funktion Info." indeholder en omfattende liste af funktioner, der bruges med parametrene udvalgt til kategorien funktion og forbehandlingen anvendes for den pågældende kategori af funktioner (fig. 4C).

IBEX beregnet funktioner fra medicinske billeder har været udnyttet i flere sammenhænge. Hunter et al. anvendte en tidlig version af IBEX for at identificere robust billede funktioner19. Fave et al. undersøgte usikkerhed i radiomics funktioner af 4 D CT thorax scanninger indsamlet på forskellige respiratorisk faser, peak tube spændinger og tube strømninger9. Denne undersøgelse fandt intra patient variation til at være mindre end Inter patient variation for de fleste funktioner når tube spænding og strøm blev varieret, hvilket gør disse faktorer ubetydelig. Reproducerbarhed af funktionen fra kegle stråle CT (CBCT) billeder blev derefter evalueres ved hjælp af IBEX10. I denne undersøgelse fandtes funktioner beregnes fra lunge CBCT billeder for at være reproducerbare, når den samme protokol og producent anvendtes kun når vejrtrækning motion var små. Billede forbehandling indvirkning på funktion værdier blev efterfølgende evalueret. Undersøgelsen viste, at 39 af funktionerne 55 studerede havde mindst én forbehandling teknik, der resulterede i betydelige stratificering for samlet overlevelse ved hjælp af Cox proportional farer modeller der viser, at forskellige forbehandling kan være behov for hver feature11. Usikkerhed i funktioner fra perfusion CT billeder er også blevet evalueret ved hjælp af IBEX. Yang et al. viste at radiomics egenskaber ikke var afhængig af tid mellem kontrast administration og CT-scanning, og at 86.9% af funktioner var reproducerbare med en Inter session stabilitet konkordans korrelationer koefficient større end eller lig 0.916. Endelig, et fantom var designet til at teste Inter scanner variation på et undersæt af funktioner15. Tekstur styrke blev fundet for at være den mest konsekvente funktion, mens travlhed blev fundet for at variere mest.

Radiomics funktioner fra IBEX bruges også ofte til model bygning, typisk ser på samlet overlevelse, lokal-regional kontrol og frihed fra fjern metastaser. Stegt et al. identificeret 8 radiomics funktioner fra ikke-småcellet lungekræft (NSCLC) kræftpatienter CT scanner, når det er gennemført i en Cox proportional farer modeller for samlet overlevelse, loco-regional kontrol og fjern metastaser betydeligt forbedret Kaplan-Meier stratificering i forhold til modeller, der kun anvendes kliniske data20. Ligeledes Fave et al. fandt radiomics funktioner, som forbedret tålmodige stratificeringsniveau i overlevelse kurver12. Deres undersøgelse bruges ugentlige CT billeder og beregnede ændringer i lunge radiomics funktioner. Beregnet funktioner i modellen havde fire forskellige forbehandling metoder: (1) tærskel, (2) tærskel og bit dybde, (3) tærskel og udjævning, (4) tærskel, bitdybde og gulvafslibning; og det bedste forbehandling metode blev valgt for hver funktion individuelt før testes i Cox proportional farer modeller. Hunter et al. viste også at radiomics funktioner kan forudsige tumor krympning i NSCLC patienter mens udforske forskellige tærskelværdier og lidt dybde rescale værdier18.

PET billede radiomics funktioner og deres prognostiske værdi har også undersøgt ved hjælp af IBEX. Stegt et al. skaleret standardiserede optagelse værdier (SUV) af afrunding SUV'er til det nærmeste hele tal, og derefter fratrække den mindste SUV til at ROI fra resten13. Energi og soliditet blev fundet statistisk forbedre en samlet overlevelse model når inkluderet i forhold til modellen når kun konventionelle kliniske faktorer var inkluderet. Disse to radiomics funktioner fandtes også for at være i stand til at identificere undergrupper af patienter, som fik en fordel eller ulempe fra dosis eskalering14. Ligeledes van Rossum et al. konstateret en stigning i c-indeks for en klinisk forudsigelsesmodel af patologiske komplet svar når herunder radiomics funktioner i klinisk modeller17.

Figure 1
Figur 1 : IBEX hovedstartsiden. Hovedsiden for IBEX med ikoner for hvert afsnit. Hver af disse sektioner er beskrevet i afsnit 2-6. Venligst klik her for at se en større version af dette tal.

Figure 2
Figur 2 : Data valgvinduet. GUI vinduet anvendes til datamanipulation udvalg. Vinduet kommer med knapper til at ændre udseendet af billederne som beskrevet i trin 4.4-4.10. Venligst klik her for at se en større version af dette tal.

Figure 3
Figur 3 : ROI editor vindue. GUI vindue bruges til ROI manipulation. Med vinduet følger de samme knapper til at ændre udseende som i markerede data samt knapper til at ændre ROIs. ROI manipulation er beskrevet i afsnit 5. Venligst klik her for at se en større version af dette tal.

Figure 4
Figur 4 : IBEX resultater regneark. IBEX udgange tre sider af oplysninger i et regneark. Den første side (A) indeholder funktionen værdierne for hver ROI, den anden side (B) indeholder oplysninger om de billeder, ROIs blev trukket på, og den tredje side (C) indeholder oplysninger om funktionerne og forbehandling anvendes. Udgange for denne figur fra en fantom studie hvor funktioner blev beregnet bruger Butterworth gulvafslibning og 8-bit dybde rescaling, vist i panelet C, kolonne E, rækker 5 og 6. Venligst klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

STENBUKKE er et kraftfuldt værktøj til medicinsk billedbehandling radiomics forskning. Det har hidtil primært været brugt til stråling onkologi formål i undersøgelser af MD Anderson radiomics gruppe. IBEX giver mulighed for manipulation af ROIs og beregning af funktioner inden for 5 hovedtræk kategorier. Den kilde kode version af IBEX tillader brugeren at designprogrammer, ikke der allerede er en del af IBEX, såsom grå niveau zonen matrix funktioner.

De vigtigste trin i STENBUKKE er import af billeder, tilretning af ROIs, udvalg af ROIs for datasættet, og oprettelsen af funktionssæt. Nøjagtige konturer er nødvendige som funktioner beregnes kun inden for disse områder og dermed unøjagtige konturer vil give unøjagtige funktion værdier. Således nogen sammenhæng fundet mellem disse funktioner beregnet på unøjagtige konturer og resultater vil være falske. Parameter valg for funktionerne, der er også et afgørende skridt. For eksempel, kan skiftende skridt nummer for matrixen grå niveau samtidig forekomst påvirke funktionerne beregnet ud fra matrixen. Dette kunne afhænge image type (dvs., MRI, CT eller PET), site for undersøgelsen (f.eks.NSCLC vs hoved og hals), og formålet med undersøgelsen (f.eks.oprettelse af overlevelse modeller vs linking billede funktioner med genomforskning). Funktion parametre bør være valgt baseret på en fysisk eller biologisk argumentation, f.eks., er der en grund til, at et skridt nummer 4 ville være biologisk relevante i en samtidig forekomst matrix? Funktion parametre kan også vælges baseret på tidligere undersøgelser, der har fundet visse funktion parametre til at korrelere med resultater eller biologiske udtryk. STENBUKKE har 27 forbehandling moduler og 132 funktioner til rådighed for udvælgelse, sammen med giver mulighed for at ændre parametre for hver forbehandling modul og funktion kategori, hvilket gør det til en smidig værktøj til mange typer af radiomics undersøgelser.

Der er flere generelle begrænsninger i radiomics forskning, der gælder ved brug af software. For eksempel, har billede funktioner vist sig at afhænge af image erhvervelse parametre såsom voxel størrelse og scanneren15,27. En begrænsning af alle software er, at der er mange parametre, der kan ændres for hver funktion og standardværdier kan ikke være passende for den særlig undersøgelse. Brugerne skal være opmærksomme, og forskning tidligere anvendes parameterindstillingerne for lignende undersøgelser og vurdere anvendeligheden af indstillingerne. Kvaliteten af konturerne og den iboende inter - og intra-observatør variation kan også påvirke beregningen af funktioner. Owens et al. viste, at beregnede funktioner er mere robust, når du bruger auto-konturering værktøjer28. De funktioner, der er beregnet for radiomics undersøgelser er human-manipuleret funktioner og kan ikke helt viderebringe funktionerne observeret af den visuelle perception system. Derudover kan disse funktioner være meget korreleret til hinanden skabe vanskeligheder, når du analyserer resultaterne. En specifik begrænsning af IBEX er, den nuværende version mangler tilgængelighed for at beregne wavelet funktioner; men vores gruppe agter at medtage disse funktioner i fremtidige versioner.

Der er flere alternative softwareplatforme til rådighed til beregning af billed funktioner25. Nogle fordele ved IBEX omfatter, at det er frit tilgængelige, er veldokumenteret2og giver brugere detaljeret kontrol af billede funktion beregninger. IBEX viser også de behandlede patient billeder (f.eks.efter udjævning), så brugeren kan visualisere virkningerne af eventuelle billedbehandling - dette er nyttigt, for eksempel, når bekræfter, at forbehandlingen ikke er over glattet billederne. På samme måde, IBEX kan eksportere de faktiske samtidig forekomst matrix og intensitet histogrammer; Dette kan være nyttigt, når dykke dybere ind i billede-funktioner.

STENBUKKE har været udelukkende anvendes til kræft undersøgelser, for det meste fokuseret på strålebehandling. Men fremtidige undersøgelser kan forgrene sig til andre kræftbehandling eller endda uden for feltet cancer. Eksempelvis bruges Kassner et al. radiomics til at forudsige hæmoragisk transformation i patienter med akut iskæmisk slagtilfælde29. IBEX kunne også bruges i radiomics undersøgelser af denne type.

STENBUKKE har også løbende vedligeholdelse. For eksempel, fandt en undersøgelse af Fave et al. , at 5 funktioner (travlhed, råhed, grå niveau ikke ensartethed, køre længde ikke-ensartethed og energi) var stærkt volumen afhængige og rettede deres formler11. Disse opdaterede formler er medtaget i den opdaterede version af IBEX. Derudover er der en google gruppe30 , har brugere stille spørgsmål, som andre brugere så besvare. Denne løbende forbedring af IBEX ud over de nuværende funktioner af IBEX og dets tilgængelighed gør det en førsteklasses kilde for radiomics undersøgelser.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen konkurrerende finansielle interesser til at videregive.

Acknowledgments

Rachel Ger er finansieret af Rosalie B. Hite Graduate stipendium og American Legion hjælpeansatte Fellowship. Carlos Cardenas har været finansieret af George M. Stancel ph.d.-stipendium i den biomedicinske videnskaber. Udviklingen af IBEX var finansieret af NCI (R03 CA178495).

Materials

Name Company Catalog Number Comments
Excel Microsoft Office Any version of excel should work.
Matlab MathWorks Only use IBEX on 32 bit Matlab 2011a or 64 bit Matlab 2014b.

DOWNLOAD MATERIALS LIST

References

  1. Lambin, P., et al. Radiomics: extracting more information from medical images using advanced feature analysis. EJC. 48, 441-446 (2012).
  2. Zhang, L., et al. IBEX: an open infrastructure software platform to facilitate collaborative work in radiomics. Med Phys. 42, 1341-1353 (2015).
  3. IBEX Source Code. , Available from: http://bit.ly/IBEXSrc_MDAnderson (2017).
  4. IBEX Stand Alone. , Available from: http://bit.ly/IBEX_MDAnderson (2017).
  5. Haralick, R. M., Shanmugam, K. Textural features for image classification. IEEE Trans Syst Man Cybern. , 610-621 (1973).
  6. Galloway, M. M. Texture analysis using gray level run lengths. Comp Graphics and Im Proc. 4, 172-179 (1975).
  7. Tang, X. Texture information in run-length matrices. IEEE Trans on Im Proc. 7, 1602-1609 (1998).
  8. Amadasun, M., King, R. Textural features corresponding to textural properties. IEEE Trans Syst Man Cybern. 19, 1264-1274 (1989).
  9. Fave, X., et al. Preliminary investigation into sources of uncertainty in quantitative imaging features. Comp Med Imaging Graph. 44, 54-61 (2015).
  10. Fave, X., et al. Can radiomics features be reproducibly measured from CBCT images for patients with non-small cell lung cancer. Med Phys. 42, 6784-6797 (2015).
  11. Fave, X., et al. Impact of image preprocessing on the volume dependence and prognostic potential of radiomics features in non-small cell lung cancer. Trans Cancer Res. 5, 349-363 (2016).
  12. Fave, X., et al. Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer. Scientific Reports. 7, 588 (2017).
  13. Fried, D. V., et al. Stage III Non-Small Cell Lung Cancer: Prognostic Value of FDG PET Quantitative Imaging Features Combined with Clinical Prognostic Factors. Radiology. 278, 214-222 (2016).
  14. Fried, D. V., et al. 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. IJROBP. 94, 368-376 (2016).
  15. Mackin, D., et al. Measuring Computed Tomography Scanner Variability of Radiomics Features. Invest radiol. 50, 757-765 (2015).
  16. Yang, J., et al. Uncertainty analysis of quantitative imaging features extracted from contrast-enhanced CT in lung tumors. Comp Med Imaging Graph. 48, 1-8 (2016).
  17. van Rossum, P. S., et al. 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. JNM. 57, 691-700 (2016).
  18. Hunter, L. A., et al. NSCLC tumor shrinkage prediction using quantitative image features. Comp Med Imaging Graph. 49, 29-36 (2016).
  19. Hunter, L. A., et al. High quality machine-robust image features: identification in nonsmall cell lung cancer computed tomography images. Med Phys. 40, 121916 (2013).
  20. Fried, D. V., et al. Prognostic value and reproducibility of pretreatment CT texture features in stage III non-small cell lung cancer. IJROBP. 90, 834-842 (2014).
  21. Gan, J., et al. MO-DE-207B-09: A Consistent Test for Radiomics Softwares. Med Phys. 43, 3706-3706 (2016).
  22. Klawikowski, S., Christian, J., Schott, D., Zhang, M., Li, X. SU-D-207B-07: Development of a CT-Radiomics Based Early Response Prediction Model During Delivery of Chemoradiation Therapy for Pancreatic Cancer. Med Phys. 43, 3350-3350 (2016).
  23. Huang, W., Tu, S. SU-F-R-22: Malignancy Classification for Small Pulmonary Nodules with Radiomics and Logistic Regression. Med Phys. 43, 3377-3378 (2016).
  24. Hanania, A. N., et al. Quantitative imaging to evaluate malignant potential of IPMNs. Oncotarget. 7, 85776-85784 (2016).
  25. Court, L. E., et al. Computational resources for radiomics. Trans Cancer Res. 5, 340-348 (2016).
  26. Matlab Add path. , Available from: https://www.mathworks.com/help/matlab/ref/addpath.html (2017).
  27. Zhao, B., et al. Reproducibility of radiomics for deciphering tumor phenotype with imaging. Sci Rep. 6, 23428 (2016).
  28. Owens, C., et al. Reproducibility and Robustness of Radiomic Features Extracted with Semi-Automatic Segmentation Tools. Med Phys. , (2017).
  29. Kassner, A., Liu, F., Thornhill, R. E., Tomlinson, G., Mikulis, D. J. Prediction of hemorrhagic transformation in acute ischemic stroke using texture analysis of postcontrast T1-weighted MR images. JMRI. 30, 933-941 (2009).
  30. IBEX Google Forum. , Available from: https://groups.google.com/forum/#!forum/ibex_users (2017).

Tags

Engineering sag 131 Radiomics tekstur analyse kvantitative billede funktioner ikke-småcellet lungekræft kvantitativ analyse billedanalyse
Retningslinjer og erfaring med at bruge Imaging biomarkør Explorer (IBEX) for Radiomics
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ger, R. B., Cardenas, C. E.,… More

Ger, R. B., Cardenas, C. E., Anderson, B. M., Yang, J., Mackin, D. S., Zhang, L., Court, L. E. Guidelines and Experience Using Imaging Biomarker Explorer (IBEX) for Radiomics. J. Vis. Exp. (131), e57132, doi:10.3791/57132 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter