Summary
アイベックス、医療イメージング radiomics とどのようにこのツールを使用するために設計されたオープン ソースのツールについて述べる.また、不確かさ解析のアイベックス テクノロジーを使用しているし、モデル構築いくつかの出版された作品が展示されています。
Abstract
イメージング バイオ マーカー エクスプ ローラー (アイベックス) は医療用画像 radiomics 仕事のためオープン ソース ツールです。本稿の目的は、アイベックスの特徴は、臨床試験で使用されている計算方法を示すため、アイベックスのグラフィカル ユーザー インターフェイス (GUI) を使用する方法を説明することです。アイベックスは、DICOM 画像のインポート、DICOM 放射線療法構造ファイルやピナクル ファイル画像をインポートすると、一度、アイベックスはメジャー ボクセル値、距離、イメージの表示を操作し、輪郭を編集作成データ選択 GUI 内でツールを持っています。アイベックスは付属機能セットを設計する 27 プリプロセスと 132 機能を選択しています。前処理と機能カテゴリごとには、変更できるパラメーターがあります。アイベックス テクノロジーからの出力が含まれているスプレッドシート: 1) 各機能各データ セットの輪郭、2) 画像データ セット、および 3) 前処理の概要の各輪郭についての計算設定機能と彼らの選択と使用される機能からパラメーター。アイベックスから計算の機能は、異なる撮像条件の下で、現在の臨床モデルを改善するために生存モデルに機能の変動をテストする研究に使用されています。
Introduction
医学では、患者の病気の診断は、x 線、超音波、コンピューター断層撮影 (CT)、磁気共鳴画像 (MRI) などの診断試験の数が多いを通常組み込まれていて、ポジトロン断層法 (PET) を決定する際に支援するためにスキャン、患者のケアのコースです。医師は、定性的患者の診断を評価するためにこれらのイメージを使用して、患者のケアをガイドに抽出することができます追加の定量的機能がある可能性があります。理論的根拠は、プロテオーム、マクロ スケール1で表されるゲノムのパターン、これらの機能があります。この定量的な情報を組み合わせて、現在の臨床情報、例えば、患者の人口統計より個別の患者の治療が可能です。これは radiomics の背後にある理論: ボクセル レベル上の画像の特徴解析。機能は通常、5 つの主なカテゴリに分類されます: 灰色のレベルの同時生起行列、灰色レベル ランレングス行列、近所の強度差行列、ヒストグラム、および図形。
イメージング バイオ マーカー エクスプ ローラー (アイベックス)、radiomics の仕事2のオープン ソース ツールです。グラフィカル ユーザー インターフェイス (GUI) は、MD アンダーソンがんセンターでがん医療における意思決定を支援する抽出と特徴量の計算を容易にする目的で開発されました。ソース コード3と4のスタンドアロン版がオンラインです。アイベックスは、機能ごとに設定できるパラメーターを持つ医療 radiomics で使用される機能の 5 つの最も一般的なカテゴリを計算します。カテゴリ: 灰色の図形、近所の強度差行列8、強度灰色レベル ランレングス行列6,7レベルの共起行列5。アイベックスはオープン ソースなのでこと調和機能抽出結果の機関間で異なる radiomics 研究を簡単に比較します。アイベックス内のすべての機能が張らによる初期の紙に記載されて2
本稿の目的は、MD アンダーソン radiomics グループから発表された研究の査読を通じてそのアプリケーションをデモンストレーションする、アイベックス テクノロジーを使用する方法に関するガイダンスを提供することです。2015 年に一般にリリース以来アイベックスによって使用されています CT、PET、MRI のスキャン画像から機能の計算に MD アンダーソン radiomics グループ通常臨床生存モデル9,10を改善するために機能を調査 11,12,13,14,15,16,17,18,19,20、外部機関21,22,23,24。裁判所らのアイベックスに含まれていない radiomics 研究の手順に使用できるソフトウェア ツールに関する追加のガイダンスを見つけることができます。25
アイベックスのワークフローの概要は、アイベックス テクノロジーを活用した radiomics プロジェクトを開始する前にデータを正しく整理するのに役立ちます。DICOM 画像をインポートすると、各患者が彼らの DICOM 画像で自分のフォルダーあるアイベックス テクノロジーが必要です。DICOM 放射構造のセットは患者のフォルダーに含めるオプションですが、IBEX の輪郭のプラットフォームを使用する代わりにお勧めします。インポートする特定の研究のためのすべての患者を支援するには、患者のすべてのフォルダー配置できます 1 つのフォルダーに一緒に、アイベックス 1 つだけステップを使用してにすべてのデータをインポートできます。ピナクルから患者をインポートしている場合、患者の計画と設定構造を持たせることをお勧めします。患者は複数の画像のセットとピナクル内のプランがある、最高の画像設定を把握する、インポートする前に、計画が正しいです。計算時間を重視する場合は大幅に時間を短縮できます患者の画像スライスの数を減らします。たとえば、肝臓の研究に関心があります患者が全身 CT スキャン、関心のある領域の範囲だけに DICOM スライスを減らすことは (例えば、300 のスライスから 50 スライスに、DICOM を削減することができます取る 1/6 t 計算時間を短縮できます。h の時間)。半自動] に手動からこのスライスの削減を実行する使用できるさまざまなツールがあります。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. インストール アイベックス
注: インストールするには、ソース コード バージョン 1.1 の手順に行きます。また、インストールするスタンドアロン バージョンをステップ 1.2 に行きます。
-
ソース コードのバージョン
- アイベックス ソース コード バージョンのウェブサイト3に進みます。"IBEX_Source.zip"と"How_to_use.pdf"のファイルをダウンロードします。アイベックスの最新バージョンを使用するための前提条件を見つけるためには、"How_to_use.pdf"ファイルで見てください。
注: 32 ビットおよび 64 ビットの Matlab のバージョンでのみ動作するアイベックス 2011a と 2014b、それぞれ。 - ダウンロードが完了すると、「IBEX_Source.zip」を解凍し、、\IBEX_Source フォルダーをローカル パスに追加します。
注: パスを追加する方法については、「パスを追加」26ソフトウェアの参照ページに見つけることができます。 - アイベックスを開始するコマンド ウィンドウで"IBEXMain"を入力します。
- アイベックス ソース コード バージョンのウェブサイト3に進みます。"IBEX_Source.zip"と"How_to_use.pdf"のファイルをダウンロードします。アイベックスの最新バージョンを使用するための前提条件を見つけるためには、"How_to_use.pdf"ファイルで見てください。
-
スタンドアロン版
- アイベックスのスタンドアロン バージョンのウェブサイト4に進みます。アイベックスを初めてインストールした場合「依存関係」フォルダーに移動し、ダウンロード/インストール"MCRInstaller.exe、"vc2005redist_x86_new.exe、"と"vc2012redist_x86.exe"ファイル。メインのページから、"IBEX.exe、""IBEX.ctf""IBEX.ini"をダウンロードし、同じフォルダーに"How_to_use.pdf"ファイル。アイベックスの最新バージョンを使用するための前提条件の"How_to_use.pdf"ファイルを調べます。
- アイベックスを開始する"IBEX.exe"をダブルクリックします。
2. 場所を設定します。
注: 画像は、この設定の場所にインポートされ、本研究のデータもここに格納されます。既定の場所として最も以前に適用を使用して場所をアイベックスとき再発売します。
- 「場所」のアイコン (図 1) をクリックします。
- ユーザーを選択するか、新しいユーザー フォルダーを作成する「新しいユーザー」をダブルクリックします。新しいウィンドウで名前を入力、新しいユーザー フォルダーを作成する場合は、「OK」ボタンをクリックしてします。
- 選択したユーザーのサイトを選択または新しいサイト フォルダーを作成する"New Site"をダブルクリックします。新しいウィンドウで名前を入力、新しいユーザー フォルダーを作成する場合は、「OK」ボタンをクリックしてします。
- 下部の「OK」ボタンををクリックしてします。
3. 画像をインポートします。
- 「インポート」アイコン (図 1) をクリックします。
- DICOM を選択または Pinnacle9 (ピナクル ファイル バージョン 9) フォーマット形式の名前をクリックします。DICOM をインポートするには、画像は、3.3.1 のステップに移動します。Pinnacle9 をインポートするには、ファイルは、3.3.2 の手順に移動します。
- 「次へ」ボタンをクリックします。
- DICOM 画像をインポートします。
注: インポートするには、患者個別に手順に進みます 3.3.1.1。インポートするには、複数の患者は一度に 3.3.1.2 のステップに移動します。- ディレクトリを介して患者フォルダーを選択して各患者を個別にインポートします。
- DICOM 画像を含む患者フォルダーを選択して表示されたディレクトリの横にある「...」ボタンをクリックしてし放射構造設定の DICOM ファイル (省略可能)。
注: のみ、患者ファイルと設定構造をインポートするオプションは、そうそれは勧めします。アイベックスは、輪郭のプラットフォームがあるが、これはやや大規模なデータセットの実用的ではありません。アイベックスは、ワークフローをより簡単になるツールの放射線腫瘍医の輪郭を精通している商用ソフトウェア プラットフォームから構造セットを収容できます。これは通常、アイベックスを研究に使用する方法です。 - アイベックスは患者、DICOM ファイルを検索を終了し、詳細ボックスが表示されますを左下に「インポート」ボタンをクリックします。
- 3.3.1.1.1 - 各患者のための 2 の手順を繰り返します。
- すべての患者がインポートされた後は、"Exit"ボタンをクリックします。
- DICOM 画像を含む患者フォルダーを選択して表示されたディレクトリの横にある「...」ボタンをクリックしてし放射構造設定の DICOM ファイル (省略可能)。
- 右上隅で ' フォルダーのバッチ] ボックスをチェックして、すべての患者さんを一度にインポートします。
注: すべての患者それぞれの DICOM ファイルを含む別のフォルダーが必要です。- 対応する DICOM イメージとすべての患者フォルダーを含むフォルダーを選択して表示されたディレクトリの横にある「...」ボタンをクリックして、放射構造設定の DICOM ファイル (省略可能)。
- 「インポート」ボタンをクリックします。患者は順番にインポートされます。すべての患者がインポートされた後は、"Exit"ボタンをクリックします。
- ディレクトリを介して患者フォルダーを選択して各患者を個別にインポートします。
- ピナクル ファイル
- "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI"ファイル内でピナクル ホストとデータベースを構成します。インポート モジュール ボックスの頂点を選択する前に「設定」ボタンをクリックしてします。
- 適切なピナクル ホストとデータベースを選択します。
- 患者 MRN、姓、名、または姓を入力し、ウィンドウの他の場所をクリックします。
- 「問い合わせ」ボタンををクリックしてします。
- 新しいウィンドウで患者を選択し、「転送」ボタンをクリックしますします。
- 新しいウィンドウでその患者から希望するイメージ セットのボックスをクリックし、「OK」ボタンをクリックします。
- 「データを正常にインポートしました」というラベルの付いた新しいウィンドウで「OK」ボタンをクリックします。
- すべての患者がインポートされた後は、"Exit"ボタンをクリックします。
- DICOM 画像をインポートします。
4. 画像と関心 (ROIs) の領域を表示します。
- 「データ」アイコン (図 1) をクリックします。GUI (上半分) の「患者の選択」セクションでを開く目的患者ファイルをクリックします。
- GUI の「画像セットの選択」セクションでを開く目的患者ファイルの画像セットをクリックして (下半分).「開く」ボタンをクリックします。
- イメージの下に矢印を使用して、画像に示されている軸、コロナと (左から右へ) 矢状ビューをスクロールします。
- 「ズーム」ボタン (図 2) をクリックして、画像をズームインします。ズーム画像平面にボックスを描きます。右クリックしてズーム アウトします。
- ローカライザーにオン「交差点」ボタン (図 2)。
注: 表示される線は、そのスライスは、各平面の位置を表示します。これらの行をスクロールする矢印を使用して移動します。 - 「定規」ボタンの距離を測定する (図 2) をクリックしてします。クリックし、目的の 2 つのポイント間の測定にマウスの左ボタンを押したまま。表示領域から測定値を削除するのには、マウスを離します。
- ボクセルの値を測定する (図 2) は"CT Num"ボタンをクリックします。クリックし、興味のボクセルと値にマウスの左ボタンを押したままカラー スケール以下 GUI の左側に表示されます。表示領域から測定値を削除するのには、マウスを離します。
- 画像ウィンドウ/レベルに"W/L"ボタン (図 2) をクリックします。別のウィンドウがポップアップします。新しいウィンドウの下部ウィンドウとレベル ボックスのウインドウ/レベルを手動で入力または所望の領域に左側と右側をドラッグします。(図 2) の左側の最初のドロップ ダウン メニューを使用して別のウィンドウ/レベルを選択: CT とペットボトルの 1 の 8 があります。
- [カラー スケールの 2 番目のドロップ ダウン メニュー (図 2) 左上: 9 のオプションから選択するがあります。
- 投資収益率、画像に表示するまたはすべての患者・ ロワをオンにする「すべてロア」ボタンをクリックするの横にあるボックスをクリックして Roi を視覚化します。
5. 投資収益率を編集します。
- ・ ロワを編集するには、左上または中央の下部に「ロアの編集」ボタンをクリックしますします。その名前の横にあるボックスをクリックして、編集する輪郭を選択します。
- すでに描画や輪郭をプッシュする「微調整の輪郭」ボタン (図 3) を使用します。輪郭の微調整] ボタンの横にある「D」というラベルの付いたボックスで使用される円のサイズを調整します。
- 輪郭全体のスライスを削除するには、「カットの輪郭」ボタン (図 3) を使用します。クリックし、マウスの左ボタンを押したまま削除する ROI の周りにボックスを描画します。
- 輪郭線を描画します。
注: は、点を接続することで輪郭を描画する 5.4.1 手順に進みます。5.4.2 フリーハンドに輪郭線を描画する手順に進みます。- ポイントを接続する: ポイントが直線で接続している輪郭の周りのポイントをクリックして各スライスに輪郭を描画するのに」を描く輪郭 (1)「ボタン (図 3) を使用します。描かれた最初のポイントをクリックすると、そのスライスの ROI を完了します。
- フリーハンド: フリーハンドで輪郭を描画するのに「描画輪郭 (2)」ボタン (図 3) を使用します。スライスの輪郭を描画するマウスの左ボタンを押したまま。そのスライスに輪郭を描かれた ROI の先頭に戻ってくると、マウスの左ボタンを離しますまでです。
- スライスの間・ ロワを補間する「輪郭補間」ボタン (図 3) をクリックします。
- 投資収益率をコピーする「コピー ROI」のボタンをクリックしてします。
- ・ ロワをマージ複数 roi 結合相関を選択して「マージ ROI」ボタンをクリック。
- 現在選択されている ROI を削除する「ROI を削除」ボタンををクリックしてします。
- ウィンドウを原因となる新しい ROI を作成する"ROI の作成"をクリックしてポップアップ表示されます。投資収益率の名前を入力し、「OK」ボタンをクリックします。「保存」ボタンををクリックしてします。患者のビューアーに戻ります"Exit"ボタンをクリックします。
6. データ セットの輪郭
- データ セット内のビューの輪郭
- データ セットの輪郭を表示するのには「データ セットを表示」ボタンをクリックします。表示するデータ セットの名前をクリックします。「開く」ボタンをクリックします。自分の名前の横にあるボックスを使用して選択の患者の輪郭します。その輪郭線の必要な機能に応じて「削除」、「移動」、または「コピー」ボタンをクリックします。完了したら、データ セットを表示するデータ セットのウィンドウを閉じます。
- データ セットに輪郭を追加します。
- 自分の名前の横にあるチェック ボックスをクリックしてデータ セットに追加する輪郭を選択し、「データ セットに追加」ボタンをクリックします。輪郭を追加する新しいデータ セットの「新規」ボタンをクリックしてデータ セットの名前をクリックします。ニューを選択すると、新しいウィンドウでデータ セットの名前を入力します。「OK」ボタンををクリックしてします。
- 輪郭がセクション 3 の中に読み込まれていない場合、ピナクル バージョン 9 .roi ファイルをインポートする「インポート ・ ロワ」ボタンをクリックします。
- ファイルを選択して「...」ボタンをクリックします。「インポート」ボタンをクリックします。
- ・ ロワをエクスポートするには、「エクスポート ・ ロワ」ボタンををクリックしてします。
- エクスポートされた ROIs を配置するディレクトリを選択する「...」ボタンをクリックします。エクスポートされた ROIs に推奨される形式の名前をクリックします。最寄りである場合は、匿名の情報を入力します。[エクスポート] ボタンをクリックします。
注: プリセットは匿名化されません。
- エクスポートされた ROIs を配置するディレクトリを選択する「...」ボタンをクリックします。エクスポートされた ROIs に推奨される形式の名前をクリックします。最寄りである場合は、匿名の情報を入力します。[エクスポート] ボタンをクリックします。
- 患者のスキャン リストに戻るには「終了」ボタンをクリックしてします。
7. 機能セットを作成します。
- 「機能」アイコンをクリックしてします。
- 必要に応じて前処理を追加します。
- 「ステップ 1: 前処理"の下の"追加"ボタンをクリックします。新しいウィンドウのドロップ ダウン メニューから前処理のオプションを選択します。
- "I"の下"パラ"プリプロセッサのパラメーターを選択するをクリックします。それを変更するパラメーターの新しいウィンドウの値の列の下の番号をクリックします。新しいパラメーター値を入力し、「OK」ボタンをクリックして。
- 前処理法の説明と特定のパラメーターの前処理の右上隅にある「疑問符」ボタンをクリックします。
- 「追加」ボタンををクリックしてします。プリプロセス手順を選択し、望ましくないプリプロセス ステップを削除する「削除」ボタンをクリックしますします。
- 必要な機能を追加します。
- 下のドロップ ダウン メニューから機能カテゴリを選択」ステップ 2: 機能カテゴリ:"。複数のカテゴリには、手順を繰り返します。
注: 機能の 1 つだけのカテゴリを一度に追加できます。前処理と機能カテゴリのさまざまな組み合わせは、同じ機能セット必要な場合に追加できます。- 2.5 d のマトリックスを計算することによって行われ、それぞれ、灰色のレベルの同時生起行列と近所の強度差行列を計算する"GrayLevelCooccurenceMatrix25"と"NeighborIntensityDifference25"機能のカテゴリを選択します。各スライスは個別に、一緒にすべての行列を加算します。
- 3 D でそれぞれ、灰色レベルの同時生起行列と近所の強度差行列を計算する"GrayLevelCooccurenceMatrix3"と"NeighborIntensityDifference3"機能のカテゴリを選択します。
- その前処理用に選択したパラメーターの「パラ」の下で「i」をクリックします。前処理法とパラメーターの説明の右上隅にある「疑問符」ボタンをクリックします。
- 新しいパラメーター値を入力し、「OK」ボタンをクリックして。
- 機能カテゴリまたは特定の機能を表示する「テスト」ボタンをクリックしてします。機能または目的のカテゴリの横にあるボタンをクリックします。
- テストを表示し、「開く」ボタンをクリックしてデータ セットを選択します。テストを表示し、「テスト」ボタンをクリックして選択したデータ セットから患者横にあるボックスをチェックします。
- 選択されているカテゴリの不要な機能をオフにすべての機能は、カテゴリを選択した後に選択されます。単語をクリックして"機能:"[「ステップ 2: 機能」すべての機能をオフにします。
- 選択した前処理とすべての選択フィーチャを追加する「機能の設定を追加するにする」ボタンをクリックします。
- 「開く」ボタンをクリックするか、機能を新しい機能セットに追加する「新しい」ボタンをクリックして機能を追加する機能を選択します。セットを新しい機能を作成する場合新しいウィンドウで機能セットの名前を入力し、"OK"ボタンをクリックします。
- 下のドロップ ダウン メニューから機能カテゴリを選択」ステップ 2: 機能カテゴリ:"。複数のカテゴリには、手順を繰り返します。
- 機能セット機能を表示するのには対応する前処理技術と機能を表示する「機能設定を表示」ボタンをクリックします。
- 機能の表示と「開く」ボタンをクリックしてまたは新しい機能セットを作成する「新しい」ボタンをクリックして設定を選択します。セットを新しい機能を作成する場合新しいウィンドウで機能セットの名前を入力し、"OK"ボタンをクリックします。
- 現在のデータ セットを表示する「データ セットを表示」ボタンをクリックします。
- 表示し、「開く」ボタンをクリックしてまたは「新規作成」をクリックして、新しいデータ セットを作成するデータ セットを選択します。新しいデータ セットを作成すると、新しいウィンドウでデータ セットの名前を入力し、「OK」ボタンをクリックしますします。
- "Exit"ボタンをクリックします。
8. 出力機能
- 「結果」アイコンををクリックしてします。下の機能を実行するデータ セットをクリックして"ステップ 1: データ セット」。機能の下で選択したデータに対して実行するセットをクリックして"ステップ 2: 機能セット」。
- 選択したデータ セットを表示するには、「データの表示」ボタンをクリックします。選択したフィーチャ セットを表示する「表示機能」ボタンをクリックします。
- 「計算・結果を保存」ボタンををクリックしてします。結果のファイル名を入力し、「保存」ボタンをクリックしますします。
9. 統計モデル構築
- 保存された結果のファイルを開きます。
注: これは通常、手順 2.2 で C:\IBEX\DataIbex\[Selected ユーザーの下で] \ [ステップ 2.3 で選択したサイト] \1FeatureResultSet_Result、それ以外 8.4 の手順で割り当てられていない限り。 - 必要な統計的テストの別のタブからのデータを使用またはソフトウェアの構築モデルします。
注: プロトコルは、いつでも一時停止できます。ただし、特定のアイコンは、例えば、機能アイコンの下にあるセクション 7 のすべての仕上げに必要なすべての手順を終えた後最も便利です。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
アイベックスの出力はスプレッドシート 3 つのタブを含む (図 4を参照)。「結果」タブにでは、データ セット (図 4A) の各 ROI の機能値が含まれていますいます。「データ情報」タブには、データ セット (図 4B) の各 ROI から撮影した画像についての情報にはが含まれています。「機能情報」タブには、機能カテゴリに選択したパラメーターで使用される機能の包括的なリストが含まれています、使用前処理機能 (図 4C) のカテゴリ。
アイベックスは、医用画像からの特徴は、複数のコンテキストで利用されている計算。ハンターらは、ロバストな画像機能19を識別するのにアイベックスの初期バージョンを使用しました。Faveらさまざまな呼吸器フェーズ、ピーク管電圧、管電流9で収集された 4 D CT 胸部スキャンの機能を radiomics の不確実性を検討した.本研究は、内患者バリエーションほとんどの患者間の変化より小さい機能を管電圧と電流が変化した、これらの要因を無視できることを発見しました。円錐ビーム CT (CBCT) 画像から機能の再現性をアイベックス10を使用して調べた。この研究では、同じプロトコルおよびメーカーは、呼吸の動きが小さい場合にのみに使用されたときに再現される肺 CBCT 画像から計算の機能が見つかりました。画像前処理機能値への影響を評価した後。研究を認めた研究 55 機能の 39 コックスその別のプリプロセスを示す比例ハザード ・ モデルを各必要がありますを使用して全体的な生存のための重要な成層で起因した少なくとも 1 つの前処理手法11を備えてください。灌流 CT 画像からの特徴の不確実性は、アイベックス テクノロジーを使用しても評価されています。ヤンらradiomics 機能がコントラスト管理と CT スキャンの時間に依存していなかったことと機能の 86.9% だった間セッションの安定性コンコー ダンスの相関係数よりも大きいか等しい再現性を示した0.916。最後に、ファントムは間スキャナー変動機能15のサブセットをテストするために設計されました。忙しさが、最も異なる発見された最も一貫性のある機能をテクスチャの強度が見つかりました。
アイベックスから radiomics 機能もよく、モデル構築、全生存期間、局所領域制御、および遠隔転移からの自由を見て通常に使用されます。揚げら識別される非小細胞肺癌 (NSCLC) 患者の CT スキャンに実装されると Cox の比例ハザード モデル化する生存、ロコ地域制御、および遠隔転移の大幅から 8 radiomics 機能改良されたカプラン-マイヤー成層臨床データ20のみ使用モデルと比較した場合。同様に、お気に入りらは、患者の生存曲線12階層を改善 radiomics 機能を発見しました。彼らの研究は、肺 radiomics 機能で毎週の CT 画像と計算される変更を使用しました。モデル内のフィーチャーした 4 つの前処理方法を計算: しきい値 (1)、(2) しきい値とビット深度、(3) 閾値と平滑化、(4) 閾値、ビット深度、および平滑化;最高の前処理方法は、コックス比例ハザード モデルでテストする前に個別に機能ごとに選ばれました。ハンターらはまた、radiomics 機能が異なるしきい値を探索しながら非小細胞肺癌患者における縮小腫瘍を予測でき、ビット深度再スケール値18を示した。
ペットの画像の radiomics の特徴と予後も行ったアイベックス。揚げらは、Suv を最も近い整数に四捨五入し、残り13から ROI の最小の SUV を引いて標準化された吸収値 (Suv) をスケーリングされます。エネルギーと堅実さは、モデルにに比べて統計的に含まれている場合、全体的な生存モデルを改善するために、従来の臨床的因子のみが含まれていたとき発見されました。これらの 2 つの radiomics の機能も線量エスカレーション14から利益や不利益を受けた患者のサブグループを識別することができるが判明しました。同様に、ヴァン ・ ロッサムらの増加が見つかりません c-インデックス病理学的完全寛解の臨床予測モデルの臨床モデル17に radiomics 機能を含むとき。
図 1: アイベックス メイン ホーム ページ。各セクションのアイコンがアイベックスのメインのページ。これらの各セクションは、セクション 2-6 に説明します。この図の拡大版を表示するのにはここをクリックしてください。
図 2: [データ選択] ウィンドウ。GUI ウィンドウは、データの選択操作に使用されます。ウィンドウは、手順 4.4 4.10 でイメージの外観を変更するボタン。この図の拡大版を表示するのにはここをクリックしてください。
図 3: ROI エディター ウィンドウ. GUI ウィンドウは、投資収益率の操作に使用されます。ウィンドウは、Roi を変更するためのボタンと同様に、データの選択のように外観を変更する同じボタンが付属します。投資収益率の操作はセクション 5 で説明されます。この図の拡大版を表示するのにはここをクリックしてください。
図 4: アイベックス結果ワークシート。アイベックスは、ワークシート内の情報の 3 つのページを出力します。(A) の最初のページには各 ROI 機能値が含まれています、(B) の 2 番目のページに Roi が描かれた、画像に関する情報が含まれていると (C) の 3 番目のページには機能についての情報が含まれています、使用前処理します。この図の出力機能を求めたファントムにおける検討から使用しているバターワース平滑化および再スケーリング、パネル C、列 E、行 5、6 に示すように 8 ビット深度。この図の拡大版を表示するのにはここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
アイベックスは、医療イメージング radiomics 研究のための強力なツールです。それはこれまでほとんど使用されて MD アンダーソン radiomics グループによって行わ研究で放射線腫瘍学目的のため。アイベックス ・ ロワの操作や 5 つの主な機能のカテゴリー内の機能の計算ができます。アイベックスのソース コードのバージョンでは、アイベックスのグレーゾーン レベル マトリックス機能などに含まれていないアプリケーションを設計することができます。
アイベックスに関連する主な手順は、イメージのインポート、陰影の輪郭、データ セットの Roi の選択と機能セットの作成。正確な輪郭は、機能は、これらの領域内でのみ計算し、不正確な輪郭が不正確な機能値を提供するために必要です。したがって、これらの機能間の関係が不正確な輪郭を計算され、結果は偽になります。機能のパラメーターの選択も重要なステップです。たとえば、灰色レベル共起行列のステップ サイズを変更するマトリックスから計算機能に影響します。これは調査 (例えば頭と首と非小細胞肺癌) と (例えば、画像特徴のゲノミクスのリンク対生存モデルを作成する) の研究の目的のためのサイト (すなわちMRI、CT、またはペット)、イメージの種類に依存可能性があります。機能パラメーターは、物理的または生物学的推論、例えばに基づいて選択する必要があります、4 のステップ サイズ共起行列で生物学的に関連するであろう理由があるのですか。また成果や生物学的表現に関連する特定の機能パラメーターを発見した以前の研究に基づく特徴パラメーターを選択できます。アイベックスは 27 前処理モジュールおよび 132 機能前処理モジュールおよび radiomics の研究の多くの種類の適応ツール機能カテゴリごとにパラメーターの変更を許可すると共に、選択可能です。
任意のソフトウェアを使用してときに適用される radiomics 研究のいくつかの一般的な制限事項があります。たとえば、ボクセル サイズとスキャナー15,27など画像集録パラメーターに依存する画像特徴が示されています。すべてのソフトウェアの制限は、フィーチャごとに変更することができます多くのパラメーターが既定値は特定の調査のために適切かもしれない。ユーザーは警戒する必要があり、研究は以前同様の研究のために使用されるパラメーター設定、設定の有効性を評価します。輪郭と固有インター ・ イントラ-オブザーバー変動の品質機能の計算によっても変わります。オーウェンズらことを示した計算機能より堅牢なツールの自動輪郭28を使用する場合。Radiomics 研究のため計算の機能人間工学的機能、視覚システムによって観察機能を完全には運ばない可能性があります。さらに、結果を分析する際の難しさを作成するこれらの機能を高い相関があります。アイベックスの 1 つの特定の制限は、現在のバージョンは、ウェーブレット特徴; を計算する可用性を欠いています。ただし、当社グループは、将来のバージョンでこれらの機能を含める予定です。
イメージ機能25の計算に利用できるいくつかの代替ソフトウェア プラットフォームがあります。アイベックスのいくつかの利点には、それが自由に利用できるがよくとり上げられる2とユーザー画像機能計算の詳細な制御が可能という事実が含まれます。ユーザーことができます任意の画像処理の影響を視覚化する-これは、前処理がない過剰平滑化画像を確認するときなどの役に立つ、アイベックスも (例えば、平滑化後)、処理された患者画像を表示します。実際の同時生起行列と強度ヒストグラムのアイベックスをエクスポートできます同様に、これは、画像特徴を深く掘り下げるとき役に立つ。
アイベックスは、主に放射線療法に注目がん研究のみに使用されています。しかし、他のがん治療法やがん分野以外にも将来の研究の分岐です。たとえば、Kassnerらは、急性虚血性脳卒中29患者の出血性変化を予測するのに radiomics を使用しました。アイベックスは、このタイプの radiomics の研究にも使えます。
アイベックス テクノロジーでは、継続的なメンテナンスもあります。たとえば、(忙しさ、粗さ、灰色レベルの不均一、ランレングス不均一性とエネルギー) 5 つの特徴が強くボリューム依存だったし、修正の数式11Faveらによって研究が発見しました。これらの更新された数式は、アイベックスの更新リリースで含まれてが。さらに、ユーザーが他のユーザーに答えます質問を投稿は、google グループ30があります。アイベックスとその可用性の現在の機能に加えてアイベックスのこの継続的な改善では、radiomics の研究のための首相のソースです。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は開示する競合金融興味を持ってないです。
Acknowledgments
レイチェル Ger はロザリー B. ハイト大学院特別研究員、アメリカ在郷軍人会補助奨学金によって資金を供給します。カルロス ・ カルデナスは、生物医学のジョージ ・ m ・ Stancel 博士フェローシップによって賄われています。アイベックス テクノロジーの開発は、NCI (R03 CA178495) によって賄われていた。
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. |
References
- Lambin, P., et al. Radiomics: extracting more information from medical images using advanced feature analysis. EJC. 48, 441-446 (2012).
- Zhang, L., et al. IBEX: an open infrastructure software platform to facilitate collaborative work in radiomics. Med Phys. 42, 1341-1353 (2015).
- IBEX Source Code. , Available from: http://bit.ly/IBEXSrc_MDAnderson (2017).
- IBEX Stand Alone. , Available from: http://bit.ly/IBEX_MDAnderson (2017).
- Haralick, R. M., Shanmugam, K. Textural features for image classification. IEEE Trans Syst Man Cybern. , 610-621 (1973).
- Galloway, M. M. Texture analysis using gray level run lengths. Comp Graphics and Im Proc. 4, 172-179 (1975).
- Tang, X. Texture information in run-length matrices. IEEE Trans on Im Proc. 7, 1602-1609 (1998).
- Amadasun, M., King, R. Textural features corresponding to textural properties. IEEE Trans Syst Man Cybern. 19, 1264-1274 (1989).
- Fave, X., et al. Preliminary investigation into sources of uncertainty in quantitative imaging features. Comp Med Imaging Graph. 44, 54-61 (2015).
- 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).
- 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).
- Fave, X., et al. Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer. Scientific Reports. 7, 588 (2017).
- 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).
- 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).
- Mackin, D., et al. Measuring Computed Tomography Scanner Variability of Radiomics Features. Invest radiol. 50, 757-765 (2015).
- 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).
- 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).
- Hunter, L. A., et al. NSCLC tumor shrinkage prediction using quantitative image features. Comp Med Imaging Graph. 49, 29-36 (2016).
- 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).
- 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).
- Gan, J., et al. MO-DE-207B-09: A Consistent Test for Radiomics Softwares. Med Phys. 43, 3706-3706 (2016).
- 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).
- 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).
- Hanania, A. N., et al. Quantitative imaging to evaluate malignant potential of IPMNs. Oncotarget. 7, 85776-85784 (2016).
- Court, L. E., et al. Computational resources for radiomics. Trans Cancer Res. 5, 340-348 (2016).
- Matlab Add path. , Available from: https://www.mathworks.com/help/matlab/ref/addpath.html (2017).
- Zhao, B., et al. Reproducibility of radiomics for deciphering tumor phenotype with imaging. Sci Rep. 6, 23428 (2016).
- Owens, C., et al. Reproducibility and Robustness of Radiomic Features Extracted with Semi-Automatic Segmentation Tools. Med Phys. , (2017).
- 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).
- IBEX Google Forum. , Available from: https://groups.google.com/forum/#!forum/ibex_users (2017).