Summary
우리 아이 벡 스, 의료 이미징 radiomics 연구, 그리고이 도구를 사용 하는 방법에 대 한 설계는 오픈 소스 도구를 설명 합니다. 또한, 불확실성 분석에 대 한 벡 스를 사용 하 고 건물 모델 일부 출판된 작품 전시 됩니다.
Abstract
바이오 마커 익스플로러 (아이 벡 스) 이미징 의료 이미징 radiomics 작업에 대 한 오픈 소스 도구입니다. 이 문서의 목적은 아이 벡 스의 그래픽 사용자 인터페이스 (GUI)를 사용 하 고 벡 스 기능 임상 연구에서 사용 된 계산 하는 방법을 설명 하는 방법을 설명 하는 것입니다. 아이 벡 스는 DICOM 방사선 치료 구조 파일 또는 피나 클 파일 DICOM 이미지의 가져오기에 대 한 수 있습니다. 이미지를 가져올 일단 아이 벡 스는 거리, 이미지 측정 복 값의 보기를 조작 하 고 작성 하 고 편집할 등고선 데이터 선택 GUI 내에서 도구가 있습니다. 아이 벡 스 27 전처리 및 132 기능 선택 기능 세트 디자인 함께 제공 됩니다. 각 전처리 및 기능 범주는 변경 될 수 있는 매개 변수가 있습니다. 아이 벡 스에서 출력은 포함 하는 스프레드시트: 각 데이터 집합에 윤곽선, 데이터 집합, 및 3)는 전처리의 요약에서 각 윤곽선에 대 한 2) 이미지 정보에 대 한 계산된 기능 및 그들의 선택과 함께 사용 하는 기능에서 1) 각 기능 매개 변수입니다. 아이 벡 스에서 계산 하는 기능 테스트 기능 다른 이미징 조건 하에서, 현재 임상 모델을 개선 하기 위해 생존 모델에서의 다양성을 연구에 사용 되었습니다.
Introduction
의학, 환자 질병 진단 일반적으로 엑스레이, 초음파, 컴퓨터 단층 촬영 (CT), 자기 공명 영상 (MRI)과 같은 진단 시험의 많은 수를 통합 하 고 양전자 방출 단층 촬영 (PET) 검사 결정에서 원조 하는 환자 치료의 과정입니다. 의사가이 이미지를 사용 하 여 질적으로 환자의 진단 평가 하는 동안 추가 양적 기능을 환자 치료 안내를 추출할 수 있을 수 있습니다. 근거는 이러한 기능 수 있습니다 나타내고 proteomic 거시적인 규모1에 표현 하는 게놈 패턴입니다. 이 정량적 인 정보를 결합 하 여 현재 임상 정보, 예를 들면, 환자 인구, 더 개별된 환자 치료를 수 있습니다. 이것은 radiomics의 뒤에 이론: 복 수준에 이미지의 분석 기능. 특징 일반적으로 5 가지 주요 범주로을: 회색 레벨 동시 발생 매트릭스, 회색 레벨 실행된 길이 행렬, 이웃 강도 차이 매트릭스, 히스토그램, 및 모양.
이미징 바이오 마커 익스플로러 (아이 벡 스) radiomics 작업2에 대 한 오픈 소스 도구입니다. 그래픽 사용자 인터페이스 (GUI)는 암 치료에서 의사 결정을 지원 하기 위해 추출 및 정량 기능의 계산을 촉진의 목표와 MD 앤더슨 암 센터에서 개발 되었다. 독립형4 버전과 소스 코드3 온라인 사용할 수 있습니다. 아이 벡 스는 각 기능 범주에 대해 설정할 수 있는 매개 변수와 함께 의료 radiomics에서 사용 하는 기능의 5 가장 일반적인 범주를 계산 합니다. 카테고리: 회색 레벨 동시 발생 매트릭스5, 회색 레벨 실행된 길이 매트릭스6,7, 강도, 이웃 강도 차이 매트릭스8및 모양. 벡 스 오픈 소스 이기 때문에, 그것은 있게 조화 기능 추출 결과 대 한 기관에 걸쳐 쉽게 다른 radiomics 연구를 비교 합니다. 아이 벡 스 내의 모든 기능 장 그 외 여러분 에 의해 초기 종이에 설명 되어 있습니다. 2
이 원고의 목적은 아이 벡 스 사용 하 고 MD 앤더슨 radiomics 그룹에서 출판된 연구 피어-검토 한 결과 통해 응용 프로그램을 설명 하는 방법에 지침을 제공 하는 것입니다. 2015 년에는 대 중에 게 그것의 릴리스 이후 아이 벡 스 사용 되었습니다 CT, 애완 동물, 그리고 MRI 스캔 이미지에서 기능을 계산 하려면 MD 앤더슨 radiomics 그룹에 의해 일반적으로 임상 생존 모델9,10, 개선 하는 기능을 조사 11,12,13,14,15,,1617,18,19,20 및 외부 기관21,22,,2324로. 아이 벡 스에 포함 되지 않은 radiomics 연구 단계에 사용할 수 있는 소프트웨어 도구에 대 한 추가 지침 법원 외 에서 찾을 수 있습니다. 25
아이 벡 스의 워크플로에 대 한 일반적인 소개를 벡 스를 활용 하 여 radiomics 프로젝트를 시작 하기 전에 데이터를 제대로 구성 하는 데 도움이 됩니다. DICOM 이미지를 가져오는 경우 각 환자는 그들의 DICOM 이미지와 함께 그들의 자신의 폴더 아이 벡 스 필요 합니다. DICOM 방사선 구조 집합은 환자 폴더에 포함 되지만 대신 아이 벡 스에서 컨투어링 플랫폼을 사용 하 여 것이 좋습니다 있습니다. 특정 연구에 대 한 모든 환자를 가져오기 지원, 모든 환자 폴더 놓일 수 있다 하나의 폴더에 함께 있도록 벡 스만 한 단계를 사용 하 여 모든 데이터를 가져올 수 있습니다. 피나 클에서 환자를 가져오는 경우 환자 계획 설정 하는 구조를가지고 최상 이다. 환자는 여러 이미지 세트와 피나 클 내 계획 있을 수 있습니다, 그것은 어떤 이미지 설정 알아야 최고의 계획 가져오기 전에 올바른지. 계산 시간이 중요 한 경우, 환자에 대 한 이미지 조각의 수를 줄이고 시간을 크게 줄일 수 있습니다. 예를 들어 경우에 간 연구에 대 한 관심의 이다 하지만 환자 전신 CT 검사, 관심 분야의만 정도로 DICOM 분할 영역을 줄이고 계산 시간 (예를 들어, 300 조각에서 50 조각은 DICOM을 줄일 수 있습니다 1/6t를 단축할 수 있다 h 시간). 다른 도구에서 세미 자동으로 수동이 슬라이스 감소를 수행할 수 있다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. 아이 벡 스를 설치
참고: 설치 하려면 소스 코드 버전 1.1 단계로 이동. 또는, 설치를 독립 실행형 버전 1.2 단계로 이동 합니다.
-
소스 코드 버전
- 아이 벡 스 소스 코드 버전 웹사이트3로 이동 합니다. "IBEX_Source.zip" 및 "How_to_use.pdf" 파일을 다운로드 합니다. 아이 벡 스의 최신 버전을 사용 하는 필수 구성 요소를 찾을 수 "How_to_use.pdf" 파일에서 찾습니다.
참고: 32 비트 및 64 비트 Matlab 버전 에서만 작동 하는 아이 벡 스 2011a와 2014b, 각각. - 다운로드가 완료 되 면 "IBEX_Source.zip" 압축 해제 하 고 \IBEX_Source 폴더의 로컬 경로를 추가.
참고: 경로 추가 하는 방법에 대 한 지침 "경로 추가"26소프트웨어 참조 페이지에서 찾을 수 있습니다. - 아이 벡 스를 시작 하려면 명령 창에서 "IBEXMain"를 입력 합니다.
- 아이 벡 스 소스 코드 버전 웹사이트3로 이동 합니다. "IBEX_Source.zip" 및 "How_to_use.pdf" 파일을 다운로드 합니다. 아이 벡 스의 최신 버전을 사용 하는 필수 구성 요소를 찾을 수 "How_to_use.pdf" 파일에서 찾습니다.
-
독립 실행형 버전
- 아이 벡 스 독립 실행형 버전 웹사이트4로 이동 합니다. 처음으로 아이 벡 스를 설치 하는 경우 "종속성" 폴더로 이동 및 다운로드/설치 "MCRInstaller.exe," vc2005redist_x86_new.exe, "및"vc2012redist_x86.exe"파일. 메인 페이지에서 다운로드는 "IBEX.exe," "IBEX.ctf," "IBEX.ini," 및 "How_to_use.pdf" 파일 같은 폴더에. 아이 벡 스의 최신 버전을 사용 하 여 필수에 대 한 "How_to_use.pdf" 파일에서 찾습니다.
- 더블 아이 벡 스를 시작 하려면 "IBEX.exe"을 클릭 하십시오.
2. 위치 설정
참고:이 설정된 위치에 이미지 가져오는 고이 연구에 대 한 데이터도 여기 저장 됩니다. 기본 위치와 아이 벡 스 사용 가장 이전 적용 위치 때 다시 시작.
- "위치" 아이콘 (그림 1)를 클릭 하십시오.
- 사용자를 선택 하거나 새로운 사용자 폴더를 만들려면 "새 사용자" 두 번 클릭 합니다. 새 창에 이름을 입력 새 사용자 폴더를 만드는 경우 다음 "확인" 버튼을 클릭 합니다.
- 선택한 사용자 내 사이트를 선택 하거나 "새 사이트" 새 사이트 폴더를 두 번 클릭 합니다. 새 창에 이름을 입력 새 사용자 폴더를 만드는 경우 다음 "확인" 버튼을 클릭 합니다.
- 하단에 "확인" 버튼을 클릭 합니다.
3. 이미지를 가져옵니다.
- "가져오기" 아이콘 (그림 1)를 클릭 하십시오.
- DICOM을 선택 또는 서식 이름을 클릭 하 여 Pinnacle9 (피나 클 파일 버전 9) 형식. DICOM을 가져오려면 이미지 3.3.1 단계로 이동 합니다. Pinnacle9를 가져오려는 파일 3.3.2 단계로 이동 합니다.
- "다음" 버튼을 클릭 합니다.
- DICOM 이미지 가져오기
참고: 가져올 환자 개별적으로 단계로 이동 3.3.1.1. 가져오려는 여러 환자는 단계로 3.3.1.2 한 번에 이동 합니다.- 디렉토리를 통해 환자 폴더를 선택 하 여 각 환자를 개별적으로 가져옵니다.
- DICOM 이미지를 포함 하는 환자 폴더 선택 나열 된 디렉터리 옆 "..." 버튼을 클릭 하 고 방사선 구조 설정 DICOM 파일 (선택 사항).
참고: 환자 파일 설정 구조를 가져오려면 옵션입니다만, 하는 동안 그것은 좋습니다 그렇게 할. 아이 벡 스, 컨투어링 플랫폼에는 하지만이 약간 큰 데이터 집합에 대 한 실용적인 아니에요. 아이 벡 스는 워크플로 훨씬 쉽게 만드는 구조 세트 방사선 종양학에 대 한 도구 컨투어링 익숙한 하는 상용 소프트웨어 플랫폼에서 수용할 수 있습니다. 이것은 일반적으로 연구에서 아이 벡 스를 사용 하는 방법을입니다. - 아이 벡 스 DICOM 파일, 환자 검색 완료 하 고 세부 정보 상자를 채울 것입니다 왼쪽 하단에 "가져오기" 버튼을 클릭 합니다.
- 3.3.1.1.1-각 환자에 대해 2 단계를 반복 합니다.
- 모든 환자를 가져온 후 "종료" 버튼을 클릭 합니다.
- DICOM 이미지를 포함 하는 환자 폴더 선택 나열 된 디렉터리 옆 "..." 버튼을 클릭 하 고 방사선 구조 설정 DICOM 파일 (선택 사항).
- 오른쪽 상단에 ' 일괄 폴더 ' 상자를 선택 하 여 모든 환자를 한 번에 가져옵니다.
참고: 모든 환자는 그들의 각각 DICOM 파일을 포함 하는 별도 폴더가 있어야 합니다.- 그들의 해당 DICOM 이미지와 함께 모든 환자 폴더를 포함 하는 폴더를 선택 하려면 나열 된 디렉터리 옆 "..." 버튼을 클릭 하 고 방사선 구조 설정 DICOM 파일 (선택 사항).
- "가져오기" 버튼을 클릭 합니다. 환자는 순차적으로 가져올 것 이다. 모든 환자를 가져온 후 "종료" 버튼을 클릭 합니다.
- 디렉토리를 통해 환자 폴더를 선택 하 여 각 환자를 개별적으로 가져옵니다.
- 피나 클 파일
- "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI" 파일 내에서 피나 클 호스트 및 데이터베이스를 구성 합니다. 가져오기 모듈 상자에 피나 클을 선택 하기 전에 "설정" 버튼을 클릭 합니다.
- 적절 한 피나 클 호스트 및 데이터베이스를 선택 합니다.
- 환자 MRN, 성, 또는 이름을 입력 한 다음 다른 창에서 클릭 합니다.
- "쿼리"를 클릭 합니다.
- 새 창에서 환자를 선택한 다음 "전송" 버튼을 클릭 합니다.
- 새 창에서 해당 환자에 게 서 원하는 이미지 세트의 상자를 클릭 하 고 "확인" 버튼을 클릭 합니다.
- "성공적으로 가져온 데이터." 라는 레이블이 붙은 새 창에서 "확인" 버튼을 클릭
- 모든 환자를 가져온 후 "종료" 버튼을 클릭 합니다.
- DICOM 이미지 가져오기
4. 이미지 및 지역 관심사 (ROIs)의 보기
- "데이터" 아이콘 (그림 1)를 클릭 하십시오. 원하는 환자 파일 GUI (상반신)의 "환자 선택" 섹션에서 열을 클릭 합니다.
- GUI의 "이미지 집합 선택" 섹션에서 열을 원하는 환자 파일의 이미지 설정에 클릭 (아래쪽 절반). "열기" 버튼을 클릭 합니다.
- 이미지 아래 화살표를 사용 하 여 표시 되는 축에 코로나, 이미지 및 화살 뷰 (왼쪽에서 오른쪽)를.
- (그림 2) "확대/축소" 버튼을 클릭 하 여 이미지를 확대 합니다. 확대/축소 하려면 이미지 평면에 상자를 그립니다. 오른쪽 축소를 클릭 합니다.
- "교차로" 버튼 (그림 2)를 선택 하 여 지역화를 켭니다.
참고: 나타나는는 선 각 비행기에 그 조각을 위치 표시. 이 라인 이동 화살표를 사용 하 여 스크롤할 때. - (그림 2) 거리를 측정 하는 "통치자" 버튼 클릭 합니다. 관심의 두 점 간의 측정 하 마우스 왼쪽된 단추를 클릭 합니다. 표시 된 영역에서 측정 된 값을 제거 하려면 마우스를 놓습니다.
- (그림 2)는 복의 가치를 측정 하는 "CT Num" 버튼 클릭 합니다. 클릭 하 고 관심의 복 및 값에 마우스 왼쪽된 버튼을 누른 색 눈금 아래 GUI의 왼쪽에 팝업 됩니다. 표시 된 영역에서 측정 된 값을 제거 하려면 마우스를 놓습니다.
- 이미지 "W/L" 버튼 (그림 2) 창/레벨을 클릭 합니다. 또 다른 창이 나타납니다. 원하는 영역을 왼쪽과 오른쪽 드래그 하거나 새 창 하단의 창 및 수준 상자에서 창/레벨을 수동으로 입력 합니다. ( 그림 2) 왼쪽에 첫 번째 드롭 다운 메뉴를 사용 하 여 다른 창/레벨 선택: CT와 애완 동물에 대 한 1 대 8이 있다
- 선택 다른 색조 두 번째를 사용 하 여 드롭 다운 메뉴 (그림 2) 왼쪽에: 9 옵션에서 선택할 수 있다.
- ROI는 이미지에서 볼 수 있도록 하거나 모든 환자 ROIs 설정 하려면 "에 모든 ROIs" 버튼을 클릭 옆에 있는 상자를 클릭 하 여 ROIs를 시각화.
5. 편집 투자 수익
- 왼쪽된 상단 또는 하단 중앙에 "편집 ROIs" 버튼을 클릭 하 여 ROIs를 편집 합니다. 컨투어 이름 옆에 있는 상자를 클릭 하 여 편집을 선택 합니다.
- 이미 그려진 또는 축소 윤곽을 "윤곽 조금 이동" 단추 (그림 3)을 사용 합니다. 상자 윤곽선 이동 버튼 옆에 있는 "D"에서 사용 되는 원의 크기를 조정 합니다.
- "잘라 윤곽" 단추 (그림 3)를 사용 하 여 전체 윤곽 슬라이스를 제거 합니다. 클릭 하 고 마우스 왼쪽된 버튼을 누르고 제거할 ROI 주위에 상자를 그립니다.
- 윤곽을 그리기
참고: 포인트를 연결 하 여 윤곽을 그리는 5.4.1 단계로 이동 합니다. 5.4.2 자유 손으로 윤곽을 그리는 단계로 이동 합니다.- 연결 포인트: 컨투어에 그릴 각 조각 윤곽 주위에 포인트를 클릭 하 여 점을 직선으로 연결 되어 "무승부 윤곽 (1)" 버튼 (그림 3)를 사용 합니다. 그 조각에 대 한 투자 수익 그린 첫 번째 점을 클릭 하 여 완료 합니다.
- 무료 손: "윤곽 (2) 그리기" 버튼 (그림 3)를 사용 하 여 자유 재량에 의해 한 윤곽선을 그릴. 슬라이스에 윤곽을 그리는 마우스 왼쪽된 버튼을 길게. 그려진된 ROI의 시작 부분으로 다시 오는 한 다음 왼쪽된 마우스 버튼을 해제 함으로써 해당 슬라이스에 컨투어를 마칩니다.
- 조각 사이 ROIs를 보간 하 "보간 윤곽" 단추 (그림 3)를 클릭 합니다.
- 투자 수익을 복사 하려면 "복사 ROI" 버튼 클릭 합니다.
- 여러 ROIs를 선택 하 고 다음 "투자 수익 병합" 버튼을 클릭 하 여 ROIs를 병합 합니다.
- 현재 선택 된 투자 수익을 삭제 하려면 "삭제 ROI" 버튼을 클릭 합니다.
- 클릭 "투자 수익 만들기" 창이 새로운 투자 수익을 만들 팝업 됩니다. 투자 수익의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다. "저장" 버튼을 클릭 합니다. 환자 뷰어 돌아가려면 "종료" 버튼을 클릭 합니다.
6. 데이터에 윤곽 설정
- 데이터 집합에서 보기 윤곽
- 데이터 집합에서 윤곽을 볼 수 "표시 데이터 집합" 버튼을 클릭 합니다. 보려는 데이터 집합의 이름을 클릭 하십시오. "열기" 버튼을 클릭 합니다. 선택 환자 그들의 이름 옆에 있는 상자를 사용 하 여 등고선. 해당 컨투어에 대 한 원하는 기능에 따라 "삭제", "이동", 또는 "복사" 버튼을 클릭 합니다. 일단 완료 볼 데이터 집합 데이터 집합 창을 닫습니다.
- 데이터 집합에 윤곽선 추가
- 컨투어 그들의 이름 옆에 있는 확인란을 클릭 하 여 데이터 집합에 추가를 선택한 다음 추가를 데이터 "설정" 버튼을 클릭. 윤곽선을 추가 하거나 새 데이터 집합에 대 한 "새로 만들기" 버튼을 클릭에 대 한 데이터 집합의 이름을 클릭 하십시오. 뉴를 선택 하면 새 창에서 데이터 집합의 이름을 입력 합니다. "확인" 버튼을 클릭 합니다.
- 파일을 가져오려면 피나 클 버전 9.roi 등고선은 섹션 3 중 로드 되지 않은 경우 "가져오기 ROIs" 버튼을 클릭 합니다.
- 파일을 선택 하려면 "..." 버튼을 클릭 합니다. "가져오기" 버튼을 클릭 합니다.
- ROIs를 내보내려면 "내보내기 ROIs" 버튼을 클릭 합니다.
- 내보낸된 ROIs를 배치 됩니다 디렉터리를 선택 하려면 "..." 버튼을 클릭 합니다. 형식으로 내보낸된 ROIs에 대 한 선호의 이름을 클릭 하십시오. 그것은 선호 하는 경우 익명 정보를 입력 합니다. 내보내기 단추를 클릭 합니다.
참고: 미리 수행할 수 없는 익명입니다.
- 내보낸된 ROIs를 배치 됩니다 디렉터리를 선택 하려면 "..." 버튼을 클릭 합니다. 형식으로 내보낸된 ROIs에 대 한 선호의 이름을 클릭 하십시오. 그것은 선호 하는 경우 익명 정보를 입력 합니다. 내보내기 단추를 클릭 합니다.
- 환자와 검사의 목록으로 돌아가려면 "종료" 버튼을 클릭 합니다.
7. 기능 세트 만들기
- "기능" 아이콘을 클릭 합니다.
- 필요한 경우 전처리 추가 합니다.
- "1 단계:: 전처리"에서 "추가" 버튼을 클릭 합니다. 새 창에서 드롭 다운 메뉴에서 전처리 옵션을 선택 합니다.
- "I" 아래 "파라." 전처리 매개 변수를 선택 하려면 클릭 하십시오. 그것을 변경 하려면 매개 변수의 새 창에서 값 열에서 번호를 클릭 하십시오. 새 매개 변수 값에 입력 하 고 "확인" 버튼을 클릭 합니다.
- 전처리 방법의 설명 및의 특정 매개 변수 전처리 오른쪽 상단 모서리에 "물음표" 버튼 클릭 합니다.
- "추가" 버튼을 클릭 합니다. 전처리 단계를 선택 하 고 원하지 않는 전처리 단계를 삭제 하려면 "삭제" 버튼을 클릭 합니다.
- 원하는 기능을 추가 합니다.
- 기능 범주 아래 드롭 다운 메뉴에서 선택 "단계 2: 기능 범주:". 여러 범주에 대 한 단계를 반복 합니다.
참고: 하나의 범주에만 기능 한 번에 추가할 수 있습니다. 전처리 및 기능 카테고리의 다양 한 조합은 원하는 경우 설정 같은 기능을 추가할 수 있습니다.- 2.5 d 행렬을 계산 하 여 이루어집니다 회색 레벨 동시 발생 매트릭스와 이웃 강도 차이 매트릭스를 각각 계산 하는 "GrayLevelCooccurenceMatrix25"와 "NeighborIntensityDifference25" 기능 범주 선택 각 개별적으로 슬라이스 하 고 다음 함께 모든 행렬을 요약.
- "GrayLevelCooccurenceMatrix3"와 "NeighborIntensityDifference3" 기능 범주 차원에서 각각, 회색 레벨 동시 발생 매트릭스와 이웃 강도 차이 매트릭스를 계산을 선택 합니다.
- 그 전처리 선택 매개 변수에 대 한 "파라."에서 "i"를 클릭 하십시오. 전처리 방법 및 매개 변수 설명에 대 한 오른쪽 상단 모서리에 "물음표" 버튼 클릭 합니다.
- 새 매개 변수 값에 입력 하 고 "확인" 버튼을 클릭 합니다.
- 기능 범주 또는 특정 기능을 보려면 "테스트" 버튼을 클릭 합니다. 기능 또는 원하는 범주 옆의 단추를 클릭 합니다.
- 데이터 집합에서 테스트를 볼 하 고 "열기" 버튼을 클릭을 선택 합니다. 에 테스트를 볼 하 여 "테스트" 버튼을 클릭 선택한 데이터 세트에서 환자 옆의 확인란을 선택 합니다.
- 원치 않는 기능을 선택 합니다; 범주에 대 한 선택을 취소합니다 모든 기능 범주를 선택한 후 선택 됩니다. 단어 "기능:" 모든 기능을 선택을 취소 "Step2:: 기능"에서.
- 선택 된 전처리와 모든 선택 된 기능을 추가 하려면 "추가 기능 설정" 버튼을 클릭 합니다.
- "열기" 버튼을 클릭 하거나 기능 새로운 기능 집합을 추가 하려면 "새" 버튼을 클릭 하는 기능을 추가 하도록 설정 하는 기능을 선택 합니다. 설정 새로운 기능을 만드는 경우 새 창에서 기능 집합의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다.
- 기능 범주 아래 드롭 다운 메뉴에서 선택 "단계 2: 기능 범주:". 여러 범주에 대 한 단계를 반복 합니다.
- 기능 집합에서 기능을 보려면 해당 전처리 기술과 기능을 볼 수 "표시 기능 설정" 버튼을 클릭 합니다.
- 설정 하 고 "열기" 버튼을 클릭 하 여 보거나 새로운 기능 집합을 만들려면 "새" 버튼을 클릭 하는 기능을 선택 합니다. 설정 새로운 기능을 만드는 경우 새 창에서 기능 집합의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다.
- 현재 데이터 집합을 보려면 "표시 데이터 집합" 버튼 클릭 합니다.
- 보기 "열기" 버튼을 클릭 하거나 새 데이터 집합을 만드는 "새로 만들기" 버튼을 클릭에 대 한 데이터 집합을 선택 합니다. 새 데이터 집합을 만드는 경우 새 창에 데이터 집합의 이름을 입력 하 고 "확인" 버튼을 클릭 합니다.
- "종료" 버튼을 클릭 합니다.
8. 출력 기능
- "결과" 아이콘을 클릭 합니다. 데이터 집합에서 기능 실행을 클릭 하십시오 "단계 1: 데이터 세트." 선택 된 데이터에서 실행 되도록 설정 하는 기능에 클릭 "단계 2: 기능 세트."
- 선택한 데이터 집합을 볼 "데이터 보기" 버튼 클릭 합니다. 선택 된 기능 집합을 볼 "기능 보기" 버튼 클릭 합니다.
- "계산 및 결과 저장" 버튼을 클릭 합니다. 결과 대 한 파일 이름을 입력 하 고 "저장" 버튼을 클릭 합니다.
9. 통계 모델 구축
- 저장된 결과 파일을 엽니다.
참고: 이것은 일반적으로 아래 단계 2.2에서 C:\IBEX\DataIbex\[Selected 사용자] \ [단계 2.3에서 사이트 선택] \1FeatureResultSet_Result, 단계 8.4에서에서 달리 지정 하지 않는 한. - 다른 탭에서 데이터를 사용 하 여 원하는 통계 테스트에 또는 소프트웨어에서 건물 모델.
참고: 프로토콜은 언제 든 지 일시 중지 될 수 있습니다. 그러나, 특정 아이콘을, 예를 들어, 모든 기능 아이콘 아래 섹션 7의 마무리에 필요한 모든 단계를 마친 후 가장 편리 하다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
아이 벡 스에서 출력은 스프레드시트 탭 3 건을 포함 된 ( 그림 4참조). "결과" 탭에(그림 4)데이터 집합에 있는 각 ROI의 기능 값을 포함 되어 있습니다. "데이터 정보." 탭 (그림 4B) 데이터 집합에 있는 각 ROI에서 가져온 이미지에 대 한 정보가 들어 있습니다. "기능 정보." 탭 기능 범주에 대 한 선택 매개 변수와 함께 사용 하는 기능의 포괄적인 목록을 포함 하 고는 전처리 기능 (그림 4C)의 해당 범주에 대 한 사용.
벡 스 계산 기능 의료 이미지에서 여러 가지 상황에 이용 되었습니다. 헌터 외. 강력한 이미지 기능19식별 하 아이 벡 스의 초기 버전을 사용. Fave 외 다른 호흡 단계, 최대 관 전압, 관 전류9에서 수집 된 4 D CT 흉부 검사의 radiomics 기능에 불확실성을 조사. 이 연구는 대부분 간 환자 변이 보다는 더 적은 때 기능 수를 내 환자 변형 튜브 전압 및 전류를 무시할 수 이러한 요소를 만드는 다양 했다 발견. 콘 빔 CT (CBCT) 이미지에서 기능의 재현성 다음 아이 벡 스10를 사용 하 여 평가 되었습니다. 본이 연구에서는 폐 CBCT 이미지에서 계산 기능 재현할 수 사용 될 때 동일한 프로토콜 및 제조 업체 했다 모션을 호흡 하는 것은 작은 경우에을 발견 했다. 이미지 전처리 기능은 값에 미치는 영향 평가 이후 되었습니다. 연구 보여준 공부 55 기능 39 콕스 비례 위험 모델을 다른 전처리 나타내는 각 필요할 수 있습니다을 사용 하 여 전반적인 생존을 위한 중요 한 계층에서 발생 하나 이상 전처리 기술 했다 기능11. 아이 벡 스를 사용 하 여 관류 CT 이미지에서 기능에 불확실성 평가 있다. Radiomics 기능 대비 관리 및 CT 스캔 사이의 시간에 의존 했 고 기능의 86.9%는 간 세션 안정성 색인 상관 계수 보다 크거나 재현 했다 양 외. 0.916을. 마지막으로, 유령 기능15의 하위 집합에 간 스캐너 가변성을 테스트 하도록 설계 되었습니다. 텍스처 강도 무의미 한 가장 다양 하 게 발견 하는 동안 가장 일관 된 기능으로 발견 되었다.
아이 벡 스에서 radiomics 기능 모델 구축, 일반적으로 전반적인 생존, 지방 지역 제어 및 먼 전이 보고도 자주 사용 됩니다. 튀김 외 비 작은 세포 폐 암 (NSCLC) 환자의 CT 검사는으로 구현 되는 경우 콕스 비례 위험 모델 전반적인 생존로 코 지역 제어, 그리고 먼 전이 크게에서 8 radiomics 기능 식별 임상 데이터20만 사용 하는 모델에 비해 향상 된 카 플 란-마이어 계층. 마찬가지로, Fave 외. radiomics 기능 향상 생존 곡선12환자 계층을 발견. 그들의 연구는 폐 radiomics 기능에 주간 CT 이미지와 계산된 변경 사용. 계산 모델에서 기능 했다 4 개의 다른 전처리 방법: 임계 처리 (1), (2) 임계값 및 비트 깊이, 임계 처리 (3) 및 스무 딩, 임계 처리 (4), 비트 심도, 및 스무 딩; 그리고 전처리 방법 최고는 콕스 비례 위험 모델에서 테스트 되 고 전에 개별적으로 각 기능에 대 한 선정 되었다. 헌터 외. 또한 radiomics 기능 다른 임계값을 탐험 하는 동안 축소 NSCLC 환자에서 종양을 예측 하 고 깊이 재 축척 값18비트 수를 보였다.
애완 동물 이미지의 radiomics 기능 및 그들의 전조 값 또한 아이 벡 스를 사용 하 여 조사 되어 있다. 튀김 외. Suv는 가장 가까운 정수로 반올림 하 고 나머지13에서 그 투자 수익에 대 한 최소 SUV를 뺀 다음에 의해 통풍 관에 표준화 된 값 (Suv)을 스케일. 에너지 및 견고는 기존의 임상 요인 포함 했다 통계 포함 한 전반적인 생존 모델을 개선 하는 모델에 비해 발견 됐다. 이 두 가지 radiomics 기능 또한 복용량 에스컬레이션14에서 이익이 나 손해를 받은 환자의 하위 그룹을 확인할 수 있을을 발견 했다. 마찬가지로, 반으로 섬 외. 은 pathologic 전체 응답의 임상 예측 모델에 대 한 임상 모델17에 radiomics 기능을 포함 하는 때 c-인덱스에서 증가 발견.
그림 1 : 아이 벡 스 주요 홈 페이지. 각 섹션에 대 한 아이콘으로 아이 벡 스에 대 한 메인 페이지. 이 섹션의 각 섹션 2-6에서 설명 되어 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2 : 데이터 선택 창. GUI 창 데이터 선택 조작에 사용 됩니다. 창 단계 4.4-4.10에에서 설명 된 대로 이미지의 모양을 변경 하는 단추가 제공 됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3 : ROI 편집기 창. GUI 창 ROI 조작을 위해 사용 됩니다. 윈도우는 ROIs를 변경 하는 단추 뿐 아니라 데이터 선택에서 모양을 변경 하려면 같은 단추 온다. 투자 수익 조작 섹션 5에 설명 되어 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 4 : 아이 벡 스 결과 워크시트. 아이 벡 스 3 페이지의 워크시트에 정보를 출력합니다. 각 투자 수익에 대 한 기능 값을 포함 하는 첫 번째 페이지 (A), (B) 두 번째 페이지는 ROIs, 그린은 이미지에 대 한 정보가 고 세 번째 페이지 (C) 기능에 대 한 정보가 사용 전처리. 이 그림에 대 한 출력 기능 계산 했다 유령 연구에서 사용 하는 버터워스 스무 딩과 리 스케일링, 패널 C, 열 E, 5-6 행에 표시 된 8 비트 깊이. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
아이 벡 스는 의료 이미징 radiomics 연구를 위한 강력한 도구입니다. 그것은 지금까지 주로 사용 되었습니다 MD 앤더슨 radiomics 그룹에 의해 실시 하는 연구에서 방사선 종양학 목적. 아이 벡 스 ROIs의 조작 및 기능 5 주요 기능 범주 내에서 계산에 대 한 수 있습니다. 아이 벡 스의 소스 코드 버전에 포함 되지 않은 이미 아이 벡 스의 회색 레벨 영역 매트릭스 기능 같은 디자인 응용 프로그램 사용자 수 있습니다.
아이 벡 스에 관련 된 주요 단계는는 이미지의 가져오기, ROIs의 컨투어링, ROIs 데이터 집합의 선택과 기능 집합이 있습니다. 정확한 윤곽선은 필요한 기능만이 분야 내에서 계산 되 고 따라서 부정확 한 윤곽 부정확 한 기능 값을 제공할 것입니다. 따라서, 이러한 기능 사이 발견 하는 어떤 관계 든 지 부정확 한 윤곽에 계산 하 고 결과 가짜 될 것입니다. 매개 변수 선택 기능에 대 한 중요 한 단계 이기도합니다. 예를 들어 회색 레벨 동시 발생 매트릭스에 대 한 단계 크기 변경 수 영향을 매트릭스에서 계산 하는 기능. 이 수에 따라 달라 이미지 유형 (즉, MRI, CT, 또는 애완 동물), 조사 (예를 들어, 머리와 목 대 NSCLC), 및 (예를 들어, 이미지 기능 유전체학과 연결 대 생존 모델을 만드는) 연구의 목적을 위한 사이트. 기능 매개 변수는 물리적 또는 생물 학적 추론, 예에 따라 선택 되어야 합니다, 그리고 4 단계 크기 동시 발생 행렬에 생물학으로 관련 될 이유? 기능 매개 변수 또한 생물 식 또는 결과와 상관 관계를 특정 기능 매개 변수 발견 이전의 연구에 따라 선택할 수 있습니다. 아이 벡 스는 27 전처리 모듈 및 132 기능 각 전처리 모듈 및 다양 한 radiomics 연구에 대 한 적응력이 도구는 기능 범주에 대 한 매개 변수 변경 허용 함께 선택할 수 있습니다.
어떤 소프트웨어를 사용 하 여 때 적용 되는 radiomics 연구에서 여러 일반적인 제한이 있습니다. 예를 들어 이미지 기능 이미지 수집 매개 변수 복 크기와 스캐너15,27등에 따라 표시 되었습니다. 모든 소프트웨어의 한계는 각 기능에 대 한 변경 될 수 있는 많은 매개 변수 고 기본값이 특정 연구에 적합 하지 않을 수 있습니다. 사용자가, 수 있어야 하며 연구 이전 비슷한 연구에 대 한 매개 변수 설정을 사용 하 고 설정의 적용 가능성을 평가. 윤곽 및 고유의 남북 및 내부-관측 가변성의 품질 또한 기능의 계산을 발생할 수 있습니다. 오웬스 외. 계산된 기능 자동 윤곽 도구28를 사용할 때 더 강력한는 보여주었다. Radiomics 연구에 대 한 계산 기능 인간 설계 기능 하 고 시각적 인식 시스템에 의해 관찰 하는 기능을 완전히 전달 하지 않을 수 있습니다. 또한, 이러한 기능 하나 다른 결과 분석할 때 어려움을 만드는 높게 상관 될 수 있습니다. 아이 벡 스의 한 가지 특정 한계는 현재 버전 웨이 블 릿 기능; 계산 가용성 부족 그러나, 우리의 그룹은 향후 버전에서 이러한 기능을 포함 하도록 계획 이다.
이미지 기능25의 계산에 사용할 수 있는 몇 가지 대안 소프트웨어 플랫폼 있다. 아이 벡 스의 장점은 사실 그것 자유롭게 사용할 수 있습니다, 잘 문서화 되어2, 이미지 기능 계산의 사용자가 자세한 제어할 수 있습니다를 포함 합니다. 아이 벡 스도 그래서 사용자 이미지 처리의 영향을 시각화 수 있습니다-이 때 유용 합니다, 예를 들어 그는 전처리는 지나치게 부드럽게 하지 이미지 확인 처리 환자 이미지 (예를 들어, 다듬기 후), 표시 됩니다. 마찬가지로, 아이 벡 스는 실제 공동 발생 매트릭스 및 강도 히스토그램;를 내보낼 수 있습니다. 이미지 기능에 delving 깊은 때 유용할 수 있습니다.
아이 벡 스는 암 연구, 방사선 치료에 주로 초점을 전적으로 사용 되었습니다. 그러나, 미래 연구는 다른 암 치료 또는 암 필드 외부도 밖으로 분기할 수 있습니다. 예를 들어 Kassner 외. 29급성 뇌경색 환자에서 출혈 성 변화를 예측 하기 위해 radiomics를 사용 합니다. 아이 벡 스도 이런이 종류의 radiomics 연구에 사용 될 수 있습니다.
아이 벡 스는 또한 지속적인 유지 보수를 하고있다. 예를 들어 Fave 외에 의해 연구 발견 5 기능 (바 쁨, 거칠기, 회색 레벨 비 균일, 균일, 실행된 길이 비 및 에너지) 강하게 볼륨 의존 했다 그들의 수식11수정. 이러한 업데이트 된 수식 아이 벡 스의 업데이트 버전에 포함 되었습니다. 또한, 사용자가 다른 사용자가 다음 대답 질문을 게시 하는 google 그룹30 입니다. 아이 벡 스 및 가용성의 현재 기능 외에도 아이 벡 스의이 지속적인 향상 radiomics 연구에 대 한 주요 소스 만들.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 경쟁 금융 관심 없다 있다.
Acknowledgments
레이첼 Ger로 잘 리 나 하이트 대학원 친교와 미국 군단 보조 친교에 의해 자금이 다. 카를로스 Cardenas 생물 과학에 조지 M. Stancel 박사 친교에 의해 자금 하고있다. 아이 벡 스의 개발은 NCI (R03 CA178495)에 의해 투자 되었다.
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).
