Waiting
Login processing...

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

Engineering

Lignes directrices et l’expérience à l’aide d’imagerie biomarqueur Explorer (IBEX) pour 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

Nous décrivons des BOUQUETINS, un outil open source conçu pour des études d’imagerie médicales de radiomics et comment utiliser cet outil. En outre, certaines œuvres publiées qui ont utilisé IBEX pour l’analyse de l’incertitude et le modèle de bâtiment sont à l’honneur.

Abstract

Imagerie des biomarqueurs Explorer (IBEX) est un outil open source pour le travail de radiomics d’imagerie médicale. Le but de cet article est de décrire la façon d’utiliser l’interface graphique (GUI) de BOUQUETINS et de démontrer comment IBEX calculé caractéristiques ont été utilisés dans les études cliniques. IBEX permet pour l’importation d’images DICOM DICOM radiation therapy structure fichiers ou Pinnacle. Une fois que les images sont importées, IBEX a outils dans le GUI de sélection de données pour manipuler l’affichage des images, les valeurs de mesure voxel et distances et de créer et de modifier le périmètre de rayonnement. IBEX est livré avec 27 choix de fonction prétraitement et 132 à concevoir des ensembles de fonctionnalités. Chaque catégorie de prétraitement et de fonctionnalité possède les paramètres pouvant être modifiés. La sortie de l’IBEX est une feuille de calcul qui contient : 1) chaque fonctionnalité de la fonction de la valeur calculée pour chaque contour dans un ensemble de données, les informations d’image 2) sur chaque contour dans un ensemble de données et 3) un résumé du prétraitement et fonctionnalités utilisées avec leurs sélectionnés paramètres. Caractéristiques calculées à partir de BOUQUETINS ont été utilisés dans des études pour tester la variabilité des caractéristiques dans des conditions différentes d’imagerie et des modèles de survie afin d’améliorer les modèles cliniques actuels.

Introduction

En médecine, diagnostic des patients généralement intègre un grand nombre d’examens diagnostiques comme les rayons x, échographie, la tomodensitométrie (TDM), imagerie (IRM), par résonance magnétique et de tomographie par émission de positrons (PET) scanne pour aider à déterminer la cours de soins aux patients. Alors que les médecins utilisent ces images pour évaluer qualitativement diagnostic du patient, il peut y avoir des caractéristiques quantitatives supplémentaires qui peuvent être extraites afin de guider les soins aux patients. Le raisonnement est que ces fonctionnalités peuvent représenter de protéomique et génomiques motifs exprimés à l' échelle macroscopique1. Combinant ces informations quantitatives avec les informations cliniques actuelles, par exemple, données sur le patients, peut permettre plus individualisée des soins aux patients. Il s’agit de la théorie derrière radiomics : analyse d’images sur un niveau de voxel en vedette. Les caractéristiques généralement regroupés en 5 catégories : matrice de co-occurrence des niveaux, la matrice de longueur de course niveau gris, quartier intensité différence matrice, histogramme et forme de gris.

Imagerie des biomarqueurs Explorer (IBEX) est un outil open source pour radiomics travail2. L’interface utilisateur graphique (GUI) a été développé au MD Anderson Cancer Center, dans le but de faciliter l’extraction et le calcul des caractéristiques quantitatives afin d’aider à la prise de décision dans le traitement du cancer. Une source code3 et une version stand-alone4 sont disponibles en ligne. IBEX calcule 5 catégories principales fonctionnalités utilisées en médecine radiomics avec des paramètres qui peuvent être définies pour chaque catégorie de fonction. Les catégories sont : gris de matrice de co-occurrence des niveaux5, longueur de course niveau gris matrice6,7, intensité, quartier intensité différence matrice8et forme. IBEX est open source, il permet pour résultats d’extraction harmonisées dans les institutions de comparer facilement les différents radiomics études. Toutes les fonctions au sein de l’IBEX sont décrits dans le document initial par Zhang et al. 2

Le but de ce manuscrit est de fournir des conseils sur la façon d’utiliser IBEX et de démontrer ses applications par le biais de pairs des études publiées par le groupe de radiomics MD Anderson. Depuis sa sortie au public en 2015, IBEX a été utilisé pour calculer les caractéristiques de CT, MRI et PET scan images par le groupe de radiomics MD Anderson, étudie généralement des fonctionnalités pour améliorer la survie clinique modèles9,10, 11,12,13,14,15,16,17,18,19,20 et par les institutions extérieures21,22,23,24. On trouvera des indications supplémentaires sur les outils logiciels qui peuvent être utilisés pour les étapes de recherche de radiomics qui ne sont pas inclus dans l’IBEX en Cour et al. 25

Une introduction générale au workflow de BOUQUETINS vous aidera à organiser les données correctement avant de commencer le radiomics projets utilisant IBEX. Si l’importation d’images DICOM, IBEX exige que chaque patient aient leur propre dossier avec leurs images DICOM. DICOM rayonnement structure ensemble est facultatif d’inclure dans le dossier patient, mais il est recommandé plutôt que d’utiliser la plate-forme de contournage IBEX. Pour faciliter l’importation de tous les patients pour une étude spécifique, tous les dossiers de patients peuvent être assemblés dans un seul dossier afin que toutes les données peuvent être importées dans l’IBEX en utilisant qu’une seule étape. Si importer les patients de Pinnacle, il est préférable d’avoir la structure définie avec le plan de la patient. Car les patients peuvent avoir plusieurs ensembles d’images et de plans au sein de Pinnacle, c’est mieux de savoir quel ensemble images et plan sont corrects avant de l’importer. Si le temps de calcul est un sujet de préoccupation, la réduction du nombre de tranches de l’image pour un patient peut réduire considérablement temps. Par exemple, si seul le foie est d’un intérêt dans une étude, mais les patients ont complet du corps CT scans, réduisant les tranches DICOM à seulement l’étendue de la zone d’intérêt peuvent raccourcir le temps de calcul (p. ex., réduction de la DICOM de tranches de 300 à 50 tranches peut prendre 1/6 t h la fois). Il existe différents outils disponibles pour réaliser la réduction de cette tranche, manuelle ou semi-automatique.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Installez IBEX

Remarque : Pour installer une version de code source passez à l’étape 1.1. Vous pouvez également installer une version stand-alone passez à l’étape 1.2.

  1. Version de code source
    1. Allez à l’IBEX code source version site Web3. Téléchargez les fichiers « IBEX_Source.zip » et « How_to_use.pdf ». Examinez le fichier « How_to_use.pdf » pour trouver les pré-requis pour utiliser la dernière version IBEX.
      NOTE : IBEX fonctionne uniquement sur les versions 32 bits et 64 bits de Matlab 2011Un et 2014b, respectivement.
    2. Une fois le téléchargement terminé, décompressez le « IBEX_Source.zip » et ajouter le dossier de \IBEX_Source pour le chemin d’accès local.
      Remarque : Les Instructions sur la façon d’ajouter un chemin d’accès se trouvent sur la page de références de logiciels pour « ajouter un chemin d’accès »26.
    3. Tapez « IBEXMain » dans la fenêtre de commande pour démarrer IBEX.
  2. Version autonome
    1. Aller au site version stand-alone IBEX4. Si vous installez IBEX pour la première fois, allez dans le dossier « Dépendances » et télécharger/installer le « MCRInstaller.exe », vc2005redist_x86_new.exe, » et les fichiers « vc2012redist_x86.exe ». Sur la page principale, Télécharger le « IBEX.exe, » « IBEX.ctf », « IBEX.ini » et « How_to_use.pdf » des fichiers dans le même dossier. Examinez le fichier « How_to_use.pdf » pour les pré-requis utiliser la dernière version IBEX.
    2. Double-cliquez sur « IBEX.exe » pour démarrer le bouquetin.

2. définir l’emplacement

Remarque : Les images sont importées à cet endroit de jeu et les données de cette étude sont stockées ici aussi bien. IBEX utilisations les plus ayant antérieurement faites l’emplacement que l’emplacement par défaut lorsque relancé.

  1. Cliquez sur l’icône « Emplacement » (Figure 1).
  2. Sélectionnez utilisateur ou double cliquez sur « Nouvel utilisateur » pour créer un nouveau dossier de l’utilisateur. Si créer un nouveau dossier d’utilisateur, entrez le nom dans la nouvelle fenêtre, puis cliquez sur le bouton « OK ».
  3. Sélectionnez le site au sein de l’utilisateur sélectionné ou double cliquez sur « Nouveau Site » pour créer un nouveau dossier de site. Si créer un nouveau dossier d’utilisateur, entrez le nom dans la nouvelle fenêtre, puis cliquez sur le bouton « OK ».
  4. Cliquez sur le bouton « OK » en bas.

3. importer des Images

  1. Cliquez sur l’icône « Importer » (Figure 1).
  2. Sélectionnez DICOM ou Pinnacle9 (version du fichier Pinnacle 9) format en cliquant sur le nom du format. Pour importer la DICOM images passez à l’étape 3.3.1. Pour importer des Pinnacle9 fichiers passez à l’étape 3.3.2.
  3. Cliquez sur le bouton « Suivant ».
    1. Importer des images DICOM
      Remarque :, Pour importer les patients individuellement passez à l’étape 3.3.1.1. Pour importer plusieurs patients en même temps passez à l’étape 3.3.1.2.
      1. Importez chaque patient individuellement en sélectionnant le dossier patient par le biais de l’annuaire.
        1. Cliquez sur le bouton «... » à côté de l’annuaire liste pour sélectionner le dossier patient qui contient les images DICOM et rayonnement structure mise en fichier DICOM (facultatif).
          Remarque : Bien qu’il soit seulement en option Importer une structure définie avec les dossiers patients, il est fortement recommandé de le faire. IBEX a une plate-forme contournage dans elle, mais c’est un peu difficile pour les grands ensembles de données. IBEX peut accueillir des ensembles de structure de plateformes de logiciels commerciaux qui sont familiers de contournage d’outils pour les radio-oncologues, qui facilite grandement le flux de travail. Il s’agit généralement comment IBEX est utilisé dans les études.
        2. Cliquez sur le bouton « Importer » en bas à gauche une fois IBEX a terminé la recherche les fichiers DICOM, le Patient et boîtes de détails se remplira.
        3. Répétez les étapes 3.3.1.1.1 - 2 pour chaque patient.
        4. Cliquez sur le bouton « Quitter » après que tous les patients sont importés.
      2. Importer tous les patients à la fois en cochant la case « Dossier de lot » dans le coin supérieur droit.
        Remarque : Tous les patients doivent avoir un dossier distinct contenant leurs dossiers respectifs de DICOM.
        1. Cliquez sur le bouton «... » à côté du répertoire liste pour sélectionner le dossier qui contient tous les dossiers patients avec leurs images DICOM correspondantes et rayonnement structure mise en fichier DICOM (facultatif).
        2. Cliquez sur le bouton « Importer ». Les patients seront importées dans l’ordre. Cliquez sur le bouton « Quitter » après que tous les patients sont importés.
    2. Fichiers de Pinnacle
      1. Configurer l’hôte du sommet et la base de données dans le fichier « \IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI ». Cliquez sur le bouton « Config » avant de sélectionner Pinnacle dans la boîte de module d’importation.
      2. Sélectionnez le bon hôte de Pinnacle et base de données.
      3. Entrez le Patient MRN, nom de famille ou prénom puis cliquez en dehors de la fenêtre.
      4. Cliquez sur le bouton « Query ».
      5. Sélectionnez le patient dans la nouvelle fenêtre, puis cliquez sur le bouton « Transférer ».
      6. Cliquez sur la zone des jeux de ce patient dans la nouvelle fenêtre image désirée et cliquez sur le bouton « OK ».
      7. Cliquez sur le bouton « OK » dans la nouvelle fenêtre qui s’intitule « Données importées avec succès. »
      8. Cliquez sur le bouton « Quitter » après que tous les patients sont importés.

4. affichage des Images et des zones d’intérêt (ROIs)

  1. Cliquez sur l’icône « Data » (Figure 1). Cliquez sur le dossier patient désiré pour ouvrir dans la section « Sélectionnez un patient » de l’interface graphique (moitié supérieure).
  2. Cliquez sur l’ensemble de l’image du fichier patient désiré pour ouvrir dans la section « Select image Set (s) » de l’interface graphique (moitié inférieure). Cliquez sur le bouton « Ouvrir ».
  3. Utilisez les flèches sous les images pour faire défiler les images, qui sont indiquées dans l’axiales, coronales et paysages et sagittale (de gauche à droite).
  4. Zoom sur l’image en cliquant sur le bouton « Zoom » (Figure 2). Dessiner une zone sur le plan de l’image pour l’agrandir. Faites un clic droit pour effectuer un zoom arrière.
  5. Allumez les localisateurs en cliquant sur le bouton « Intersection » (Figure 2).
    NOTE : Les lignes qui apparaissent montrent où cette tranche se trouve dans chaque plan. Ces lignes se déplacent lors du défilement avec les flèches.
  6. Cliquez sur le bouton « Souverain » (Figure 2) pour mesurer les distances. Cliquez et maintenez le bouton gauche de la souris pour mesurer entre les deux points d’intérêt. Relâchez le bouton de la souris pour supprimer la valeur mesurée de la zone affichée.
  7. Cliquez sur le bouton « CT Num » (Figure 2) pour mesurer la valeur d’un voxel. Cliquez et maintenez enfoncé le bouton gauche de la souris sur le voxel d’intérêt et la valeur seront affiche sur le côté gauche de l’interface graphique ci-dessous l’échelle colorimétrique. Relâchez le bouton de la souris pour supprimer la valeur mesurée de la zone affichée.
  8. Cliquez sur le bouton « W/L » (Figure 2) au niveau de la fenêtre/les images. Une autre fenêtre s’ouvrira. Faites glisser les côtés droit et gauche à l’endroit désiré ou entrer manuellement le niveau de la fenêtre dans les boîtes de fenêtre et le niveau en bas de la nouvelle fenêtre. Sélectionnez fenêtre/niveaux différents, en utilisant le premier menu déroulant sur la gauche ( Figure 2) : il y a 8 pour CT et 1 pour PET.
  9. Sélectionnez couleur différentes échelles à l’aide de la seconde liste déroulante menu sur la gauche (Figure 2) : il y a 9 options à choisir.
  10. Visualiser les ROIs en cliquant sur la case en regard du ROI pour le rendre visible sur les images, ou cliquez sur le bouton « Sur tous les ROIs » pour allumer le patient tous les ROIs.

5. modifier le ROI

  1. Modifier les ROIs en cliquant sur le bouton « Modifier les ROIs » en haut à gauche ou en bas au centre. Sélectionnez le profil à modifier en cliquant sur la case en regard de son nom.
  2. Utilisez le bouton « Déplacer vers le périmètre de rayonnement » (Figure 3) pour pousser les contours dedans ou dehors comme il a déjà dessiné. Ajuster la taille du cercle utilisé dans la zone intitulée « D » en regard du bouton déplacer vers le périmètre de rayonnement.
  3. Supprimer une tranche entière de contour en utilisant le bouton « Couper les Contours » (Figure 3). Cliquez et maintenez enfoncé le bouton gauche de la souris et dessiner un rectangle autour du ROI à supprimer.
  4. Dessiner les contours
    Remarque : Passez à l’étape 5.4.1 pour dessiner les contours en reliant les points. Passez à l’étape 5.4.2 dessiner des contours de la main libre.
    1. Reliant les Points : Utilisez le bouton « Dessiner Contours (1) » (Figure 3) pour dessiner un contour sur chaque tranche en cliquant sur les points autour du contour où les points sont reliés par des lignes droites. Terminer le retour sur investissement pour cette tranche en cliquant sur le premier point dessiné.
    2. Main libre : Utilisez le bouton « Dessiner les Contours (2) » (Figure 3) pour dessiner un contour en main libre. Maintenez le bouton gauche de la souris pour dessiner le contour sur la tranche. Terminer le contour sur cette tranche en revenant vers le début du ROI dessiné et puis en relâchant le bouton gauche de la souris.
  5. Cliquez sur le bouton « Interpoler les contours » (Figure 3) d’interpoler les ROIs entre les tranches.
  6. Cliquez sur le bouton « Copie ROI » pour copier le retour sur investissement.
  7. Fusionner des ROIs en sélectionnant plusieurs ROIs et puis en cliquant sur le bouton « Fusionner le ROI ».
  8. Cliquez sur le bouton « Supprimer le ROI » pour supprimer le ROI actuellement sélectionné.
  9. Cliquez sur « Créer le ROI » pour créer un nouveau ROI qui provoquera une fenêtre s’ouvrira. Entrez le nom du ROI, puis cliquez sur le bouton « OK ». Cliquez sur le bouton « Enregistrer ». Cliquez sur le bouton « Exit » pour retourner à la visionneuse de patients.

6. les contours de l’ensemble de données

  1. Affichage des contours dans le jeu de données
    1. Cliquez sur le bouton « afficher le jeu de données » pour afficher les contours dans le jeu de données. Cliquez sur le nom de l’ensemble de données pour afficher. Cliquez sur le bouton « Ouvrir ». Certains patients des contours à l’aide de la boîte à côté de leur nom. Cliquez sur le bouton « Supprimer », « Move » ou « Copie » selon la fonction désirée pour ce périmètre. Fermer la fenêtre de jeu de données terminé une fois de consulter l’ensemble de données.
  2. Ajouter des contours à l’ensemble de données
    1. Sélectionnez les contours à ajouter à un ensemble de données en cliquant sur la case à cocher en regard de leur nom, puis cliquez sur le bouton « Ajouter au jeu de données ». Cliquez sur le nom de l’ensemble de données pour ajouter les contours ou cliquez sur le bouton « Nouveau » pour une nouvelle série de données. Si New est sélectionné, entrez le nom de l’ensemble des données dans la nouvelle fenêtre. Cliquez sur le bouton « OK ».
  3. Cliquez sur le bouton « Importer des ROIs » pour importer un fichier de 9 .roi Pinnacle version si des contours n’étaient pas chargés au cours de la Section 3.
    1. Cliquez sur le bouton «... » pour sélectionner le fichier. Cliquez sur le bouton « Importer ».
  4. Cliquez sur le bouton « Exporter les ROIs » pour exporter des ROIs.
    1. Cliquez sur le bouton «... » pour sélectionner le répertoire dans lequel les ROIs exportés seront placés. Cliquez sur le nom du format qui est préféré pour la ROIs exportée. Entrez les informations d’anonymisation si c’est préférable. Cliquez sur le bouton Exporter.
      NOTE : Le paramètre prédéfini est pour aucune anonymisation à accomplir.
  5. Cliquez sur le bouton « Exit » pour retourner à la liste des patients et des analyses.

7. créer l’ensemble des fonctionnalités

  1. Cliquez sur l’icône « Feature ».
  2. Ajouter prétraitement si vous le souhaitez.
    1. Cliquez sur le bouton « Ajouter » sous « Etape 1 : prétraiter ». Dans le menu déroulant dans la nouvelle fenêtre, sélectionnez l’option prétraitement.
    2. Cliquez sur le « i » sous « Para. » pour sélectionner les paramètres de prétraitement. Cliquez sur le numéro dans la colonne de valeur dans la nouvelle fenêtre du paramètre pour le modifier. Tapez la nouvelle valeur du paramètre et cliquez sur le bouton « OK ».
    3. Cliquez sur le bouton « point d’interrogation » dans le coin supérieur droit pour obtenir une description de la méthode de pré-traitement et le prétraitement des paramètres spécifiques.
    4. Cliquez sur le bouton « Ajouter ». Sélectionnez l’étape de prétraitement et cliquez sur le bouton « Supprimer » pour supprimer les étapes de prétraitement non désirés.
  3. Ajouter les fonctionnalités souhaitées.
    1. Sélectionnez la catégorie dans le menu déroulant sous « étape 2 : caractéristiques catégorie : ». Répétez les étapes pour plusieurs catégories.
      Remarque : Qu’une seule catégorie de fonctionnalités peut être ajoutée à la fois. Différentes combinaisons de catégories de prétraitement et de la fonctionnalité peuvent être ajoutés à la fonction même si vous le souhaitez.
      1. Sélectionnez le « GrayLevelCooccurenceMatrix25 » et les catégories de fonction « NeighborIntensityDifference25 » pour calculer la matrice de co-occurrence des niveaux de gris et de la matrice de différence quartier intensité, respectivement, 2,5 d, qui se fait en calculant la matrice sur chaque tranche individuellement et puis additionnant toutes les matrices ensemble.
      2. Sélectionnez le « GrayLevelCooccurenceMatrix3 » et les catégories de fonction « NeighborIntensityDifference3 » pour calculer la matrice de co-occurrence des niveaux de gris et de la matrice de différence quartier intensité, respectivement, en 3D.
    2. Cliquez sur le « i » sous « Para. » pour les paramètres sélectionnés pour ce prétraitement. Cliquez sur le bouton « point d’interrogation » dans le coin supérieur droit pour obtenir une description de la méthode de prétraitement et les paramètres.
      1. Tapez la nouvelle valeur du paramètre et cliquez sur le bouton « OK ».
    3. Cliquez sur le bouton « Test » pour afficher une catégorie de fonction ou une fonctionnalité spécifique. Cliquez sur le bouton en regard de la fonctionnalité ou la catégorie souhaitée.
      1. Sélectionnez le jeu de données pour afficher le test sur et cliquez sur le bouton « Ouvrir ». Cochez la case près les patients de l’ensemble de données sélectionné pour afficher le test sur et cliquez sur le bouton « Test ».
    4. Décochez la case caractéristiques indésirables pour la catégorie sélectionnée ; toutes les fonctions sont sélectionnées après avoir choisi la catégorie. Cliquez sur le mot « caractéristiques : » sous l’onglet « Etape 2 : aspect » décocher toutes les fonctionnalités.
    5. Cliquez sur le bouton « Ajouter à Feature Set » pour ajouter toutes les fonctions sélectionnées avec prétraitement sélectionnés.
      1. Sélectionnez l’ensemble de fonctionnalités pour ajouter des fonctionnalités et cliquez sur le bouton « Ouvrir » ou cliquez sur le bouton « Nouveau » pour ajouter des fonctionnalités à un nouvel ensemble de fonctionnalités. Si création d’une nouvelle fonctionnalité de la valeur, entrez le nom de l’ensemble des fonctionnalités dans la nouvelle fenêtre et cliquez sur le bouton « OK ».
  4. Cliquez sur le bouton « Voir la fonctionnalité Set » pour afficher les caractéristiques techniques de prétraitement correspondant pour afficher les fonctionnalités dans un ensemble de fonctionnalités.
    1. Sélectionnez la fonction de la valeur à afficher et cliquez sur le bouton « Ouvrir » ou cliquez sur le bouton « Nouveau » pour créer un nouvel ensemble de fonctionnalités. Si création d’une nouvelle fonctionnalité de la valeur, entrez le nom de l’ensemble des fonctionnalités dans la nouvelle fenêtre et cliquez sur le bouton « OK ».
  5. Cliquez sur le bouton « afficher le jeu de données » pour visualiser les ensembles de données actuels.
    1. Sélectionnez le jeu de données à afficher et cliquez sur le bouton « Ouvrir » ou cliquez sur le bouton « Nouveau » pour créer un nouvel ensemble de données. Si la création d’un nouvel ensemble de données, entrez le nom du jeu de données dans la nouvelle fenêtre et cliquez sur le bouton « OK ».
  6. Cliquez sur le bouton « Exit ».

8. fonctionnalités de sortie

  1. Cliquez sur l’icône de « Résultat ». Cliquez sur le jeu de données pour exécuter les fonctionnalités sous « étape 1 : ensemble de données. » Cliquez sur la fonction définie pour s’exécuter sur les données sélectionnées sous « étape 2 : ensemble de fonctions. »
  2. Cliquez sur le bouton « Afficher les données » pour visualiser l’ensemble de données sélectionné. Cliquez sur le bouton « View fonctionnalité » pour visualiser l’ensemble de la fonction sélectionnée.
  3. Cliquez sur le bouton « Calculer et enregistrer le résultat ». Entrez le nom de fichier pour les résultats et cliquez sur le bouton « Enregistrer ».

9. statistiques de modélisme

  1. Ouvrez le fichier de résultats sauvegardés.
    NOTE : il s’agit généralement sous l’utilisateur C:\IBEX\DataIbex\[Selected dans l’étape 2.2] \ \1FeatureResultSet_Result [Site de sélectionné à l’étape 2.3], sauf si autrement affectée à l’étape 8,4.
  2. Utiliser les données dans les différents onglets dans les tests statistiques désirées ou modélisme dans le logiciel.
    Remarque : Le protocole peut être suspendu à tout moment. Toutefois, il est plus pratique après avoir terminé toutes les étapes nécessaires pour une icône particulière, par exemple, tous de la Section 7, qui se trouve sous l’icône de la fonction de finition.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

La sortie de l’IBEX est une feuille de calcul (voir Figure 4) qui contient 3 onglets. L’onglet « Résultats » contient les valeurs de fonction pour chaque ROI dans l’ensemble de données (Figure 4A). L’onglet « Données d’informations. » contient des informations sur les images prises de chaque ROI dans l’ensemble de données (Figure 4B). L’onglet « Fonction Info. » contient une liste exhaustive des fonctionnalités avec les paramètres sélectionnés pour la catégorie et le prétraitement utilisé pour cette catégorie de fonctions (Figure 4C).

Le bouquetin calculé caractéristiques d’images médicales ont été utilisées dans plusieurs contextes. Hunter et al. permet une première version de bouquetin d’identifier image robuste caractéristiques19. Fave et coll. ont étudié l’incertitude de radiomics dispose de 4 D thoracique tomodensitogrammes recueillis à différentes phases respiratoires, tensions de crête tube et tube courants9. Nous avons constaté une variation intra-patiente à être inférieure à la variation des patiente pour la plupart dispose quand tube tension et courant étaient variées, rendant ces facteurs négligeables. La reproductibilité de la fonctionnalité de cone beam CT (CBCT) des images a été évaluée puis à l’aide de bouquetin10. Dans cette étude, caractéristiques calculées à partir des images CBCT poumon se sont avérés pour être reproductibles lorsque le même protocole et le fabricant ont été utilisés uniquement lorsque le mouvement de respiration était petite. Image de prétraitement impact sur les valeurs de la fonction a été évaluée par la suite. L’étude a montré que 39 des 55 caractéristiques étudiées avaient au moins une technique de prétraitement qui a donné lieu à une stratification importante pour la survie globale à l’aide de Cox, modèles de hasards proportionnels indiquant ce prétraitement différents peuvent être nécessaires pour chaque fonction11. L’incertitude des caractéristiques d’images CT perfusion a également été évalué à l’aide de IBEX. Yang et coll. ont montré que radiomics caractéristiques ne dépendaient pas de temps entre l’administration de contraste et de la tomodensitométrie, et que 86,9 % des fonctionnalités sont reproductibles avec un coefficient de corrélations de concordance inter session stabilité supérieur ou égal à 0,916. Enfin, un fantôme a été conçu pour tester la variabilité inter-scanner sur un sous-ensemble de fonctionnalités15. Force de texture s’est avérée la fonctionnalité plus constante tandis que l’agitation s’est avérée varient le plus.

Les caractéristiques radiomics de BOUQUETINS sont également souvent utilisés pour modèle de construction, généralement en regardant la survie globale, le contrôle des locaux et régionaux et absence de métastases à distance. Fried et al a relevé 8 radiomics caractéristiques de non à petites cellules que du poumon (NSCLC) patients atteints de cancer tomodensitogrammes, que lorsqu’elle est implémentée dans un risques proportionnels de Cox modèles pour des métastases à distance, contrôle loco-régionale et la survie globale significativement stratification de Kaplan-Meier améliorée par rapport aux modèles utilisés uniquement les données cliniques20. De même, Fave et coll. ont découvert radiomics caractéristiques qui ont amélioré la stratification dans les courbes de survie12patiente. Leur étude utilisé hebdomadaires images CT et calculé les changements dans les caractéristiques de radiomics pulmonaire. Calculé les fonctions du modèle avaient quatre différentes méthodes de prétraitement : seuillage (1), (2) indique le seuil et le peu de profondeur, seuillage (3) et lissage, seuillage (4), profondeur de bit et lissage ; et la meilleure méthode de pré-traitement a été choisie pour chaque composant individuellement avant d’être testé dans les modèles de risques proportionnels de Cox. Hunter et al a également montré que radiomics caractéristiques peuvent prédire tumeur diminue chez les patients NSCLC tout en explorant les différents seuils et peu de valeurs échelle profondeur18.

Caractéristiques radiomics de l’image pour animaux de compagnie et leur valeur pronostique ont aussi étudiés à l’aide de IBEX. Fried et al. mise à l’échelle des valeurs normalisées de l’absorption (VUS) par vus d’arrondi au nombre entier le plus proche et puis en soustrayant le SUV minimal pour ce ROI du reste13. L’énergie et solidité ont été trouvés pour améliorer statistiquement un modèle global de survie lorsque inclus par rapport au modèle lorsque seuls les facteurs cliniques classiques ont été inclus. Ces deux caractéristiques de radiomics trouvées également d’être en mesure d’identifier des sous-groupes de patients ayant reçu un avantage ou au détriment de dose escalation14. De même, van Rossum et coll. a constaté une augmentation dans l’indice c pour un modèle de prédiction clinique d’une réponse pathologique complète lorsque vous incluez radiomics fonctionnalités dans les modèles précliniques,17.

Figure 1
Figure 1 : Page d’accueil principale IBEX. Page d’accueil pour IBEX avec des icônes pour chaque section. Chacune de ces sections sont décrites dans les Sections 2-6. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 2
Figure 2 : Fenêtre de sélection de données. Fenêtre de GUI est utilisé pour la manipulation de sélection de données. La fenêtre est doté de boutons pour modifier l’apparence des images comme décrit aux points 4.4-4.10. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 3
Figure 3 : Fenêtre de l’éditeur ROI. Fenêtre de GUI est utilisé pour la manipulation du ROI. La fenêtre est livré avec les mêmes boutons pour modifier l’apparence que dans la sélection des données, mais aussi des boutons pour modifier la ROIs. La manipulation du ROI est décrite au point 5. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 4
Figure 4 : IBEX résulte de feuille de calcul. IBEX sorties trois pages d’informations dans une feuille de calcul. La première page (A) contient les valeurs de fonction pour chaque ROI, la deuxième page (B) contient des informations sur les images que la ROIs ont été tirée et la troisième page (C) contient des informations sur les fonctionnalités et prétraitement utilisé. Les sorties pour cette figure d’une étude fantôme où on a calculé les fonctions utilisent Butterworth lissage et profondeur de 8 bits mise à l’échelle, indiqué dans le tableau C, colonne E, lignes 5 et 6. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Bouquetin est un outil puissant pour la recherche en imagerie médicale radiomics. Il a jusqu’ici surtout été utilisé à des fins d’oncologie de rayonnement dans les études menées par le groupe de radiomics MD Anderson. IBEX permet pour la manipulation des ROIs et le calcul des caractéristiques au sein de 5 catégories de caractéristique principale. La version de code source de BOUQUETINS permet à l’utilisateur pour les applications de conception qui ne font pas déjà partie du bouquetin, par exemple des éléments de matrice zone grise de niveau.

Les étapes principales de BOUQUETINS sont l’importation d’images, le contourage des ROIs, la sélection des ROIs pour l’ensemble de données et la création de l’ensemble des fonctionnalités. Des contours précis sont nécessaires car les fonctionnalités sont calculées uniquement au sein de ces zones et donc des contours imprécis fournit des valeurs de fonction inexactes. Ainsi, toute relation entre ces caractéristiques calculées sur des contours imprécis et résultats seront fausses. Sélection des paramètres pour les fonctions est également une étape essentielle. Par exemple, changer la taille de palier pour la matrice de co-occurrence des niveaux de gris peut concerner les fonctions calculées à partir de la matrice. Cela pourrait dépendre type d’image(IRM, tomodensitométrie ou en PET),site d’enquête (p. ex., CPNPC vs la tête et du cou) et le but de l’étude (par exemple, créer des modèles de survie vs reliant les caractéristiques de l’image avec la génomique). Paramètres de fonction doit être sélectionné, basé sur un physique ou biologique raisonnement, par exemple, y a-t-il une raison qui a une taille d’étape 4 serait biologiquement pertinente dans une matrice de cooccurrence ? Paramètres Feature peuvent également être sélectionnées basée sur des études antérieures qui ont trouvé certains paramètres de la fonctionnalité en corrélation avec les résultats ou les expressions biologiques. IBEX a 27 modules de prétraitement et 132 fonctionnalités disponibles pour la sélection, ainsi que ce qui permet de modifier des paramètres pour chaque module de prétraitement et de la catégorie de fonction, qui en fait un outil adaptable pour de nombreux types d’études radiomics.

Il y a plusieurs limitations générales dans la recherche de radiomics qui s’appliquent lorsque vous utilisez n’importe quel logiciel. Par exemple, caractéristiques des images montrent dépendent des paramètres d’acquisition image tels que voxel taille et scanner15,27. Une limitation de tous les logiciels est qu’il y a beaucoup de paramètres pouvant être modifiés pour chaque fonctionnalité et les valeurs par défaut peuvent ne pas convenir pour l’étude spécifique. Les utilisateurs doivent être vigilants, et recherche précédemment utilisé des paramètres pour des études similaires et d’évaluer l’applicabilité des paramètres. La qualité des contours et la variabilité inhérente inter - et intra-observateur peut également affecter le calcul des caractéristiques. Owens et coll. ont montré que les caractéristiques calculées sont plus robustes lors de l’utilisation d’outils auto-contournement28. Les fonctions calculées pour des études radiomics caractérisent par les humains et peuvent transmettre pas pleinement les caractéristiques observées par le système de perception visuelle. En outre, ces caractéristiques peuvent être hautement corrélés mutuellement, créant des difficultés lors de l’analyse des résultats. Une limitation spécifique de BOUQUETINS, c’est que la version actuelle n’a pas la disponibilité pour calculer des fonctions ondelettes ; Toutefois, notre groupe a l’intention d’inclure ces fonctionnalités dans les versions futures.

Il existe plusieurs plateformes de logiciels alternatifs pour le calcul des caractéristiques d’image25. Quelques avantages du bouquetin incluent le fait qu’il est disponible gratuitement, est bien documenté2et permet aux utilisateurs de contrôle détaillé des calculs de fonction image. IBEX affiche également les images de patients traitées (par exemple, après lissage), alors l’utilisateur peut visualiser l’impact de tout traitement de l’image - c’est utile, par exemple, lors de la confirmation que le prétraitement n’a pas trop lissé les images. De même, les IBEX peut exporter la matrice de cooccurrence réelles et histogrammes d’intensité ; Cela peut être utile lors de leurs travaux sur les caractéristiques de l’image.

IBEX a été utilisé uniquement pour les études sur le cancer, principalement axés sur la radiothérapie. Cependant, les études à venir peuvent ramifier aux autres thérapies contre le cancer ou même en dehors du champ du cancer. Radiomics a été utilisé pour prédire la transformation hémorragique chez des patients atteints d’accident vasculaire cérébral ischémique aigu29par exemple, Kassner et al . IBEX pourrait également être utilisé dans les études de radiomics de ce type.

IBEX a aussi un entretien continu. Par exemple, une étude de Fave et coll. a révélé que 5 caractéristiques (affairement, grossièreté, grise niveau non-uniformité, longueur exécution non-uniformité et énergie) ont été fortement dépendante de volume et corrigé leurs formules11. Ces formules mises à jour ont été inclus dans la version mise à jour de BOUQUETINS. En outre, il y a un groupe de google30 qui a les utilisateurs à poser des questions que les autres utilisateurs puis répondez. Cette amélioration continue des BOUQUETINS en plus les capacités actuelles de l’IBEX et sa disponibilité en font une source privilégiée pour les études de radiomics.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont aucun intérêt financier concurrentes de divulguer.

Acknowledgments

Rachel Ger est financé par le B. de Rosalie Hite Graduate Fellowship et American Légion auxiliaire Fellowship. Carlos Cardenas a été financé par la bourse de George M. Stancel PhD en Sciences biomédicales. Le développement de l’IBEX a été financé par le 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

Ingénierie numéro 131 Radiomics texture analyse caractéristiques des images quantitatives cancer du poumon non à petites cellules analyse quantitative analyse d’image
Lignes directrices et l’expérience à l’aide d’imagerie biomarqueur Explorer (IBEX) pour 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