Waiting
Login processing...

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

Engineering

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

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

Abstract

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

Introduction

Na medicina, o diagnóstico da doença do paciente normalmente incorpora um grande número de exames de diagnóstico, como raios-x, ultra-sonografia, tomografia computadorizada (CT), ressonância magnética (MRI), e varreduras de tomografia por emissão de pósitrons (PET) para ajudar a determinar o curso de atendimento ao paciente. Enquanto os médicos usam essas imagens para avaliar qualitativamente o diagnóstico do paciente, pode haver características quantitativas adicionais que podem ser extraídas para orientar o tratamento do paciente. A lógica é que esses recursos podem representar proteômica e genômicos padrões expressados na escala macroscópica1. Combinando estas informações quantitativas com o atuais informações clínicas, por exemplo, paciente, demografia, podem permitir atendimento mais individualizado. Esta é a teoria por trás do radiomics: apresentam a análise de imagens em um nível de voxel. As características normalmente caem em 5 categorias principais: cinza matriz de co-ocorrência de nível, comprimento de execução nível cinza matriz, matriz de diferença de intensidade de bairro, histograma e forma.

Imagem latente biomarcador Explorer (IBEX) é uma ferramenta de código-fonte aberto para radiomics trabalho2. A interface gráfica do usuário (GUI) foi desenvolvida no MD Anderson Cancer Center, com o objetivo de facilitar a extração e cálculo de recursos quantitativos para auxiliar na tomada de decisões no tratamento do câncer. Uma fonte do código3 e uma versão stand-alone4 estão disponíveis online. IBEX calcula as 5 categorias mais comuns de recursos usados na medicina radiomics com parâmetros que podem ser definidos para cada categoria de recurso. As categorias são: cinza de matriz de co-ocorrência de nível5, comprimento de execução nível cinza matriz6,7, intensidade, bairro intensidade diferença matriz8e forma. Desde que o IBEX é open source, permite resultados de extração de característica harmonizadas instituições financeiras facilmente comparar estudos diferentes radiomics. Todos os recursos no IBEX estão descritos no documento inicial por Zhang et al 2

O objetivo deste manuscrito é fornecer orientações sobre como usar o IBEX e demonstrar suas aplicações através de estudos publicados revistas do grupo radiomics MD Anderson. Desde o seu lançamento para o público em 2015, IBEX tem sido usado para calcular as características de imagens de varredura de CT, PET e MRI pelo grupo radiomics MD Anderson, normalmente investigando características para melhorar a sobrevivência clínica modelos9,10, 11,12,13,14,15,16,17,18,19,20 e por instituições externas21,22,23,24. Orientações adicionais sobre ferramentas de software que pode ser usado para obter as etapas na pesquisa radiomics que não estão incluídas no IBEX podem ser encontrada no Court et al 25

Uma introdução geral para o fluxo de trabalho de IBEX vai ajudar a organizar os dados corretamente antes de iniciar projetos de radiomics utilizando o IBEX. Se importar imagens DICOM, IBEX requer que cada paciente tem sua própria pasta com suas imagens DICOM. Conjunto de estrutura de radiação DICOM é opcional para incluir na pasta do paciente, mas é recomendável em vez de usar a plataforma de contorno no IBEX. Para ajudar com a importação de todos os pacientes para um estudo específico, todas as pastas de paciente podem ser colocadas em uma pasta juntos para que todos os dados podem ser importados para o IBEX usando apenas um passo. Se importando pacientes da Pinnacle, é melhor ter a estrutura definida com o plano do paciente. Como os pacientes podem ter vários conjuntos de imagens e planos dentro Pinnacle, é melhor saber qual imagem definido e plano estão corretos antes de importar. Se o tempo de computação é uma preocupação, reduzindo o número de fatias de imagem para um paciente pode reduzir drasticamente o tempo. Por exemplo, se apenas o fígado tem um interesse em um estudo, mas os pacientes têm varreduras de CT de corpo inteiro, reduzindo as fatias DICOM apenas na medida da área de interesse podem encurtar o tempo de computação (por exemplo, reduzindo o DICOM de 300 fatias para 50 fatias pode levar 1/6t h o tempo). Existem diferentes ferramentas disponíveis para realizar esta redução da fatia, do manual para semiautomática.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Instale o IBEX

Nota: Para instalar uma versão de código-fonte vá para o passo 1.1. Como alternativa, para instalar uma versão stand-alone vá para a etapa 1.2.

  1. Versão de código-fonte
    1. Ir para a versão de código-fonte do IBEX site3. Baixe os arquivos "IBEX_Source.zip" e "How_to_use.pdf". Olha no arquivo "How_to_use.pdf" para encontrar os pré-requisitos para usar a versão mais recente do IBEX.
      Nota: IBEX só funciona em versões de 32 bits e 64 bits Matlab 2011a e 2014b, respectivamente.
    2. Uma vez que o download for concluído, descompacte o "IBEX_Source.zip" e adicione a pasta \IBEX_Source para o caminho local.
      Nota: Instruções sobre como adicionar um caminho podem ser encontradas na página de referências do software para "Adicionar caminho"26.
    3. Digite "IBEXMain" na janela de comando para iniciar o IBEX.
  2. Versão stand-alone
    1. Ir para a versão stand-alone de IBEX site4. Se instalar o IBEX pela primeira vez, vá para a pasta "Dependências" e baixar/instalar o "MCRInstaller.exe", vc2005redist_x86_new.exe, "e"vc2012redist_x86.exe"arquivos. Na página principal, baixe o "IBEX.exe," "IBEX.ctf", "IBEX.ini" e "How_to_use.pdf" arquivos na mesma pasta. Olha no arquivo "How_to_use.pdf" para os pré-requisitos usar a versão mais recente do IBEX.
    2. Duplo clique em "IBEX.exe" para iniciar o IBEX.

2. definir o local

Nota: As imagens são importadas para este conjunto local e os dados para este estudo são armazenados aqui também. Localização de usos mais anteriormente aplicados IBEX como local padrão quando re-lançado.

  1. Clique no ícone "Local" (Figura 1).
  2. Selecione o usuário ou dê um duplo clique em "Novo usuário" para criar uma nova pasta de usuário. Se criar uma nova pasta de usuário, digite o nome na nova janela, clique no botão de "Okey".
  3. Selecione o site dentro do usuário selecionado ou clique duas vezes para criar uma nova pasta de site "novo Site". Se criar uma nova pasta de usuário, digite o nome na nova janela, clique no botão de "Okey".
  4. Clique no botão "Okey" na parte inferior.

3. importar imagens

  1. Clique no ícone de "Importação" (Figura 1).
  2. Selecione DICOM ou Pinnacle9 (versão do arquivo Pinnacle 9) formato clicando sobre o nome do formato. Para importar DICOM imagens vão para a etapa 3.3.1. Para importar Pinnacle9 arquivos vão para a etapa 3.3.2.
  3. Clique no botão "Next".
    1. Importar imagens DICOM
      Nota: Para importar os pacientes individualmente vão para a etapa 3.3.1.1. Para importar vários pacientes, ao mesmo tempo, vá para a etapa 3.3.1.2.
      1. Importe cada paciente individualmente selecionando a pasta de paciente através do diretório.
        1. Clique no botão "...", ao lado do diretório listado para selecionar a pasta de paciente que contém as imagens DICOM e estrutura de radiação definido arquivo DICOM (opcional).
          Nota: Enquanto só é opcional importar uma estrutura definida com os ficheiros dos pacientes, é altamente recomendável a fazê-lo. IBEX tem uma plataforma de contorno dentro dele, mas isso está um pouco impraticável para grandes conjuntos de dados. IBEX pode acomodar conjuntos de estrutura de plataformas de software comercial que são familiares de contorno ferramentas para oncologistas de radiação, o que faz com que o fluxo de trabalho muito mais fácil. Isto é tipicamente como IBEX é usado em estudos.
        2. Clique no botão "Importar" no canto inferior esquerdo uma vez IBEX terminou procurando os arquivos DICOM, o paciente e caixas de detalhes serão preenchidas.
        3. Repita as etapas 3.3.1.1.1 - 2 para cada paciente.
        4. Clique no botão "Exit", depois de todos os pacientes são importados.
      2. Importe todos os pacientes de uma vez, marcando a caixa 'Pasta de lote' no canto superior direito.
        Nota: Todos os pacientes devem ter uma pasta separada, contendo seus respectivos arquivos DICOM.
        1. Clique no botão "...", ao lado do diretório listado para selecionar a pasta que contém todas as pastas de paciente com suas correspondentes imagens DICOM e estrutura de radiação definido arquivo DICOM (opcional).
        2. Clique no botão "Importar". Os pacientes serão importados sequencialmente. Clique no botão "Exit", depois de todos os pacientes são importados.
    2. Arquivos de Pinnacle
      1. Configure o Host Pinnacle e banco de dados dentro do arquivo "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Clique no botão "Config" antes de selecionar Pinnacle na caixa do módulo de importação.
      2. Selecione o Host Pinnacle e banco de dados apropriados.
      3. Insira o paciente MRN, apelido ou primeiro nome, em seguida, clique em outro lugar na janela.
      4. Clique no botão "Consulta".
      5. Selecione o paciente na nova janela, em seguida, clique no botão "Transferência".
      6. Clique na caixa dos conjuntos do paciente na janela nova imagem desejada e clique no botão "Okey".
      7. Clique no botão "Okey" na nova janela que é rotulado "Dados importados com êxito."
      8. Clique no botão "Exit", depois de todos os pacientes são importados.

4. visualização de imagens e regiões de interesse (ROIs)

  1. Clique no ícone de "Dados" (Figura 1). Clique sobre o arquivo desejado e paciente para abrir a seção "Selecione um paciente" da GUI (metade superior).
  2. Clique sobre o conjunto de imagens de arquivo de paciente desejado para abrir a seção "Selecione o grupo de imagem" do GUI (metade inferior). Clique no botão "Abrir".
  3. Use as setas abaixo as imagens para percorrer as imagens, são mostrados no axial, coronais, e pontos de vista sagitais (da esquerda para a direita).
  4. Amplie a imagem clicando no botão "Zoom" (Figura 2). Desenhe uma caixa sobre o plano de imagem para ampliar. Botão direito do mouse para diminuir o zoom.
  5. Ligue os localizadores, selecionando o botão de "Cruzamento" (Figura 2).
    Nota: As linhas que aparecem mostram onde essa fatia situa-se em cada avião. Estas linhas se mover quando usando as setas de rolagem.
  6. Clique no botão "Régua" (Figura 2) para medir distâncias. Clique e segure o botão esquerdo do mouse para medir entre dois pontos de interesse. Solte o mouse para remover o valor medido da área exibida.
  7. Clique no botão "CT Num" (Figura 2) para medir o valor de um voxel. Clique e segure o botão esquerdo do mouse sobre o voxel de interesse e o valor irão aparecer no lado esquerdo do GUI abaixo a escala de cores. Solte o mouse para remover o valor medido da área exibida.
  8. Clique no botão "W/L" (Figura 2) de nível/janela as imagens. Outra janela irá aparecer. Arraste os lados esquerdo e direito para a área desejada ou insira manualmente a janela/nível nas caixas na parte inferior da janela nova janela e nível. Selecione a janela/níveis diferentes, usando o primeiro menu drop-down à esquerda ( Figura 2): existem 8 para CT e 1 para Pet.
  9. Selecione uma cor diferentes escalas, usando o segundo menu à esquerda (Figura 2) suspenso: existem 9 opções de escolha.
  10. Visualize ROIs clicando na caixa ao lado o ROI para torná-lo visível nas imagens, ou clique no botão "Em todos os ROIs" para ativar todas as paciente ROIs.

5. editar o ROI

  1. Edite ROIs clicando no botão "Editar ROIs" no canto superior esquerdo ou na parte inferior central. Selecione o contorno para editar, clicando na caixa ao lado de seu nome.
  2. Use o botão "Nudge contornos" (Figura 3) para empurrar contornos dentro ou para fora como já desenhado. Ajuste o tamanho do círculo usado na caixa rotulada "D" ao lado do botão de contornos Nudge.
  3. Remova uma fatia inteira de contorno usando o botão de "Contornos de corte" (Figura 3). Clique e segure o botão esquerdo do mouse e desenhe uma caixa ao redor o ROI deve ser removido.
  4. Desenhar os contornos
    Nota: Vá para a etapa 5.4.1 desenhar contornos por pontos de conexão. Vá para a etapa 5.4.2 desenhar contornos à mão livre.
    1. Pontos de conexão: Use o botão "Desenhar contornos (1)" (Figura 3) para desenhar um contorno em cada fatia clicando em pontos ao redor do contorno onde os pontos são conectados por linhas retas. Complete o ROI para aquela fatia clicando sobre o primeiro ponto desenhado.
    2. Mão livre: Use o botão "Desenhar contornos (2)" (Figura 3) para desenhar um contorno à mão livre. Segure o botão esquerdo do mouse para desenhar o contorno na fatia. Termine o contorno sobre essa fatia vai voltar para o início do ROI desenhada e depois soltar o botão esquerdo do mouse.
  5. Clique sobre o botão "Interpolar contornos" (Figura 3) para interpolar ROIs entre fatias.
  6. Clique no botão "ROI de copiar" para copiar o ROI.
  7. Mescle ROIs selecionando múltiplos ROIs e em seguida, clicando no botão "Mesclar ROI".
  8. Clique no botão "Excluir ROI" para excluir o ROI atualmente selecionado.
  9. Clique em "Criar ROI" para criar um novo ROI que fará com que uma janela pop-up. Digite o nome do ROI e clique no botão "Okey". Clique no botão "Salvar". Clique no botão "Exit" para retornar ao visor do paciente.

6. os contornos no conjunto de dados

  1. Ver os contornos no conjunto de dados
    1. Clique no botão "mostrar o conjunto de dados" para ver os contornos no conjunto de dados. Clique sobre o nome do conjunto de dados para exibir. Clique no botão "Abrir". Selecione paciente contornos usando a caixa ao lado de seu nome. Clique no botão "Delete", "Movimento" ou "Cópia", dependendo da função desejada para o contorno. Feche a janela do conjunto de dados uma vez terminada a visualização do conjunto de dados.
  2. Adicionar contornos para o conjunto de dados
    1. Selecione contornos para adicionar a um conjunto de dados clicando a caixa de seleção ao lado de seu nome, em seguida, clique no botão "adicionar ao conjunto de dados". Clique sobre o nome do conjunto de dados para adicionar os contornos ou clique no botão "New" para um novo conjunto de dados. Se o novo for selecionado, digite o nome do conjunto de dados na nova janela. Clique no botão "Okey".
  3. Clique no botão "Importar ROIs" para importar um arquivo de 9 .roi Pinnacle versão se contornos não foram carregados durante a seção 3.
    1. Clique no botão "..." para selecionar o arquivo. Clique no botão "Importar".
  4. Clique no botão "ROIs exportar" para exportar ROIs.
    1. Clique no botão "..." para selecionar o diretório em que serão colocados ROIs exportados. Clique sobre o nome do formato que é preferido para o exportado ROIs. Insira as informações de anonimização se é preferencial. Clique no botão Exportar.
      Nota: A predefinição é para nenhum anonimização ser executada.
  5. Clique no botão "Exit" para retornar à lista de pacientes e exames.

7. criar o conjunto de recursos

  1. Clique no ícone do "Recurso".
  2. Adicione o pré-processamento se desejado.
    1. Clique no botão "Add" em "Passo 1: pré-processar". Selecione a opção de pré-processamento de menu drop-down na janela nova.
    2. Clique sobre o "i" sob "Parág." para selecionar os parâmetros de pré-processamento. Clique sobre o número na coluna de valor na nova janela do parâmetro para mudá-lo. Digite o novo valor do parâmetro e clique no botão "Okey".
    3. Clique no botão "interrogação" no canto superior direito para uma descrição do método de pré-processamento e o pré-processamento de parâmetros específicos.
    4. Clique no botão "Adicionar". Selecione a etapa de pré-processamento e clique no botão 'Excluir' para excluir etapas de pré-processamento indesejadas.
  3. Adicione as características desejadas.
    1. Selecione a categoria de recurso no menu suspenso em "etapa 2: categoria de recursos:". Repita as etapas para várias categorias.
      Nota: Apenas uma categoria de recursos pode ser adicionada a um momento. Diferentes combinações de pré-processamento e recurso categorias podem ser adicionadas para o mesmo recurso definido se desejado.
      1. Selecione o "GrayLevelCooccurenceMatrix25" e as "NeighborIntensityDifference25" categorias de recurso para calcular a matriz de co-ocorrência nível cinza e bairro matriz de diferença de intensidade, respectivamente, em 2.5 D, que é feito calculando a matriz em cada fatia individualmente e então somar todas as matrizes juntos.
      2. Selecione o "GrayLevelCooccurenceMatrix3" e as "NeighborIntensityDifference3" categorias de recurso para calcular a matriz de co-ocorrência nível cinza e bairro matriz de diferença de intensidade, respectivamente, em 3D.
    2. Clique sobre o "i" sob "Parág." para os parâmetros selecionados para o pré-processamento. Clique no botão no canto superior direito para obter uma descrição desse método de pré-processamento e os parâmetros de "ponto de interrogação".
      1. Digite o novo valor do parâmetro e clique no botão "Okey".
    3. Clique no botão "Test" para exibir uma categoria de recurso ou recurso específico. Clique no botão ao lado do recurso ou a categoria desejada.
      1. Selecione o conjunto de dados para ver o teste em e clique no botão "Abrir". Marque a caixa junto aos pacientes do conjunto de dados selecionado para ver o teste em e clique no botão "Test".
    4. Desmarque a opção recursos indesejados para a categoria selecionada; todos os recursos são selecionados depois de selecionar a categoria. Clique na palavra "características:" em "Passo 2: recursos" para desmarcar todas as funcionalidades.
    5. Clique no botão "Adicionar ao conjunto de recursos" para adicionar todos os recursos selecionados com pré-processamento selecionado.
      1. Selecione o recurso conjunto para adicionar recursos para e clique no botão "Abrir" ou clique no botão "Novo" para adicionar recursos a um novo conjunto de recursos. Se criar um novo conjunto de recursos, digite o nome do recurso definido na nova janela e clique no botão "Okey".
  4. Clique no botão "Mostrar conjunto de recursos" para ver os recursos com técnicas de pré-processamento correspondentes para exibir recursos em um conjunto de recursos.
    1. Selecione o recurso definido para exibir e clique no botão "Abrir" ou clique no botão "Novo" para criar um novo conjunto de recursos. Se criar um novo conjunto de recursos, digite o nome do recurso definido na nova janela e clique no botão "Okey".
  5. Clique no botão "mostrar o conjunto de dados" para exibir conjuntos de dados atuais.
    1. Selecione o conjunto de dados para exibir e clique no botão "Abrir" ou clique no botão "New" para criar um novo conjunto de dados. Se criar um novo conjunto de dados, digite o nome do conjunto de dados na nova janela e clique no botão "Okey".
  6. Clique no botão "Exit".

8. características de saída

  1. Clique no ícone de "Resultado". Clique no conjunto de dados para executar os recursos sob "etapa 1: conjunto de dados." Clique no recurso definido para ser executado sobre os dados selecionados em "etapa 2: conjunto de recursos."
  2. Clique no botão "Exibir dados" para exibir o conjunto de dados selecionado. Clique no botão "Recurso de modo de exibição" para exibir o conjunto de recursos selecionados.
  3. Clique no botão "Calcular & salvar resultado". Digite o nome de arquivo para os resultados e clique no botão "Salvar".

9. estatística edifício modelo

  1. Abra o arquivo de resultados salvos.
    Nota: Este é tipicamente sob o usuário C:\IBEX\DataIbex\[Selected no passo 2.2] \ [Site selecionado na etapa 2.3] \1FeatureResultSet_Result, a menos que caso contrário atribuído na etapa 8.4.
  2. Utilizar os dados das guias diferentes nos testes estatísticos desejados ou modelo de construção de software.
    Nota: O protocolo pode ser pausado a qualquer momento. No entanto, é mais conveniente, depois de terminar todos os passos necessários para um ícone específico, por exemplo, terminar todos da secção 7, que está sob o ícone de recurso.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

A saída do IBEX é uma planilha (ver Figura 4) que contém 3 guias. Na guia "Resultados" contém os valores de recurso para cada ROI no conjunto de dados(Figura 4). Na guia "Dados informação." contém informações sobre as imagens tiradas de cada ROI no conjunto de dados (Figura 4B). Na guia "Recurso informação." contém uma lista abrangente de recursos usados com os parâmetros selecionados para a categoria de recurso e o pré-processamento usado para essa categoria de recursos (Figura 4C).

O IBEX calculado características de imagens médicas têm sido utilizadas em vários contextos. Hunter et al usado uma versão inicial do IBEX para identificar características de imagem robusta19. Fave et al . investigaram a incerteza em radiomics características de 4 D torácica tomografias coletadas em diferentes fases respiratórias, tensões de pico tubo e tubo correntes9. Este estudo encontrou variação intra paciente para ser menor do que a variação entre pacientes para a maioria apresenta quando tubo de tensão e corrente eram variados, tornando esses fatores insignificante. A reprodutibilidade do recurso de imagens de CT (CBCT) feixe cone então foi avaliada usando IBEX10. Neste estudo, características calculadas a partir de imagens CBCT pulmão foram encontradas para ser reprodutível quando o mesmo protocolo e fabricante foram usados somente quando o movimento de respiração era pequeno. Imagem de pré-processamento impacto nos valores de recurso posteriormente foi avaliada. O estudo mostrou que 39 dos 55 recursos estudados tiveram pelo menos uma técnica de pré-processamento que resultou na estratificação significativos para sobrevivência global usando Cox, modelos de riscos proporcionais indicando o pré-processamento diferentes podem ser necessários para cada recurso11. A incerteza em características de imagens de CT perfusão também foi avaliada utilizando o IBEX. Yang et al . mostraram que a radiomics características não eram dependentes de tempo entre a administração de contraste e tomografia computadorizada, e que 86,9% dos recursos foram reprodutíveis, com um coeficiente de correlação de concordância sessão inter estabilidade maior ou igual a 0.916. Por último, um phantom foi concebido para testar a variabilidade inter scanner em um subconjunto de recursos de15. Força de textura foi encontrada para ser o recurso mais consistente, enquanto ocupação foi encontrada para variar a maioria.

As características radiomics do IBEX são também frequentemente utilizadas para o modelo de construção, normalmente olhando para sobrevivência global, locais e regionais controle e liberdade de metástases distantes. Fried et al identificou 8 radiomics características de não-pequenas células que CT dos pacientes de câncer (NSCLC) pulmão verifica que quando implementado em uma riscos proporcionais de Cox modela para sobrevivência global, controle loco-regional e metástases distantes significativamente estratificação de Kaplan-Meier melhorada quando comparado aos modelos que só usou dados clínicos20. Da mesma forma, Fave et al encontraram características radiomics que melhorou o paciente estratificação em curvas de sobrevivência12. Seu estudo usado imagens de CT semanais e calculadas as alterações nas funções de radiomics de pulmão. Calculado características no modelo tinham quatro diferentes métodos de pré-processamento: limiarização (1), (2) o limiar e bit profundidade, (3) limiarização e suavização, limiarização (4), profundidade de bits e suavização; e o melhor método de pre-processamento foi escolhido para cada recurso, individualmente, antes de ser testado nos modelos de riscos proporcionais de Cox. Hunter et al mostrou também que radiomics características podem prever o tumor encolher em pacientes NSCLC enquanto explora diferentes limiares e bit profundidade rescale valores18.

Características de radiomics a imagem do animal de estimação e seu valor prognóstico também foram investigados usando IBEX. Fried et al dimensionado valores de absorção padronizado (SUVs) SUVs de arredondamento para o número inteiro mais próximo e em seguida subtraindo o SUV mínimo para o ROI do resto13. Energia e solidez foram encontrados estatisticamente melhorar um modelo geral de sobrevivência quando incluído em comparação com o modelo quando apenas a fatores clínicos convencionais foram incluídos. Esses dois recursos de radiomics também foram encontrados para ser capaz de identificar subgrupos de pacientes que receberam um benefício ou detrimento de escalonamento de dose14. Da mesma forma, van Rossum et al encontraram um aumento no índice de c-para um modelo de predição clínica de resposta patológica completa quando incluindo recursos radiomics em modelos clínicos17.

Figure 1
Figura 1 : Página principal IBEX. Página principal de IBEX com ícones para cada seção. Cada uma dessas seções são descritas nas seções 2-6. Clique aqui para ver uma versão maior desta figura.

Figure 2
Figura 2 : Janela de seleção de dados. Janela de GUI é usada para manipulação de seleção de dados. A janela vem com botões para alterar a aparência das imagens conforme descrito nas etapas 4.4-4.10. Clique aqui para ver uma versão maior desta figura.

Figure 3
Figura 3 : Janela de editor de ROI. Janela de GUI é usada para manipulação de ROI. A janela vem com os mesmos botões para alterar a aparência como a seleção de dados, bem como botões para alterar o ROIs. A manipulação de ROI é descrita na seção 5. Clique aqui para ver uma versão maior desta figura.

Figure 4
Figura 4 : IBEX resulta planilha. IBEX produz três páginas de informações em uma planilha. A primeira página (A) contém os valores de recurso para cada ROI, a segunda página (B) contém informações sobre as imagens que o ROIs foram sorteado e a terceira página (C) contém informações sobre as características e pré-processamento usado. As saídas para esta figura são de um estudo fantasma, onde os recursos foram calculados usando Butterworth suavização e profundidade de 8-bit rescaling, mostrado no painel C, coluna E, linhas 5 e 6. Clique aqui para ver uma versão maior desta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

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

As principais etapas envolvidas no IBEX são a importação de imagens, contorno de ROIs, seleção de ROIs para conjunto de dados e criação de conjunto de recursos. Contornos precisos são necessários como recursos só são calculados dentro dessas áreas e, assim, contornos imprecisos fornecerá valores imprecisos característica. Assim, qualquer relação entre estas características calculado sobre contornos imprecisos e os resultados serão espúrios. Seleção de parâmetro para as características também é um passo vital. Por exemplo, alterando o tamanho de etapa para a matriz de co-ocorrência nível cinza pode afetar os recursos calculados a partir da matriz. Isto pode depender o tipo de imagem (ou seja, MRI, CT ou animal de estimação), site para investigação (por exemplo, NSCLC vs. cabeça e pescoço) e o propósito do estudo (por exemplo, criação de modelos de sobrevivência vs vinculando recursos de imagem com genómica). Parâmetros de recurso devem ser selecionados com base em um físico ou biológico de raciocínio, por exemplo, há uma razão para que um tamanho de passo de 4 seria biologicamente relevante em uma matriz de co-ocorrência? Parâmetros de recurso também podem ser selecionados com base em estudos anteriores que achei certos parâmetros de recurso Correlacione com os resultados ou expressões biológicas. IBEX possui 27 módulos de pré-processamento e 132 recursos disponíveis para a seleção, juntamente com permitindo a alteração de parâmetros para cada módulo de pré-processamento e categoria de recurso, o que o torna uma ferramenta adaptável para muitos tipos de estudos radiomics.

Existem várias limitações gerais na pesquisa de radiomics que se aplicam ao usar qualquer software. Por exemplo, recursos de imagem foram mostrados para depender de parâmetros de aquisição de imagem como voxel tamanho e scanner de15,27. Uma limitação de todo o software é que existem muitos parâmetros que podem ser alterados para cada recurso e valores padrão podem não ser apropriados para o estudo específico. Os usuários devem ser vigilantes, e pesquisas anteriormente usadas configurações de parâmetro para estudos similares e avaliar a aplicabilidade das configurações. A qualidade dos contornos e a variabilidade inerente intere intraobservador também pode afetar o cálculo de recursos. Owens et al mostrou que recursos calculados são mais robustos ao usar ferramentas de autocontorno28. Os recursos calculados para estudos radiomics são recursos humanos-engenharia e não podem transmitir completamente as características observadas pelo sistema de percepção visual. Além disso, esses recursos podem ser altamente correlacionados com o outro, criando dificuldades ao analisar os resultados. Uma limitação específica da IBEX é que a versão atual não possui a disponibilidade para calcular as características de wavelet; no entanto, o nosso grupo tenciona incluir esses recursos em versões futuras.

Existem diversas plataformas de software alternativos disponíveis para o cálculo das características de imagem25. Algumas vantagens do IBEX incluem o fato de que está livremente disponível, é bem documentado2e permite que os usuários controle detalhada dos cálculos de recurso de imagem. IBEX também exibe as imagens processadas do paciente (por exemplo, depois de suavização), então o usuário pode visualizar o impacto de qualquer processamento de imagem - isso é útil, por exemplo, quando confirmando que o pré-processamento tem não mais suavizado as imagens. Da mesma forma, o IBEX pode exportar a matriz de co-ocorrência real e histogramas de intensidade; Isso pode ser útil quando aprofundando as funcionalidades de imagem.

IBEX foi usado exclusivamente para estudos de câncer, principalmente focados em radioterapia. No entanto, estudos futuros podem ramificar-se para outras terapias de câncer, ou até mesmo fora do campo de câncer. Por exemplo, et al . Kassner usado radiomics para prever a transformação hemorrágica em pacientes com AVC isquêmico agudo29. IBEX também poderia ser utilizado em estudos de radiomics deste tipo.

IBEX também tem manutenção contínua. Por exemplo, um estudo por Fave et al descobriu que 5 características (ocupação, grosseria, cinza nível não-uniformidade, comprimento de execução não-uniformidade e energia) foram fortemente dependente de volume e corrigidas suas fórmulas11. Essas fórmulas atualizadas foram incluídas na versão atualizada do IBEX. Além disso, há um grupo de google30 que tenha usuários postar perguntas que outros usuários então responder. Esta melhoria contínua do IBEX além os recursos atuais do IBEX e sua disponibilidade torná-lo uma fonte privilegiada para estudos radiomics.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores têm sem interesses financeiros concorrentes para divulgar.

Acknowledgments

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

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

Engenharia questão 131 Radiomics análise de características quantitativas imagem câncer de pulmão não-pequenas células análise quantitativa análise de imagens de textura
Orientações e experiência usando a imagem latente biomarcador Explorer (IBEX) para 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