Waiting
Login processing...

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

Engineering

Richtsnoeren en ervaring met behulp van Imaging Biomarker Explorer (IBEX) voor 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

We beschrijven de IBEX, een open-source tool ontworpen voor medische beeldvorming studie van de radiomics, en hoe deze tool gebruiken. Bovendien, zijn sommige gepubliceerde werken die IBEX gebruikt voor onzekerheidsanalyse en modelbouw tentoongesteld.

Abstract

Imaging Biomarker Explorer (IBEX) is een open-source tool voor medische beeldvorming radiomics werk. Het doel van deze paper is om te beschrijven hoe de IBEX grafische gebruikersinterface (GUI) en om aan te tonen hoe IBEX berekend functies zijn gebruikt in klinische studies. IBEX zorgt voor de invoer van DICOM-afbeeldingen met DICOM-straling therapie structuur of Pinnacle bestanden. Nadat de afbeeldingen zijn geïmporteerd, heeft IBEX hulpmiddelen binnen de GUI selectie gegevens manipuleren van het bekijken van de beelden, de maatregel voxel waarden en afstanden, en maken en bewerken van contouren. Steenbok wordt geleverd met 27 preprocessing en 132 functie keuzes eigenschapreeksen ontwerpen. Elke categorie voorbewerken en functie heeft parameters die kunnen worden gewijzigd. De uitvoer van de Steenbok is een werkblad bevat: 1) elke functie van de functieset berekend voor elke contour in een gegevensset, 2) beeldinformatie over elke contour in een gegevensset, en 3) een samenvatting van het voorbewerken en functies gebruikt in combinatie met hun geselecteerde parameters. Functies die zijn berekend op basis van Steenbok zijn gebruikt in studies om te testen van de variabiliteit van functies in overleving modellen ter verbetering van de huidige klinische modellen en verschillende imaging voorwaarden.

Introduction

In geneeskunde, omvat de diagnose van de ziekte van de patiënt meestal een groot aantal diagnostische examens zoals x-stralen, echografie, computertomografie (CT), magnetische resonantie imaging (MRI), en positron emissie tomografie (PET) scans om te helpen bij het bepalen van de cursus van de patiëntenzorg. Hoewel artsen deze beelden gebruiken om te beoordelen kwalitatief patiënt de diagnose, kunnen er extra kwantitatieve functies die kunnen worden geëxtraheerd om te begeleiden van de patiëntenzorg. De grondgedachte is dat deze functies proteomic en genomische patronen uitgedrukt op de macroscopische schaal1kunnen betekenen. Waarbij deze kwantitatieve gegevens gecombineerd met de huidige klinische informatie, bijvoorbeeld, patiënt demografie, kunnen meer geïndividualiseerde patiëntenzorg. Dit is de theorie achter radiomics: analyse van beelden op een voxel-niveau zijn voorzien. De functies vallen meestal in 5 hoofdcategorieën: grijze niveau co voorval matrix, grijze uitvoering Niveaulengte matrix wijk intensiteit verschil matrix, histogram en vorm.

Imaging Biomarker Explorer (IBEX) is een open-source tool voor radiomics werk2. De grafische gebruikersinterface (GUI) is ontwikkeld door MD Anderson Cancer Center met het doel van de extractie en de berekening van de kwantitatieve functies te vergemakkelijken om te helpen bij de besluitvorming in kanker zorg. Een bron code3 en een zelfstandige4 versie zijn online beschikbaar. IBEX berekent de 5 meest voorkomende soorten functies die worden gebruikt in de medische radiomics met de parameters die kunnen worden ingesteld voor elke categorie van de functie. De categorieën zijn: grijze niveau co voorval matrix5, grijze uitvoering Niveaulengte matrix6,7, intensiteit, wijk intensiteit verschil matrix8en vorm. Aangezien IBEX open source is, voorziet het in geharmoniseerde functie extractie resultaten over instellingen gemakkelijk vergelijken verschillende radiomics studies. Alle functies binnen IBEX worden beschreven in het eerste papier door Zhang et al. 2

Het doel van dit manuscript is te adviseren over hoe te gebruiken Steenbok en te tonen haar toepassingen door middel van peer-reviewed gepubliceerde studies van het MD Anderson radiomics groep. Sinds de introductie aan het publiek in 2015, is IBEX gebruikt voor het berekenen van de functies van CT, PET en MRI scan-beelden door de groep van de radiomics MD Anderson, meestal onderzoeken functies ter verbetering van de klinische overleving modellen9,10, 11,12,13,14,15,16,17,18,19,20 en door externe instellingen21,22,23,24. Aanvullende richtsnoeren op softwaretools die kan worden gebruikt voor de stappen in het onderzoek van de radiomics die niet zijn opgenomen in Steenbok kan worden gevonden in Hof et al. 25

Een algemene inleiding tot de workflow van Steenbok zal helpen om gegevens te ordenen goed voordat u begint radiomics projecten gebruik te maken van de Steenbok. Als u DICOM-afbeeldingen importeert, vereist IBEX dat elke patiënt hebben hun eigen map met hun DICOM-afbeeldingen. DICOM-straling structuur set is optioneel in de patiënt map op te nemen, maar in plaats van met behulp van de contouren platform in Steenbok wordt aanbevolen. Om te helpen met het importeren van alle patiënten voor een specifieke studie, kunnen alle mappen van de patiënt worden geplaatst in een map samen zodat alle gegevens kunnen worden geïmporteerd in Steenbok met behulp van slechts één stap. Als patiënten uit Pinnacle wilt importeren, is het beste om de structuur met de patiënt plan. Als patiënten meerdere afbeelding sets en plannen binnen Pinnacle wellicht, is het best om te weten welke afbeelding instellen en plan juist zijn voordat u importeert. Als rekentijd een punt van zorg is kan het verminderen van het aantal afbeeldingssegmenten voor een patiënt drastisch verminderen tijd. Bijvoorbeeld, als alleen de lever van belang in een studie is, maar de patiënten hebben kunnen volledige lichaam CT scans, vermindering van de DICOM-segmenten slechts in de mate van het interessegebied verkorten rekentijd (b.v., vermindering van de DICOM van 300 segmenten tot 50 segmenten kunt nemen 1/6t h de tijd). Er zijn verschillende tools beschikbaar voor het uitvoeren van deze vermindering segment van handmatige naar semi-automatische.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Installeer IBEX

Opmerking: Om te installeren een broncode versie gaat u naar stap 1.1. U kunt ook te installeren een zelfstandige versie ga naar stap 1.2.

  1. Broncode versie
    1. Ga naar de website voor Steenbok broncode versie3. Download de bestanden "IBEX_Source.zip" en "How_to_use.pdf". Zoek in het bestand "How_to_use.pdf" te vinden van de eerste vereisten te gebruiken van de nieuwste versie van de Steenbok.
      Opmerking: Steenbok werkt alleen op 32-bits en 64-bits versies van Matlab 2011a en 2014b, respectievelijk.
    2. Zodra de download is voltooid, pak de "IBEX_Source.zip" en de \IBEX_Source-map toevoegen aan het lokale pad.
      Opmerking: Instructies over het toevoegen van een pad kunnen worden gevonden op de pagina referenties software voor "pad toevoegen"26.
    3. Typ "IBEXMain" in het opdrachtvenster te Steenbok.
  2. Zelfstandige versie
    1. Ga naar de website van Steenbok zelfstandige versie4. Als IBEX voor de eerste keer installeert, gaat u naar de map "Dependencies" en download/Installeer de "MCRInstaller.exe," vc2005redist_x86_new.exe, "en"vc2012redist_x86.exe"bestanden. Downloaden van de belangrijkste pagina, de "IBEX.exe," "IBEX.ctf", "IBEX.ini," en "How_to_use.pdf" bestanden naar dezelfde map. Zoek in het bestand "How_to_use.pdf" voor de voorwaarden aan het gebruik van de nieuwste versie van de Steenbok.
    2. Tweevoudig tikken "IBEX.exe" om te starten van de Steenbok.

2. de locatie instellen

Opmerking: De beelden worden geïmporteerd naar deze locatie instellen en de gegevens voor deze studie worden hier ook opgeslagen. IBEX gebruikt de meest eerder toegepaste locatie als de standaardlocatie wanneer opnieuw gelanceerd.

  1. Klik op het pictogram 'Locatie' (Figuur 1).
  2. Selecteer gebruiker of tweevoudig tikken "Nieuwe gebruiker" om een nieuwe gebruikersmap te maken. Als u een nieuwe gebruikersmap, voer de naam in het nieuwe venster klik vervolgens op de knop "OK".
  3. Selecteer de site binnen de geselecteerde gebruiker of tweevoudig tikken "New Site" om een nieuwe sitemap te maken. Als u een nieuwe gebruikersmap, voer de naam in het nieuwe venster klik vervolgens op de knop "OK".
  4. Klik op de knop "OK" onderaan.

3. afbeeldingen importeren

  1. Klik op het pictogram 'Import' (Figuur 1).
  2. Selecteer DICOM of Pinnacle9 (Pinnacle bestandsversie 9) formaat door te klikken op de naam van de indeling. Importeren van DICOM gaan beelden naar stap 3.3.1. Importeren van Pinnacle9 gaat bestanden u naar stap 3.3.2.
  3. Klik op de knop "Volgende".
    1. DICOM-afbeeldingen importeren
      Opmerking: Voor het importeren van patiënten individueel gaat u naar stap 3.3.1.1. Voor het importeren van gaat meerdere patiënten tegelijk u naar stap 3.3.1.2.
      1. Importeren van elke patiënt individueel door de patiënt map door de map te selecteren.
        1. Klik op de "..."-knop naast de genoemde map selecteren de patiënt map waarin de DICOM-afbeeldingen en straling structuur instellen DICOM-bestand (optioneel).
          Opmerking: Hoewel het alleen optioneel voor het importeren van een structuur met de patiëntendossiers, het is sterk aanbevolen om dit te doen. IBEX heeft een contouren platform binnen het, maar dit is enigszins onpraktisch voor grote gegevenssets. IBEX aankan structuur sets van commerciële softwareplatforms die zijn vertrouwd contouring tools voor oncologists van de straling, waardoor de werkstroom veel gemakkelijker. Dit is typisch hoe IBEX in studies wordt gebruikt.
        2. Klik op de knop "Importeren" op de bodem verlaten zodra IBEX is klaar met het zoeken van de DICOM-bestanden, de patiënt en Details dozen worden gevuld.
        3. Herhaal stap 3.3.1.1.1 - 2 voor elke patiënt.
        4. Klik op de "Exit" knop nadat alle patiënten zijn geïmporteerd.
      2. Alle patiënten tegelijk importeren door het controleren van het vak 'Batchmap' in de rechter bovenhoek.
        Opmerking: Alle patiënten moeten hebben een aparte map met hun respectieve DICOM-bestanden.
        1. Klik op de knop '...' naast de reeds vermelde map selecteren de map die alle patiënten mappen met hun bijbehorende DICOM-afbeeldingen bevat en straling structuur instellen DICOM-bestand (optioneel).
        2. Klik op de knop "Importeren". Patiënten worden opeenvolgend geïmporteerd. Klik op de "Exit" knop nadat alle patiënten zijn geïmporteerd.
    2. Pinnacle bestanden
      1. De Pinnacle Host en Database configureren in het bestand "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Klik op de knop "Config" voordat u Pinnacle selecteert in het vak importeren module.
      2. Selecteer de juiste Pinnacle Host en Database.
      3. Voer de patiënt MRN, achternaam en voornaam en klik elders in het venster.
      4. Klik op de knop "Query".
      5. Selecteer de patiënt in het nieuwe venster en klik op de "Transfer"-knop.
      6. Klik op het vak van de gewenste afbeelding sets van die patiënt in het nieuwe venster en klik op de knop "OK".
      7. Klik op de knop "OK" in het nieuwe venster dat heet "Gegevens geïmporteerd."
      8. Klik op de "Exit" knop nadat alle patiënten zijn geïmporteerd.

4. het bekijken van beelden en regio's van belang (ROIs)

  1. Klik op de "Data"-pictogram (Figuur 1). Klik op het gewenste patiënt bestand te openen in de sectie "Selecteer een patiënt" van de GUI (bovenste helft).
  2. Klik op de set van de afbeelding van de gewenste patiënt bestand te openen in de sectie "Selecteer afbeelding combinatie dergelijke" van de GUI (onderste helft). Klik op de knop "Openen".
  3. Gebruik de pijlen onder de beelden om te bladeren door de beelden, die worden weergegeven in de axiale, coronale, en Sagittaal weergaven (van links naar rechts).
  4. Zoom in op het beeld door te klikken op de toets "Zoom" (Figuur 2). Hiermee tekent u een vak op het vlak van de afbeelding om te zoomen. Klik met de rechtermuisknop om uit te zoomen.
  5. Lokalisators inschakelen door het selecteren van de knop "Doorsnede" (Figuur 2).
    Opmerking: De lijnen die verschijnen geven waar dat schijfje in elk vliegtuig bevindt. Deze lijnen verplaatsen tijdens het schuiven met behulp van de pijlen.
  6. Klik op de knop "Heerser" (Figuur 2) om afstanden te meten. Klik en houd de linker muisknop om te meten tussen de twee punten van belang. Laat de muisknop los om de gemeten waarde verwijderen uit het weergegeven gebied.
  7. Klik op de knop "CT Num" (Figuur 2) voor het meten van de waarde van een voxel. Klik en houd de linker muisknop op de voxel van belang en de waarde die zal verschijnen op de linkerkant van de GUI onder de kleurenschaal. Laat de muisknop los om de gemeten waarde verwijderen uit het weergegeven gebied.
  8. Klik op de knop "W/L" (Figuur 2) Vensterniveau/de beelden. Een ander venster zal verschijnen. Sleep de linkerkant en de rechterkant naar het gewenste gebied of voer handmatig het venster/niveau in de vakken van het venster en niveau aan de onderkant van het nieuwe venster. Selecteer verschillende venster/niveaus via de eerste drop-down menu aan de linkerkant ( Figuur 2): er zijn 8 voor CT en 1 voor PET.
  9. Selecteer verschillende kleurenschalen met behulp van de tweede drop-down menu aan de linkerkant (Figuur 2): er zijn 9 opties om uit te kiezen.
  10. Visualiseer ROIs door te klikken op het vakje naast de ROI om het zichtbaar te maken op de beelden, of klik op de "Op alle ROIs" knop om te schakelen op alle patiënt ROIs.

5. Bewerk ROI

  1. ROIs bewerken door te klikken op de knop "Bewerken ROIs" in de top links of in het midden van de bodem. Selecteer de contour te bewerken door te klikken op het vakje naast de inktnaam.
  2. Gebruik de "Verschuiven contouren" knop (Figuur 3) te duwen contouren in- of uitzoomen zoals reeds getrokken. De grootte van de cirkel gebruikt in het vak met label "D" naast de contouren verschuiven knop aanpassen.
  3. Een hele contour segment verwijderen met behulp van de "Cut contouren" knop (Figuur 3). Klik en houd de linkermuisknop ingedrukt en tekent u een vak rond de ROI te worden verwijderd.
  4. Tekenen van contouren
    Opmerking: Ga naar stap 5.4.1 contouren door verbindingspunten tekenen. Ga naar stap 5.4.2 contouren met de vrije hand te tekenen.
    1. Verbindingspunten: Gebruik de knop "Draw contouren (1)" (Figuur 3) om te tekenen van een contour op elk segment door te klikken op punten rondom de contour waar de punten zijn verbonden door rechte lijnen. Voltooi de ROI voor dat segment door te klikken op het eerste punt getrokken.
    2. Vrije Hand: Gebruik de knop "Tekenen contouren (2)" (Figuur 3) om te tekenen van een contour met de vrije hand. Houd de linkermuisknop ingedrukt tot het opstellen van de contour op het segment. De contour op dat segment tot slot terugkomen naar het begin van de getekende ROI en vervolgens het vrijgeven van de linker mouse button.
  5. Klik op de knop "Interpoleren contouren" (Figuur 3) om te interpoleren van ROIs tussen segmenten.
  6. Klik op de knop "Copy ROI" om te kopiëren van de ROI.
  7. Samenvoegen ROIs door meerdere ROIs selecteren en vervolgens te klikken op de knop "Samenvoegen ROI".
  8. Klik op de knop "Verwijderen ROI" verwijderen van de geselecteerde ROI.
  9. Klik op "Maak ROI" maken een nieuwe ROI waardoor een venster zal verschijnen. Typ de naam van de ROI en klik op de knop "OK". Klik op de knop "Opslaan". Klik op de "Exit" knop terug te keren naar de patiënt viewer.

6. de contouren in de gegevensset

  1. Weergave contouren in de gegevensset
    1. Klik op de knop "Toon Data Set" om contouren in de gegevensset. Klik op de naam van de gegevensset om te bekijken. Klik op de knop "Openen". Selecteer patiënt contouren met behulp van het vak naast hun naam. Klik op de "Delete", "Move" of "Kopie" afhankelijk van de gewenste functie voor dat contour. Sluit gebeëindigde het venster van de gegevensset zodra bekijken van de gegevensset.
  2. Contouren aan de gegevensset toevoegen
    1. Selecteer contouren om toe te voegen aan een gegevensset door te klikken op het selectievakje naast hun naam en klik op de knop "toevoegen aan gegevensset". Klik op de naam van de gegevensset toe te voegen van de contouren of klik op de knop "Nieuw" voor een nieuwe gegevensset. Als New is geselecteerd, voert u de naam van de gegevensset in het nieuwe venster. Klik op de knop "OK".
  3. Klik op de knop "Importeren ROIs" een Pinnacle-versie 9 .roi-bestand importeert als contouren werden niet is geladen bij punt 3.
    1. Klik op de knop '...' om het bestand te selecteren. Klik op de knop "Importeren".
  4. Klik op de knop "Exporteren ROIs" exporteren ROIs.
    1. Klik op de knop '...' te selecteren in welke map geëxporteerd ROIs zal worden geplaatst. Klik op de naam van de indeling die is de voorkeur voor de geëxporteerde ROIs. Anoniem gegevens invoeren als dat aangewezen is. Klik op de knop exporteren.
      Opmerking: De voorinstelling is voor geen anoniem worden uitgevoerd.
  5. Klik op de "Exit" knop om terug te keren naar de lijst met patiënten en scans.

7. Maak de eigenschapreeks

  1. Klik op het pictogram "Feature".
  2. Voeg voorbewerken indien gewenst.
    1. Klik op de knop "Add" onder "Stap 1: voorbehandelen". Selecteer de pre-processing optie in het drop-down menu in het nieuwe venster.
    2. Klik op de 'i' onder 'Para.' te selecteren de pre-processing parameters. Klik op het nummer onder de kolom voor de waarde in het nieuwe venster van de parameter om het te veranderen. Typ de nieuwe waarde van de parameter en klikt u op de knop "OK".
    3. Klik op de knop "vraagteken" in de rechter bovenhoek voor een beschrijving van de pre-processing methode en het voorbewerken van specifieke parameters.
    4. Klik op de knop 'Toevoegen'. Selecteer de pre-processing stap en klikt u op de knop "Verwijderen" om te verwijderen van ongewenste pre-processing stappen.
  3. De gewenste functies toevoegen.
    1. Selecteer de categorie van de functie in het drop-down menu onder "stap 2: functies categorie:". Herhaal stap voor meerdere categorieën.
      Opmerking: Slechts één categorie van functies kan tegelijkertijd worden toegevoegd. Verschillende combinaties van categorieën voorbewerken en functie kunnen worden toegevoegd aan de dezelfde functieset indien gewenst.
      1. Selecteer de "GrayLevelCooccurenceMatrix25" en de "NeighborIntensityDifference25" functie voor het berekenen van de grijze niveau co voorval matrix en de buurt intensiteit verschil matrix, respectievelijk in 2.5 D, die wordt gedaan door het berekenen van de matrix op elk individueel slice en vervolgens alle matrices samen te tellen.
      2. Selecteer de "GrayLevelCooccurenceMatrix3" en de "NeighborIntensityDifference3" functie voor het berekenen van de grijze niveau co voorval matrix en de buurt intensiteit verschil matrix, respectievelijk, in 3D.
    2. Klik op de "i" onder "Para." voor de parameters voor dat voorbewerken geselecteerd. Klik op de knop "vraagteken" in de rechter bovenhoek voor een beschrijving van de pre-processing methode en de parameters.
      1. Typ de nieuwe waarde van de parameter en klikt u op de knop "OK".
    3. Klik op de "Test"-knop om een functie categorie of specifieke functie. Klik op de knop naast de functie of de gewenste categorie.
      1. Selecteer de gegevensset om de test op en klik op de knop "Openen". Vink het vakje naast de patiënten uit de geselecteerde gegevensgroep om de test op en klik op de knop "Test".
    4. Verwijder ongewenste functies voor de categorie geselecteerd; alle functies worden geselecteerd na het selecteren van de categorie. Klik op het woord "functies:" onder "Stap 2: Features" aan uncheck alle functies.
    5. Klik op de knop 'Toevoegen aan functie Set' alle geselecteerde functies met geselecteerde voorbewerken toe te voegen.
      1. Selecteer de feature set functies en klik op de knop "Openen" of klik op de "Nieuwe" knop functies toevoegen aan een nieuwe feature set toe te voegen. Als het maken van een nieuwe feature set, voer de naam van de functie instellen in het nieuwe venster en klik op de knop "OK".
  4. Klik op de knop "Toon Feature Set" om functies met bijbehorende pre-processing technieken kenmerken bekijken in een feature set.
    1. Selecteer de functie ingesteld op weergeven en klik op de knop "Openen" of klik op de "Nieuwe" knop om een nieuwe feature set. Als het maken van een nieuwe feature set, voer de naam van de functie instellen in het nieuwe venster en klik op de knop "OK".
  5. Klik op de knop "Toon Data Set" om huidige gegevenssets weer te geven.
    1. Selecteer de gegevensset weergeven en klik op de knop "Openen" of klik op de "New"-knop om een nieuwe gegevensset maken. Als een nieuwe gegevensgroep wilt maken, voert u de naam van de gegevensset in het nieuwe venster en klik op de knop "OK".
  6. Klik op de "Exit" knop.

8. output functies

  1. Klik op het pictogram "Resultaat". Klik op de gegevensset te voeren van de functies onder "stap 1: gegevensverzameling." Klik op de functie die moet worden uitgevoerd op de geselecteerde gegevens onder "stap 2: de eigenschapreeks."
  2. Klik op de knop "Bekijk gegevens" te bekijken van de geselecteerde gegevensgroep. Klik op de knop "View functie" weergeven van de geselecteerde functieset.
  3. Klik op de knop "Berekenen & Save resultaat". Voer de naam van het bestand voor de resultaten en klik op de knop "Opslaan".

9. statistische Model gebouw

  1. Open het bestand met opgeslagen resultaten.
    Opmerking: dit is normaal gesproken onder C:\IBEX\DataIbex\[Selected gebruiker in stap 2.2] \ [Site geselecteerd in stap 2.3] \1FeatureResultSet_Result, tenzij anders worden toegewezen in stap 8.4.
  2. De gegevens uit de verschillende tabbladen gebruiken in de gewenste statistische tests of model gebouw in software.
    Opmerking: Het protocol kan op elk moment worden gepauzeerd. Echter is het geschiktst na het afronden van alle stappen die nodig zijn voor een bepaald pictogram, bijvoorbeeldafwerking aller sectie 7, die onder het pictogram van de functie.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De uitvoer van de Steenbok is een werkblad (Zie Figuur 4) waarin 3 tabbladen. De "Resultaten" tabblad bevat de functie waarden voor elke ROI in de gegevensset (Figuur 4A). Het tabblad "Gegevens Info." bevat informatie over de beelden uit elke ROI in de gegevensset (Figuur 4B). Het tabblad "Functie Info." bevat een uitgebreide lijst van functies die worden gebruikt met de parameters voor de functie categorie geselecteerd en het voorbewerken gebruikt voor die categorie van functies (Figuur 4C).

De Steenbok berekend eigenschappen van medische beelden hebben gebruikt in verschillende contexten. Hunter et al. gebruikt een vroege versie van Steenbok ter identificatie van de robuuste afbeelding functies19. Fave et al. onderzocht de onzekerheid in de radiomics functies van thoracale 4 D CT-scans verzameld op de verschillende fasen van de luchtwegen, piek buis spanningen en buis stromingen9. Deze studie gevonden intra patiënt variatie als minder dan tussen patiënt variatie voor de meeste functies wanneer tube spanning en stroom zijn gevarieerd, maken van deze factoren te verwaarlozen. De reproduceerbaarheid van de functie van cone beam CT (CBCT) beelden werd vervolgens geëvalueerd met behulp van Steenbok10. In deze studie, functies berekend op basis van longkanker CBCT beelden bleken te zijn reproduceerbaar toen het hetzelfde protocol en de fabrikant werden gebruikt alleen toen ademhalen beweging klein was. Afbeelding voorbewerken van invloed op de functie waarden werd vervolgens geëvalueerd. De studie toonde aan dat 39 55 functies studeerde had ten minste één pre-processing techniek die resulteerde in aanzienlijke stratificatie voor algemene overleving die met behulp van Cox proportionele gevaren modellen die aangeeft dat verschillende voorbewerken nodig kunnen zijn voor elk functie11. De onzekerheid in de functies van perfusie CT afbeeldingen is ook geëvalueerd met behulp van de Steenbok. Yang et al. toonde aan dat radiomics functies niet afhankelijk van de tijd tussen contrast administratie en CT-scan waren, en dat 86,9% van functies kunnen worden gereproduceerd met een coëfficiënt van de correlaties van Inter sessie stabiliteit-concordantie, groter dan of gelijk zijn 0.916. Tot slot werd een phantom ontworpen voor het testen van Inter scanner variabiliteit op een subset van functies15. Textuur sterkte bleek te zijn van de meest consistente functie terwijl drukte bleek te variëren van de meest.

De functies van de radiomics van Steenbok worden ook vaak gebruikt voor model bouwen, meestal kijken naar totale overleving, lokale-regionale controle en vrijheid van verre metastasen. Gebakken et al. geïdentificeerd 8 radiomics functies van niet-kleincellige die longkanker (NKCLK) kankerpatiënten CT scant dat wanneer uitgevoerd in een proportionele gevaren van Cox modellen voor totale overleving, loco-regionale controle en verre metastasen aanzienlijk verbeterde Kaplan-Meier stratificatie in vergelijking met modellen die alleen klinische gegevens20 gebruikt. Evenzo Fave et al. vond radiomics functies die patiënt stratificatie in overleving curven12verbeterd. Hun studie gebruikt per CT-beelden en berekende veranderingen in de Long radiomics functies. Berekend functies in de model had vier verschillende voorbewerkend methoden: (1) drempelmethode, (2) drempel en bit diepte (3) drempelmethode en vloeiend maken, (4) drempelmethode, bitdiepte en vloeiend maken; en de beste voorbehandeling methode werd gekozen voor elke functie afzonderlijk voordat het wordt getest in de Cox proportionele gevaren modellen. Hunter et al. toonde ook aan dat radiomics functies kunnen voorspellen van de tumor krimpt in NKCLK patiënten tijdens het verkennen van de verschillende drempels en diepte rescale waarden18 bit.

HUISDIER imago van radiomics functies en hun prognostische waarde hebben ook onderzocht met behulp van de Steenbok. Gebakken et al. geschaald gestandaardiseerde opname waarden (SUV's) door SUV's waarbij wordt afgerond naar het dichtstbijzijnde gehele getal en vervolgens het aftrekken van de minimale SUV voor dat ROI van de rest-13. Energie en degelijkheid bleken statistisch model te verbeteren een algehele overleving wanneer opgenomen in vergelijking met het model toen alleen conventionele klinische factoren opgenomen waren. Deze twee functies van de radiomics werden ook gevonden te kunnen identificeren subgroepen van patiënten die een voordeel of nadeel van dosis escalatie14ontvangen. Ook van Rossum et al. vond een toename in de c-index voor een klinische voorspellingsmodel van pathologische volledig antwoord wanneer met inbegrip van radiomics functies in klinische modellen17.

Figure 1
Figuur 1 : Hoofdpagina home voor IBEX. Hoofdpagina voor Steenbok met pictogrammen voor elke sectie. Elk van deze secties worden beschreven in secties 2-6. Klik hier voor een grotere versie van dit cijfer.

Figure 2
Figuur 2 : Data keuzevenster. GUI venster wordt gebruikt voor gegevensmanipulatie selectie. Het venster wordt geleverd met de knoppen te wijzigen van het uiterlijk van de afbeeldingen, zoals beschreven in stappen 4.4-4.10. Klik hier voor een grotere versie van dit cijfer.

Figure 3
Figuur 3 : Het venster van de editor van de ROI. GUI venster wordt gebruikt voor de manipulatie van de ROI. Het venster wordt geleverd met de dezelfde knoppen te wijzigen van de weergave zoals in de gegevensselectie evenals de knoppen te wijzigen van de ROI. De ROI-manipulatie wordt beschreven in hoofdstuk 5. Klik hier voor een grotere versie van dit cijfer.

Figure 4
Figuur 4 : Steenbok resultaten werkblad. IBEX uitgangen drie pagina's met informatie in een werkblad. De eerste pagina (A) de functie waarden bevat voor elke ROI, de tweede pagina (B) bevat informatie over de beelden die de ROIs zijn getekend, en de derde pagina (C) bevat informatie over de functies en voorbewerken gebruikt. De uitgangen voor dit cijfer gebruikt uit een phantom studie waar functies werden berekend Butterworth vloeiend maken en 8-bit diepte herschalen, weergegeven in het deelvenster C, kolom E, rij 5 en 6. Klik hier voor een grotere versie van dit cijfer.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Steenbok is een krachtig hulpmiddel voor medische beeldvorming radiomics onderzoek. Het heeft tot nu toe meestal gebruikt voor straling oncologie doeleinden in studies uitgevoerd door de groep van de radiomics MD Anderson. IBEX zorgt voor manipulatie van ROIs en berekening van de functies binnen 5 belangrijkste kenmerk Categorieën. De broncodeversie van Steenbok kan de gebruiker ontwerptoepassingen die zich niet reeds deel van Steenbok, zoals functies voor grijze niveau zone matrix.

De belangrijkste stappen in Steenbok zijn de invoer van de beelden, de contouren van ROIs, de selectie van ROIs voor gegevensverzameling en de oprichting van de eigenschapreeks. Nauwkeurige contouren zijn nodig als functies alleen binnen deze gebieden worden berekend en dus onjuist contouren onjuiste functie waarden zal leveren. Dus, relatie gevonden tussen deze functies berekend op onjuiste contouren en resultaten zullen vals. Met de parameter selectie voor de functies is ook een belangrijke stap. Bijvoorbeeld, wijzigt de stap-grootte voor de grijze niveau co voorval matrix kan invloed hebben op de functies die zijn berekend op basis van de matrix. Dit kan afhangen van afbeeldingstype (d.w.z., MRI, CT, of huisdier), site voor onderzoek (bijvoorbeeldNKCLK vs. hoofd en nek) en het doel van het onderzoek (bijvoorbeeld, maken van overleving modellen vs. imago functies met genomica koppelen). Functie parameters moeten worden geselecteerd op basis van een fysische of biologische redeneren, bijvoorbeeld, is er een reden dat een stap grootte van 4 biologisch relevant in een matrix samen voorkomen zijn zou? Functie parameters kunnen ook worden geselecteerd op basis van eerdere studies die bepaalde functie parameters te correleren met de resultaten of biologische uitdrukkingen hebben gevonden. IBEX heeft 27 pre-processing modules en 132 functies die beschikbaar zijn voor selectie, samen met waardoor wijzigen van parameters voor elk pre-processing module en functie, waardoor het een flexibel instrument voor vele soorten radiomics studies.

Er zijn verschillende algemene beperkingen in radiomics onderzoek, die van toepassing zijn bij het gebruik van enige software. Imago functies zijn bijvoorbeeld aangetoond af te hangen van afbeelding overname parameters zoals voxel grootte en scanner15,27. Een beperking van alle software is dat er veel parameters die voor elke functie kunnen worden gewijzigd en de standaardwaarden mogelijk niet geschikt is voor de specifieke studie. Gebruikers moeten waakzaam zijn en onderzoek eerder parameterinstellingen gebruikt voor soortgelijke studies en evalueren van de toepasbaarheid van de instellingen. De kwaliteit van de contouren en de inherente inter - en intra-observer variabiliteit kan ook invloed hebben op de berekening van functies. Owens et al. toonde dat berekende functies robuuster, zijn bij het gebruik van de auto-contouring tools28. De functies berekend voor radiomics studies zijn mens-engineered eigenschappen en de functies waargenomen door de visuele waarneming systeem volledig niet kunnen overbrengen. Bovendien kunnen deze functies sterk gecorreleerd worden aan elkaar creëren van moeilijkheden bij het analyseren van de resultaten. Een specifieke beperking van Steenbok is dat de huidige versie de beschikbaarheid ontbreekt voor het berekenen van de wavelet functies; onze fractie is echter van plan om deze functies in toekomstige versies.

Er zijn verscheidene alternatieve softwareplatformen beschikbaar is voor de berekening van de afbeelding eigenschappen25. Het feit dat het vrij beschikbaar is, goed gedocumenteerd2 isen gebruikers gedetailleerde controle van de berekeningen van de functie afbeelding toelaat heeft de volgende voordelen van Steenbok. IBEX toont ook de verwerkte patiënt beelden (bvna vloeiend maken), zodat de gebruiker kan het visualiseren van het effect van elke beeldverwerking - dit bijvoorbeeld handig is als bevestiging dat het voorbewerken heeft niet overdreven geëffend de beelden. Evenzo, IBEX kunt exporteren de werkelijke co voorval matrix en intensiteit histogrammen; Dit kan handig zijn wanneer graven dieper in de eigenschappen van de afbeelding.

Steenbok is uitsluitend gebruikt voor kanker studies, voornamelijk gericht op de therapie van de straling. Toekomstige studies kunnen echter uit tak andere kankertherapieën of zelfs buiten het gebied van kanker. Bijvoorbeeld, gebruikte Kassner et al. radiomics te voorspellen hemorragische transformatie bij patiënten met acute ischemische beroerte29. IBEX kan ook worden gebruikt in radiomics studies van dit type.

IBEX is ook voortdurende onderhoud. Bijvoorbeeld vond een studie door Fave et al. dat 5 functies (drukte, grofheid, grijze niveau non-uniformiteit, run lengte non-uniformiteit en energie) sterk volume afhankelijk waren en hun formules11gecorrigeerd. Deze bijgewerkte formules zijn opgenomen in de bijgewerkte versie van de Steenbok. Daarnaast is er een google groep30 met gebruikers post vragen die andere gebruikers vervolgens beantwoorden. Deze voortdurende verbetering van Steenbok naast de huidige mogelijkheden van Steenbok en de beschikbaarheid ervan maken het een primaire bron voor radiomics studies.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

De auteurs hebben geen concurrerende financiële belangen openbaar te maken.

Acknowledgments

Rachel Ger wordt gefinancierd door de Rosalie B. Hite Graduate Fellowship en American Legion Auxiliary Fellowship. Carlos Cardenas is gefinancierd door de George M. Stancel PhD Fellowship in de Biomedische Wetenschappen. De ontwikkeling van Steenbok werd gefinancierd door het NCI (CA178495 R03).

Materials

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

DOWNLOAD MATERIALS LIST

References

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

Tags

Engineering kwestie 131 Radiomics texture analyse kwantitatieve imago functies niet-kleincellige longkanker kwantitatieve analyse beeldanalyse
Richtsnoeren en ervaring met behulp van Imaging Biomarker Explorer (IBEX) voor 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