Waiting
Login processing...

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

Engineering

Richtlinien und Erfahrung mit Imaging-Biomarker Explorer (Steinbock), für Radiomics

doi: 10.3791/57132 Published: January 8, 2018

Summary

Wir beschreiben Steinbock, ein Open Source Tool für medizinische bildgebende Radiomics und wie Sie dieses Tool verwenden. Darüber hinaus sind einige Veröffentlichungen, die IBEX für Unsicherheitsanalyse verwendet und Modell Gebäude präsentiert.

Abstract

Imaging Biomarker Explorer (IBEX) ist ein Open-Source-Werkzeug für medizinische bildgebende Radiomics Arbeit. Der Zweck dieses Artikels ist zu beschreiben, wie STEINBÖCKE die grafische Benutzeroberfläche (GUI) zu verwenden und zu zeigen, wie IBEX berechnet, dass Funktionen in klinischen Studien verwendet wurden. IBEX ermöglicht den Import von DICOM-Bilder mit DICOM Strahlung Therapie Struktur oder Pinnacle Dateien. Sobald die Bilder importiert wurden, hat IBEX Werkzeuge innerhalb der Daten-Auswahl-GUI, das Betrachten der Bilder, Voxel Messwerte und Entfernungen, zu manipulieren und erstellen und Bearbeiten von Konturen. Steinbock kommt mit 27 Vorverarbeitung und 132 Feature, Feature-Sets zu entwerfen. Jede Vorverarbeitung und Funktion Kategorie verfügt über Parameter, die geändert werden können. Die Ausgabe von IBEX ist eine Tabellenkalkulation, die enthält: (1) jedes Feature aus der Feature-set berechnet für jede Kontur in einem Dataset, Bild 2) Informationen über jede Kontur in ein Dataset und 3) eine Übersicht über die Vorverarbeitung und Features, die mit ihren ausgewählten verwendet Parameter. Funktionen von IBEX berechnet haben in Studien verwendet wurde, um die Variabilität der Funktionen unter anderen bildgebenden Bedingungen und überleben Modelle zur Verbesserung der aktuellen klinischen Modelle zu testen.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

In der Medizin, Patienten Diagnose in der Regel beinhaltet zahlreiche diagnostische Untersuchungen wie Röntgen, Ultraschall, Computertomographie (CT), Magnetresonanztomographie (MRT) und Positronen-Emissions-Tomographie (PET)-scans helfen bei der Bestimmung der Kurs der Patientenversorgung. Während Ärzte diese Bilder verwenden, um die Diagnose des Patienten qualitativ zu bewerten, möglicherweise zusätzliche quantitative Funktionen, die extrahiert werden können, um die Versorgung der Patienten zu führen. Das Grundprinzip ist, dass diese Funktionen Proteomic und genomische Muster auf der makroskopischen Skala1ausgedrückt darstellen können. Diese quantitative Informationen mit den aktuellen klinischen Informationen, z. B., Patientendaten, kombinieren können mehr individuelle Patientenversorgung. Das ist die Theorie hinter Radiomics: Analyse von Bildern auf einem Voxel-Niveau verfügen. Funktionen werden in der Regel in 5 Hauptkategorien unterteilt: graue Level Co-Occurrence Matrix, graue Ebene Lauflänge Matrix, Nachbarschaft Intensität Unterschied Matrix, Histogramm und Form.

Imaging Biomarker Explorer (IBEX) ist ein Open-Source-Werkzeug für Radiomics Arbeit2. Die grafische Benutzeroberfläche (GUI) wurde mit dem Ziel der Erleichterung der Extraktion und Berechnung der quantitativen Merkmale zur Unterstützung bei der Entscheidungsfindung in der Krebsbehandlung am MD Anderson Cancer Center entwickelt. Eine Quelle Code3 und eine Stand-alone-4 -Version stehen online zur Verfügung. IBEX berechnet die 5 häufigsten Kategorien von Funktionen in medizinischen Radiomics mit Parametern, die für jede Funktion Kategorie eingestellt werden können. Die Kategorien sind: graue Level Co-Occurrence Matrix5, graue Ebene Lauflänge Matrix6,7, Intensität, Nachbarschaft Intensität Unterschied Matrix8und Form. Da STEINBÖCKE open Source ist, ermöglicht es für harmonisierte Feature Extraktion Ergebnisse über Institutionen leicht unterschiedliche Radiomics Studien vergleichen. Alle Funktionen im Steinbock sind in das erste Papier von Zhang Et Al. beschrieben. 2

Dieses Manuskript soll Hilfestellung wie STEINBÖCKE zu nutzen und ihre Anwendungen durch Peer-reviewed Studien aus der MD Anderson Radiomics Gruppe zu demonstrieren. Seit ihrer Veröffentlichung für die Öffentlichkeit im Jahr 2015 wurde IBEX verwendet, um Eigenschaften von CT, PET und MRT-Scan-Bilder berechnen gruppenweise Radiomics MD Anderson Untersuchung in der Regel Funktionen zur Verbesserung der klinischen überleben Modelle9,10, 11,12,13,14,15,16,17,18,19,20 und durch externe Institutionen21,22,23,24. Zusätzliche Hinweise auf Software-Tools, die für die Schritte in der Radiomics Forschung verwendet werden können, die nicht im Steinbock enthalten sind finden Sie im Hof Et al. 25

Eine allgemeine Einführung in den Workflow des STEINBOCKS hilft, um Daten richtig zu organisieren, vor Beginn der Radiomics Projekte mit Steinbock. Wenn Import von DICOM-Bildern, erfordert IBEX, dass jeder Patient seinen eigenen Ordner mit ihrer DICOM-Bilder. DICOM Strahlung Struktur ist optional der Patienten Ordner enthalten, sondern empfiehlt sich anstelle der Konturierung Plattform im Steinbock. Um mit dem Import aller Patienten für eine spezielle Studie zu unterstützen, können alle Patienten Ordner zusammen in einem Ordner platziert werden, so dass IBEX mit nur einem Schritt alle Daten importiert werden können. Wenn Patienten von Pinnacle importieren, empfiehlt es sich, die Struktur, die mit dem Patienten Plan festgelegt haben. Da Patienten mehrere Bildsätze und Pläne innerhalb von Pinnacle haben können, ist es am besten um zu wissen, welches Bild gesetzt und Plan vor dem Import korrekt sind. Wenn Rechenzeit ein Anliegen ist, kann die Reduzierung der Bildsegmente für einen Patienten drastisch verkürzen. Beispielsweise können wenn nur die Leber von Interesse in einer Studie ist, aber die Patienten haben Ganzkörper CT Scans, die DICOM-Scheiben auf nur das Ausmaß der Interessenbereich zu reduzieren Rechenzeit zu verkürzen (z.B.Verringerung der DICOM von 300 Scheiben auf 50 Scheiben 1/6 t nehmen h die Zeit). Es gibt verschiedene Tools zur Verfügung, um diese Scheibe Reduktion von manuell, halbautomatisch durchführen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. installieren Sie Steinbock

Hinweis: Installieren eine Quellcode Version gehen Sie zu Schritt 1.1. Alternativ installieren eine Stand-alone-Version gehen Sie zu Schritt 1.2.

  1. Quellcode version
    1. Gehen Sie die IBEX-Quellcode Version Website3. Laden Sie die Dateien "IBEX_Source.zip" und "How_to_use.pdf". Suchen Sie in der Datei "How_to_use.pdf", die Voraussetzungen, verwenden Sie die neueste Version von Steinbock zu finden.
      Hinweis: IBEX funktioniert nur auf 32-Bit und 64-Bit-Versionen von Matlab 2011a und 2014b, beziehungsweise.
    2. Sobald der Download abgeschlossen ist, entpacken Sie die "IBEX_Source.zip" und fügen Sie den \IBEX_Source-Ordner auf der lokalen Pfad.
      Hinweis: Anweisungen zum Hinzufügen eines Pfads finden Sie auf unserer Software-Referenzen-Seite für "Pfad hinzufügen"26.
    3. Geben Sie "IBEXMain" in das Befehlsfenster IBEX beginnen.
  2. Stand-alone-version
    1. Fahren Sie mit dem IBEX Einzelplatzversion Webseite4. Wenn STEINBÖCKE zum ersten Mal installieren, öffnen Sie den Ordner "Abhängigkeiten" und herunterladen/installieren "MCRInstaller.exe," vc2005redist_x86_new.exe, "und"vc2012redist_x86.exe"-Dateien. Von der Hauptseite download der "IBEX.exe," "IBEX.ctf", "IBEX.ini" und "How_to_use.pdf" Dateien in denselben Ordner. Suchen Sie in der Datei "How_to_use.pdf" für die Voraussetzungen, die neueste Version von Steinbock zu verwenden.
    2. Doppelklicken Sie "IBEX.exe" um STEINBÖCKE zu starten.

2. Legen Sie den Speicherort

Hinweis: Die Bilder werden in dieser bestimmten Stelle importiert und die Daten für diese Studie werden auch hier gespeichert. IBEX verwendet die zuvor angewendeten Lage als Standardspeicherort wenn wieder ins Leben gerufen.

  1. Klicken Sie auf das Symbol "Speicherort" (Abbildung 1).
  2. Wählen Sie Benutzer oder doppelklicken Sie auf "Neuer Benutzer" um einen neuen Benutzerordner erstellen. Wenn Sie einen neuen Benutzerordner erstellen, geben Sie den Namen in dem neuen Fenster klicken Sie auf die Schaltfläche "OK".
  3. Wählen Sie den Standort innerhalb der ausgewählten Benutzer oder doppelklicken Sie auf "Neue Website" um eine neue Site-Ordner zu erstellen. Wenn Sie einen neuen Benutzerordner erstellen, geben Sie den Namen in dem neuen Fenster klicken Sie auf die Schaltfläche "OK".
  4. Klicken Sie unten auf "OK".

3. importieren Sie Bilder

  1. Klicken Sie auf das Symbol "Importieren" (Abbildung 1).
  2. Wählen Sie DICOM oder Pinnacle9 (Pinnacle Dateiversion 9) Format durch Klick auf den Namen des Formats. Importieren Sie DICOM zum Bilder Schritt 3.3.1. Pinnacle9 importieren gehen Dateien zu Schritt 3.3.2.
  3. Klicken Sie auf die Schaltfläche "Weiter".
    1. Import von DICOM-Bildern
      Hinweis: Zum Importieren zum Patienten individuell Schritt 3.3.1.1. Importieren Sie zum mehrere Patienten gleichzeitig Schritt 3.3.1.2.
      1. Importieren Sie jeden Patienten individuell durch den Patienten Ordner über das Verzeichnis auswählen.
        1. Klicken Sie auf die Schaltfläche "..." neben dem genannten Verzeichnis den Patienten Ordner auswählen, der die DICOM-Bilder enthält, und Strahlung Struktur legen Sie DICOM-Datei (optional).
          Hinweis: Zwar nur optional zu eine Struktur mit den Patienten-Dateien zu importieren, ist es dringend empfohlen, dies zu tun. IBEX hat eine Konturierung Plattform darin, aber das ist etwas unpraktisch für große Datasets. IBEX bietet Platz für Struktur-Sets von kommerziellen Software-Plattformen, die Konturierung Werkzeuge für Onkologen, kennen, die den Workflow erleichtert. Dies ist in der Regel, wie STEINBÖCKE in Studien verwendet wird.
        2. Klicken Sie auf die Schaltfläche "Importieren" auf der unteren linken sobald IBEX beendet hat, suchen die DICOM-Dateien, die Patienten und Details-Boxen werden aufgefüllt.
        3. Wiederholen Sie die Schritte 3.3.1.1.1 - 2 für jeden Patienten.
        4. Klicken Sie auf die Schaltfläche "Beenden", nachdem alle Patienten importiert wurden.
      2. Importieren Sie alle Patienten auf einmal durch Anklicken des Kästchens "Batch Ordner" in der oberen rechten Ecke.
        Hinweis: Alle Patienten müssen einen separaten Ordner, die ihre jeweiligen DICOM-Dateien enthalten.
        1. Klicken Sie auf die Schaltfläche "..." neben dem angegebenen Verzeichnis, den Ordner auswählen, der alle Patienten Ordner mit ihren entsprechenden DICOM-Bilder enthält und Strahlung Struktur legen Sie DICOM-Datei (optional).
        2. Klicken Sie auf die Schaltfläche "Importieren". Patienten werden nacheinander importiert. Klicken Sie auf die Schaltfläche "Beenden", nachdem alle Patienten importiert wurden.
    2. Pinnacle-Dateien
      1. Konfigurieren Sie den Pinnacle-Host und die Datenbank innerhalb der Datei "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Klicken Sie auf "Config" vor dem Höhepunkt im Feld Import Modul auswählen.
      2. Wählen Sie die richtige Pinnacle Host und Datenbank.
      3. Der Patient MRN, Nachname oder Vorname eingeben und klicken Sie dann an anderer Stelle in das Fenster.
      4. Klicken Sie auf die Schaltfläche "Abfrage".
      5. Wählen Sie den Patienten in dem neuen Fenster dann klicken Sie auf "Transfer".
      6. Der gewünschte Bild-Sets aus, dass Patienten in dem neuen Fenster das Kontrollkästchen Sie und klicken Sie auf "OK".
      7. Klicken Sie auf "OK", in dem neuen Fenster mit der Bezeichnung "Daten erfolgreich importiert."
      8. Klicken Sie auf die Schaltfläche "Beenden", nachdem alle Patienten importiert wurden.

(4) Anzeigen von Bildern und Regions of Interest (ROI)

  1. Klicken Sie auf das Symbol "Daten" (Abbildung 1). Klicken Sie auf die gewünschte Patientenakte, im Abschnitt "Wählen Sie einen Patienten" der GUI (obere Hälfte) zu öffnen.
  2. Klicken Sie auf das Bild Set der gewünschten Patientenakte, im Abschnitt "Wählen Sie Bild Komplettinstallation" der GUI zu öffnen (untere Hälfte). Klicken Sie auf die Schaltfläche "Öffnen".
  3. Verwenden Sie die Pfeile unter die Bilder zu blättern Sie durch die Bilder, die in die axiale, koronale dargestellt werden, und sagittale Ansichten (von links nach rechts).
  4. Vergrößern Sie das Bild durch Anklicken der Schaltfläche "Zoom" (Abbildung 2). Zeichnen Sie ein Feld auf der Bildebene zu vergrößern. Rechtsklick zum verkleinern.
  5. Schalten Sie Lokalisierer "Intersection" Schaltfläche (Abbildung 2).
    Hinweis: Die Linien zeigen, wo die Scheibe in jeder Ebene befindet. Diese Zeilen verschieben beim Scrollen mit den Pfeilen.
  6. Klicken Sie auf die "Herrscher" (Abbildung 2), um Entfernungen zu messen. Klicke und halte die linke Maustaste gedrückt, um zwischen zwei Punkten des Interesses zu messen. Lassen Sie die Maustaste los, um den gemessenen Wert aus den angezeigten Bereich zu entfernen.
  7. Klicken Sie auf die "CT Num" (Abbildung 2), um den Wert von einem Voxel zu messen. Klicken und halten der linken Maustaste auf die Voxel von Interesse und Wert erscheint auf der linken Seite der GUI unter der Farbskala. Lassen Sie die Maustaste los, um den gemessenen Wert aus den angezeigten Bereich zu entfernen.
  8. Klicken Sie auf den "W/L" (Abbildung 2) auf Fensterebene/Bilder. Ein weiteres Fenster öffnet sich. Ziehen Sie den linken und rechten Seite auf den gewünschten Bereich oder geben Sie manuell die Fensterebene in den Feldern an der Unterseite des Fensters neue Fenster und Ebene. Wählen Sie verschiedene Fenster/Ebenen, die mit der ersten Dropdown-Menü auf der linken Seite ( Abbildung 2): Es gibt 8 für CT und 1 für PET.
  9. Wählen Sie verschiedene Farbskalen mit dem zweiten drop-down-Menü auf der linken Seite (Abbildung 2): Es gibt 9 Optionen zur Auswahl.
  10. ROIs durch Klicken auf das Kästchen neben der ROI auf den Bildern sichtbar zu machen, oder klicken auf "Auf alle ROIs" schalten Sie alle Patienten ROIs zu visualisieren.

5. bearbeiten Sie ROI

  1. ROIs durch Anklicken des Buttons "Bearbeiten ROIs" links oben oder unten in der Mitte bearbeiten. Wählen Sie die Kontur, indem Sie auf das Kontrollkästchen neben den Namen zu bearbeiten.
  2. Die Schaltfläche "Konturen Nudge" (Abbildung 3), Konturen oder verkleinern drücken wie bereits gezeichnet. Passen Sie die Größe des Kreises in das Feld mit der Bezeichnung "D" neben der Schaltfläche "Nudge Konturen" verwendet.
  3. Entfernen Sie eine ganze Kontur Scheibe mithilfe der Schaltfläche "Konturen schneiden" (Abbildung 3). Klicken Sie und halten Sie die linke Maustaste gedrückt und ziehen Sie einen Rahmen um den ROI entfernt werden.
  4. Konturen zu zeichnen
    Hinweis: Gehen Sie zu Schritt 5.4.1 Konturen zu zeichnen, indem Sie Punkte verbinden. Gehen Sie zu Schritt 5.4.2 Konturen mit der freien Hand zu zeichnen.
    1. Verbindungspunkte: Die Schaltfläche "Zeichnen Konturen (1)" (Abbildung 3) Zeichne eine Kontur auf jede Scheibe durch Anklicken von Punkten um die Kontur wo die Punkte durch gerade Linien verbunden. Füllen Sie den ROI für diesen Slice durch Klicken auf den ersten Punkt gezeichnet.
    2. Freie Hand: Die Schaltfläche "Zeichnen Konturen (2)" (Abbildung 3) eine Kontur mit der freien Hand zu zeichnen. Halten Sie die linke Maustaste, die Kontur auf die Scheibe zu ziehen. Abschließend die Kontur auf dieser Scheibe kommt zurück an den Anfang des gezeichneten ROI und dann die linke Maustaste loslassen.
  5. Klicken Sie auf die "Interpolieren Konturen" (Abbildung 3) ROIs zwischen Scheiben zu interpolieren.
  6. Klicken Sie auf die "Kopie ROI"-Taste, um den ROI zu kopieren.
  7. Mischen Sie ROIs, indem mehrere ROIs auswählen und dann auf den Button "Merge ROI".
  8. Klicken Sie auf "Löschen ROI", um den aktuell ausgewählten ROI zu löschen.
  9. Klicken Sie auf "Erstellen ROI" Erstelle einen neuen ROI führen ein Fenster öffnet sich. Geben Sie den Namen des ROI und klicken Sie auf die Schaltfläche "OK". Klicken Sie auf die Schaltfläche "Speichern". Klicken Sie auf "Exit", dem geduldigen Betrachter zurück.

(6) Konturen im Datensatz

  1. Ansicht-Konturen im Datensatz
    1. Klicken Sie auf "Show Data Set", um Konturen im Datensatz anzuzeigen. Klicken Sie auf den Namen des Datensatzes anzeigen. Klicken Sie auf die Schaltfläche "Öffnen". Wählen Sie Patient Konturen mit dem Feld neben dem Namen. Klicken Sie abhängig von der gewünschten Funktion für die Kontur auf "Löschen", "Move" oder "Kopieren". Schließen Sie das Dataset einmal fertige Betrachtung des Datensatzes.
  2. Hinzufügen von Konturen auf den Datensatz
    1. Wählen Sie Konturen eines Datensatzes hinzu, indem Sie auf das Kontrollkästchen neben dem Namen aus, dann klicken Sie auf "hinzufügen zu Data Set". Klicken Sie auf den Namen des Datensatzes die Konturen hinzufügen oder klicken Sie auf die Schaltfläche "Neu" für einen neuen Datensatz. Wenn New ausgewählt ist, geben Sie den Namen des Datensatzes im neuen Fenster. Klicken Sie auf die Schaltfläche "OK".
  3. Klicken Sie auf "Importieren ROIs", um eine Pinnacle Version 9 .roi Datei zu importieren, wenn Konturen während Abschnitt 3 nicht geladen wurden.
    1. Klicken Sie auf die Schaltfläche "...", um die Datei auszuwählen. Klicken Sie auf die Schaltfläche "Importieren".
  4. Klicken Sie auf "Exportieren ROIs", um ROIs zu exportieren.
    1. Klicken Sie auf die Schaltfläche "...", um das Verzeichnis auswählen, in dem exportierten ROIs platziert werden. Klicken Sie auf den Namen der das Format, das für die exportierten ROIs bevorzugt. Geben Sie Anonymisierung Informationen ein, wenn das bevorzugte ist. Klicken Sie auf die Schaltfläche Exportieren.
      Hinweis: Die Voreinstellung ist keine Anonymisierung durchgeführt werden.
  5. Klicken Sie auf "Exit", um die Liste der Patienten und Scans zurückzukehren.

7. erstellen Sie Feature-Set

  1. Klicken Sie auf das Symbol "Feature".
  2. Fügen Sie Vorverarbeitung hinzu, falls gewünscht.
    1. Klicken Sie auf die Schaltfläche "Hinzufügen" unter "Schritt 1: Vorverarbeitung". Wählen Sie die Vorverarbeitung Option aus dem Dropdown-Menü in einem neuen Fenster.
    2. Klicken Sie auf das "i" unter "Para." die Vorverarbeitung Parameter auswählen. Klicken Sie auf die Zahl unter der Spalte "Wert" in dem neuen Fenster des Parameters zu ändern. Geben Sie den neuen Parameterwert, und klicken Sie auf "OK".
    3. Klicken Sie auf das "Fragezeichen" in der oberen rechten Ecke für eine Beschreibung der Vorverarbeitung Methode und die Vorverarbeitung von bestimmten Parametern.
    4. Klicken Sie auf die Schaltfläche "Hinzufügen". Wählen Sie die Vorverarbeitung Schritt und klicken Sie auf "Löschen", um unerwünschte Vorverarbeitung Schritte löschen.
  3. Fügen Sie die gewünschten Funktionen.
    1. Wählen Sie die Funktion Kategorie aus dem Dropdown-Menü unter "Schritt 2: Funktionen Kategorie:". Wiederholen Sie die Schritte für mehrere Kategorien.
      Hinweis: Nur eine Kategorie von Funktionen kann gleichzeitig hinzugefügt werden. Verschiedene Kombinationen von Kategorien Vorverarbeitung und Funktion können die gleichen Funktionen bei Bedarf hinzugefügt werden.
      1. Wählen Sie die "GrayLevelCooccurenceMatrix25" und "NeighborIntensityDifference25" Feature-Kategorien der grauen Level Co-Occurrence Matrix und Nachbarschaft Intensität Unterschied Matrix, beziehungsweise in 2.5D, berechnen die erfolgt durch Berechnung der matrix auf jede Scheibe einzeln und dann summiert alle Matrizen zusammen.
      2. Wählen Sie "GrayLevelCooccurenceMatrix3" und "NeighborIntensityDifference3" Feature-Kategorien, die graue Ebene Co-Occurrence Matrix und Nachbarschaft Intensität Unterschied Matrix, bzw., in 3D zu berechnen.
    2. Klicken Sie auf das "i" unter "Para." für den Parameter für die Vorverarbeitung ausgewählt. Klicken Sie auf das "Fragezeichen" in der oberen rechten Ecke eine Beschreibung der Vorverarbeitung Methode und die Parameter.
      1. Geben Sie den neuen Parameterwert, und klicken Sie auf "OK".
    3. Klicken Sie auf "Test", um eine Funktion Kategorie oder Besonderheit zu sehen. Klicken Sie neben das Feature oder die gewünschte Kategorie.
      1. Wählen Sie den Datensatz, den Test auf Anzeigen und klicken Sie auf die Schaltfläche "Öffnen". Aktivieren Sie das Kontrollkästchen neben den Patienten aus dem ausgewählten Datensatz, den Test auf Anzeigen und klicken Sie auf "Test".
    4. Deaktivieren Sie unerwünschte Features für die ausgewählte Kategorie; alle Funktionen werden nach Auswahl der Kategorie ausgewählt. Klicken Sie auf das Wort "Features:" unter "Schritt 2: Funktionen" um alle Funktionen zu deaktivieren.
    5. Klicken Sie auf "Hinzufügen zu Feature Set" um alle ausgewählten Objekte mit ausgewählten Vorverarbeitung hinzuzufügen.
      1. Wählen Sie das Feature-set an Features hinzufügen, um und klicken Sie auf die Schaltfläche "Öffnen" oder "Neu" klicken, um ein neues Feature-Set Funktionen hinzufügen. Wenn ein neues Feature erstellen festlegen, geben Sie den Namen der das Feature-Set im neuen Fenster und klicken Sie auf "OK".
  4. Klicken Sie auf "Show Feature Set" um Funktionen mit entsprechenden Vorverarbeitung Techniken, um Funktionen in einem Feature-Set anzeigen anzuzeigen.
    1. Wählen Sie das Feature-set anzeigen und klicken Sie auf die Schaltfläche "Öffnen" oder klicken Sie auf die Schaltfläche "Neu" um ein neues Feature-Set zu erstellen. Wenn ein neues Feature erstellen festlegen, geben Sie den Namen der das Feature-Set im neuen Fenster und klicken Sie auf "OK".
  5. Klicken Sie auf die "Show Data Set"-Taste, um die aktuelle Datensätze anzeigen.
    1. Wählen Sie den Datensatz anzeigen und klicken Sie auf die Schaltfläche "Öffnen" oder klicken Sie auf die Schaltfläche "Neu" um einen neuen Datensatz zu erstellen. Wenn Sie einen neuen Datensatz erstellen, geben Sie den Namen des Datensatzes in das neue Fenster und klicken Sie auf "OK".
  6. Klicken Sie auf die Schaltfläche "Beenden".

8. Ausgabe-Features

  1. Klicken Sie auf "Ergebnis". Klicken Sie auf das Dataset, führen Sie die Funktionen unter "Schritt 1: Daten-Set." Klicken Sie auf das Feature-set auf die ausgewählten Daten unter "Schritt 2: Feature-Set."
  2. Klicken Sie auf "Daten anzeigen" um den ausgewählten Datensatz anzuzeigen. Klicken Sie auf "View-Funktion", um das ausgewählte Feature-Set zu sehen.
  3. Klicken Sie auf die Schaltfläche "Berechnen & Ergebnis speichern". Geben Sie den Dateinamen für die Ergebnisse, und klicken Sie auf die Schaltfläche "Speichern".

9. statistische Modellbildung

  1. Öffnen Sie die Datei mit den gespeicherten.
    Hinweis: Dies ist in der Regel unter C:\IBEX\DataIbex\[Selected Benutzer in Schritt 2.2] \ [ausgewählte Seite in Schritt 2.3] \1FeatureResultSet_Result, wenn ansonsten im Schritt 8.4 zugewiesen.
  2. Anhand der Daten aus den verschiedenen Registerkarten in die gewünschte statistische Tests oder Gebäude in Software zu modellieren.
    Hinweis: Das Protokoll kann jederzeit angehalten werden. Allerdings ist es am bequemsten nach Abschluss aller Schritte für ein bestimmtes Symbol, z. B.Abschluss aller Abschnitt 7, unter dem Symbol Funktion benötigt.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Die Ausgabe von IBEX ist eine Tabellenkalkulation (siehe Abbildung 4), 3 Registerkarten enthält. Registerkarte "Ergebnisse" enthält die Funktionswerte für jede ROI im Dataset (Abb. 4A). Die Registerkarte "Daten Info." "" enthält Informationen über die Bilder aus jeder ROI im Dataset (Abbildung 4B). Die Registerkarte "Feature Info." "" enthält eine umfassende Liste von Funktionen verwendet, mit den Parametern für die Funktion Kategorie ausgewählt und die Vorverarbeitung für diese Kategorie von Funktionen (Abb. 4C) verwendet.

Der Steinbock berechneten Funktionen von medizinischen Bildern in verschiedenen Kontexten verwendet worden sein. Hunter Et Al. verwendet eine frühe Version des STEINBOCKS, um robuste Bild Funktionen19zu identifizieren. Fave Et Al. untersuchten die Unsicherheit in Radiomics Funktionen der 4-D-CT Thorax Scans bei verschiedenen Atemwegserkrankungen Phasen, Peak Röhrenspannungen und Rohr Strömungen9gesammelt. Diese Studie ergab Intra Patienten Variation sein, weniger als Inter Patienten Variante für die meisten Funktionen bei tube Spannung und Strom waren vielfältig, machen diese Faktoren vernachlässigbar. Die Reproduzierbarkeit der Funktion von Cone Beam CT (DVT) Bildern wurde dann mit IBEX10ausgewertet. In dieser Studie fanden sich Funktionen berechnet aus CBCT Lungenaufnahmen reproduzierbar sein, wenn das gleiche Protokoll und Hersteller nur beim Atmen Bewegung klein war verwendet wurden. Bild, die Auswirkungen auf die Funktionswerte Vorverarbeitung wurde anschließend ausgewertet. Die Studie zeigte, dass 39 55 Funktionen untersucht mindestens eine Vorverarbeitung Technik, die führte zu erheblichen Schichtung für Gesamtüberleben mit Cox proportional Gefahren-Modelle, die darauf hinweist, dass verschiedene Vorverarbeitung für jeweils benötigt werden Funktion11. Die Unsicherheit in Funktionen von Perfusions-CT-Bildern ist auch mit Steinbock ausgewertet worden. Yang Et Al. zeigten, dass Radiomics Funktionen waren nicht abhängig von Zeit zwischen Kontrast und CT-Scan und 86,9 % der Features mit einem Inter Sitzung Stabilität Konkordanz Korrelationen Koeffizient größer als oder gleich reproduzierbar waren bis 0,916. Zu guter Letzt soll ein Phantom Inter Scanner Variabilität auf eine Teilmenge der Features15zu testen. Textur-Stärke erwies sich das beständigste Merkmal während Geschäftigkeit festgestellt wurde, dass die meisten variieren.

Die Radiomics Eigenschaften von IBEX dienen oft auch Modell bauen, in der Regel mit Blick auf die Gesamtüberlebenszeit, lokale regionale Kontrolle und Freiheit von Fernmetastasen. Fried Et Al. ermittelten 8 Radiomics Funktionen von nicht-kleinzelligem Lungenkrebs (NSCLC)-Patienten CT Scans, dass wenn umgesetzt eine Cox proportional Gefahren Modelle für Gesamtüberleben, Loco-regionale Steuerung und Fernmetastasen deutlich verbesserte Kaplan-Meier-Schichtung im Vergleich zu Modellen, die nur klinische Daten20verwendet. Ebenso ergab Fave Et Al. Radiomics Features Patienten Schichtung in Überleben Kurven12verbessert. Ihre Studie verwendet wöchentlichen CT-Aufnahmen und berechneten Änderungen in die Lunge Radiomics Funktionen. Funktionen im Modell hatte vier verschiedene Vorverarbeitung Methoden berechnet: Schwellwerte (1), (2) Schwelle und Bit-Tiefe (3) Schwellwerte und Glättung, Schwellwerte (4), Bit-Tiefe und glätten; und die beste Methode die Vorverarbeitung wurde individuell für jedes Feature vor, die in die Cox proportional Gefahren Modelle getestet. Hunter Et Al. zeigten auch, dass Radiomics Funktionen können Vorhersagen Tumor schrumpfen bei NSCLC-Patienten beim erkunden verschiedene Schwellenwerte und Tiefe Rescale Werte18 Bit.

Haustier Bild Radiomics Funktionen und deren prognostische Wert wurden auch untersucht mit Steinbock. Fried Et Al. skaliert standardisierte Aufnahme Werte (SUV) von SUVs auf die nächste ganze Zahl abgerundet und dann subtrahieren die minimale SUV für diese Rendite von der Rest-13. Energie und Solidität fanden sich statistisch ein Gesamtmodell des Überlebens bei verbessern das Modell im Vergleich zu wenn nur konventionelle klinische Faktoren enthalten waren. Diese beiden Radiomics-Funktionen wurden auch gefunden, um Untergruppen von Patienten zu identifizieren, die ein Vorteil oder Nachteil von Dosis Eskalation14erhalten zu können. Ebenso ergab van Rossum Et Al. eine Erhöhung in der c-Index für einen klinischen Vorhersagemodells pathologische komplette Remission bei Radiomics Funktionen in klinischen Modelle17einschließlich.

Figure 1
Abbildung 1 : Steinbock Hauptseite. Hauptseite für IBEX mit Symbolen für jeden Abschnitt. Jeder dieser Abschnitte werden in Kapitel 2-6 beschrieben. Bitte klicken Sie hier für eine größere Version dieser Figur.

Figure 2
Abbildung 2 : Daten Auswahlfenster. GUI-Fenster dient zur Auswahl der Datenmanipulation. Das Fenster verfügt über Tasten, um das Aussehen der Bilder wie in 4.4-4.10 beschrieben ändern. Bitte klicken Sie hier für eine größere Version dieser Figur.

Figure 3
Abbildung 3 : ROI-Editor-Fenster. GUI-Fenster dient zur ROI-Manipulation. Das Fenster verfügt über die gleichen Tasten verändern das Aussehen wie in der Datenselektion sowie Schaltflächen, ROIs zu ändern. Die ROI-Manipulation wird in Abschnitt 5 beschrieben. Bitte klicken Sie hier für eine größere Version dieser Figur.

Figure 4
Abbildung 4 : Steinbock führt Arbeitsblatt. IBEX gibt drei Seiten mit Informationen in einem Arbeitsblatt. Die erste Seite (A) enthält die Funktionswerte für jede ROI, die zweite Seite (B) enthält Informationen über die Bilder, die die ROIs, gezogen wurden und die dritte Seite (C) enthält Informationen über die Funktionen und Vorverarbeitung verwendet. Die Ausgänge für diese Figur nutzen aus einer phantom Studie wo Funktionen berechnet wurden Butterworth Glättung und 8-Bit-Tiefe, Skalierung, in Feld C, Spalte E, Zeilen 5 und 6 dargestellt. Bitte klicken Sie hier für eine größere Version dieser Figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Steinbock ist ein leistungsfähiges Werkzeug für die medizinische Bildgebung Radiomics Forschung. Es wurde bisher vor allem für Strahlung Onkologie Zwecke in Studien, die von der MD Anderson Radiomics Gruppe eingesetzt. IBEX ermöglicht die Manipulation des ROIs und Berechnung von Funktionen innerhalb von 5 Hauptmerkmal Kategorien. Die Source-Code-Version des STEINBOCKS ermöglicht dem Benutzer, Design-Anwendungen, die nicht bereits Teil des STEINBOCKS, z. B. Ebene Grauzone Matrix Features.

Die wichtigsten Schritte beim Steinbock sind der Import von Bildern, Konturierung des ROIs, Auswahl des ROIs für Dataset und Schaffung von Feature-Set. Exakte Konturen sind notwendig, da Funktionen nur innerhalb dieser Bereiche berechnet sind und so ungenaue Konturen werden ungenau Funktionswerte. So eine Beziehung zwischen diesen Funktionen auf ungenauen Konturen berechnet und Ergebnisse werden falsche. Parameterauswahl für die Features ist auch ein entscheidender Schritt. Ändern die Schrittweite für die graue Ebene Co-Occurrence Matrix kann z. B. die Funktionen aus der Matrix berechnet auswirken. Dies könnte Bildtyp (d.h., MRT, CT oder PET), Website für Untersuchung (z.B.NSCLC vs. Kopf und Hals) und den Zweck der Studie (z.B.überleben Modelle vs. Verknüpfung Bild Funktionen mit Genomik) abhängen. KE-Parameter gewählt werden basierend auf einer physikalischen oder biologischen Argumentation, z.B., gibt es einen Grund, den eine Schrittweite von 4 in einer Co-Occurrence Matrix biologisch relevant sein würde? KE-Parameter können auch ausgewählt werden, basierend auf früheren Studien, die bestimmte Funktion Parameter korrelieren mit Ergebnissen oder biologische Ausdrücke gefunden haben. Steinbock hat 27 Vorverarbeitung Module und 132 Features zur Auswahl stehen, zusammen mit verändern der Parameter für jede Vorverarbeitung Modul und die Funktion Kategorie, wodurch es eine anpassungsfähige Werkzeug für viele Arten von Radiomics Studien ermöglicht.

Es gibt mehrere allgemeine Einschränkungen in der Radiomics Forschung, die gelten, wenn Sie eine Software verwenden. Zum Beispiel wurden Bild Funktionen gezeigt, Erwerb Bildparameter wie Voxel Größe und Scanner15,27abhängen. Eine Einschränkung der gesamten Software ist, dass gibt es viele Parameter, die für jede Funktion verändert werden können und die Default-Werte möglicherweise nicht geeignet für die spezifische Studie. Benutzer müssen wachsam sein, und Forschung bisher Parametereinstellungen für ähnliche Studien benutzt und bewerten die Anwendbarkeit der Einstellungen. Die Qualität der die Konturen und die inhärenten inter - und Intra-Observer-Variabilität kann auch die Berechnung der Funktionen beeinflussen. Owens Et Al. zeigten, dass berechnete Eigenschaften robuster sind, bei der Verwendung von Auto-Konturierung Werkzeuge28. Die Funktionen für Radiomics Studien berechnet ergonomisches Design zeichnen und können nicht vollständig die Funktionen von der visuellen Wahrnehmungssystem beobachtet vermitteln. Darüber hinaus können diese Funktionen sehr Schwierigkeiten bei der Analyse der Ergebnisse miteinander korreliert werden. Eine bestimmte Einschränkung des STEINBOCKS ist, dass die aktuelle Version die Verfügbarkeit zur Berechnung der Wavelet-Funktionen fehlt; Unsere Fraktion will jedoch diese Funktionen in zukünftigen Versionen beinhalten.

Für die Berechnung der Bild Funktionen25gibt es mehrere alternative Software-Plattformen. Einige Vorteile des STEINBOCKS gehört die Tatsache, dass es frei verfügbar ist, gut dokumentierte2, und Benutzern detaillierte Kontrolle über das Bild Funktion Berechnungen erlaubt. Steinbock zeigt auch verarbeitetes Patientenbilder (z. B.nach dem Glätten), so dass der Benutzer kann die Auswirkungen der Bildverarbeitung visualisieren - dies ist beispielsweise nützlich, wenn bestätigt wird, dass die Vorverarbeitung nicht die Bilder stark geglättet hat. In ähnlicher Weise können STEINBÖCKE der tatsächliche Co-Occurrence Matrix und Intensität Histogramme exportieren; Dies kann nützlich sein, wenn in der Bild-Funktionen tiefer eintauchen.

IBEX wurde ausschließlich für Krebs-Studien, konzentrierte sich hauptsächlich auf Strahlentherapie eingesetzt. Jedoch können zukünftige Studien zu anderen Krebstherapien oder sogar außerhalb des Feldes Krebs verzweigen. Beispielsweise verwendet Kassner Et Al. Radiomics, hämorrhagischen Transformation bei Patienten mit akutem ischämischem Schlaganfall29vorherzusagen. STEINBÖCKE könnten auch in Radiomics Studien dieser Art verwendet werden.

Steinbock hat auch kontinuierliche Wartung. Zum Beispiel fand eine Studie von Fave Et Al. , dass 5 Funktionen (Geschäftigkeit, Grobheit, graue Ebene Inhomogenität, Lauflänge Uneinheitlichkeit und Energie) stark abhängig von Volumen waren und ihre Formeln11 korrigiert. Diese aktualisierte Formeln sind in der aktualisierten Version des STEINBOCKS aufgenommen worden. Darüber hinaus gibt es eine Google-Gruppe30 , die Benutzer, die Fragen stellen, die andere Benutzer dann zu beantworten hat. Diese kontinuierliche Verbesserung des STEINBOCKS neben den aktuellen Fähigkeiten des Steinbock und seine Verfügbarkeit machen es eine der wichtigste Quellen für Radiomics Studien.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben keine finanziellen Interessenkonflikte offenlegen.

Acknowledgments

Rachel Ger wird von Rosalie B. Hite Graduate Fellowship und American Legion Auxiliary Stipendium finanziert. Carlos Cardenas wurde durch die George M. Stancel PhD Fellowship in den biomedizinischen Wissenschaften finanziert. Die Entwicklung der IBEX wurde durch das NCI (R03 CA178495) finanziert.

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).
Richtlinien und Erfahrung mit Imaging-Biomarker Explorer (Steinbock), für Radiomics
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

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).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