Waiting
Login processing...

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

Engineering

הנחיות וניסיון באמצעות הדמיה סמן Explorer (יעל) עבור Radiomics

doi: 10.3791/57132 Published: January 8, 2018

Summary

אנו מתארים יעל, כלי קוד פתוח המיועדת ללימודי הרפואה radiomics הדמיה, וכיצד להשתמש בכלי זה. בנוסף, כמה עבודות שפורסמו השתמשו יעל לניתוח אי ודאות, דגם בניין הן לראווה.

Abstract

הדמיה סמן Explorer (יעל) הוא כלי פתוח לעבודה radiomics דימות רפואי. מטרת המאמר היא לתאר איך להשתמש של יעל ממשק משתמש גרפי (GUI) כדי להדגים איך יעל מחושב תכונות השתמשו במחקרים קליניים. יעל מאפשרת ייבוא תמונות DICOM עם DICOM קרינה טיפול מבנה קבצים או פסגת קבצים. ברגע התמונות מיובאות, יעל יש כלים בתוך GUI מבחר נתונים כדי לתפעל את הצגת התמונות, למדוד מרחקים, וערכים voxel ולא ליצור ולערוך קווי המתאר. יעל מגיע עם 27 preprocessing ו- 132 כוללים אפשרויות לעיצוב תכונה מגדירה. לכל קטגוריה preprocessing וכוללים יש פרמטרים יכול להשתנות. הפלט של יעל היא גיליון אלקטרוני הכולל: 1) כל תכונה מן תכונה להגדיר מחושבת עבור כל קו מתאר בערכת נתונים, תמונה 2) מידע על מתאר כל ערכת נתונים, ו 3) סיכום של preprocessing התכונות המשמשות עם הנבחרת שלהם פרמטרים. תכונות שמחושבים יעל שימשו במחקרים לבחון את ההשתנות של תכונות בתנאים הדמיה שונים במודלים הישרדות לשיפור קליני המודלים הנוכחיים.

Introduction

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

ברפואה, אבחון מחלת המטופל בדרך כלל משלבת מספר רב של בחינות אבחון כגון צילומי רנטגן, אולטרסאונד, טומוגרפיה (CT), תהודה מגנטית הדמיה (MRI), וסריקות טומוגרפיה פליטת פוזיטרונים (PET) כדי לסייע בקביעת קורס הטיפול בחולה. בעוד הרופאים להשתמש בתמונות אלה להעריך איכותית אבחון של המטופל, ייתכנו תכונות כמותיות נוספות אשר ניתן לחילוץ להנחות את הטיפול בחולה. הרציונל הוא כי תכונות אלה עשוי לייצג פרוטיאומיה מבנית ודפוסי גנומית לידי ביטוי את סולם מאקרוסקופית1. שילוב מידע כמותי זה עם המידע הקליני הנוכחי, למשל, המטופל דמוגרפיה, עשוי לאפשר יותר תגובותיהם בחולה. . זו התיאוריה מאחורי radiomics: כוללים ניתוח של תמונות ברמה voxel. התכונות מתחלקות בדרך כלל 5 קטגוריות עיקריות: אפור מופע משותף ברמה מטריקס, אפור אורך הריצה רמת מטריקס, השכונה בעוצמה ההבדל מטריקס, היסטוגרמה ודו צורה.

הדמיה סמן Explorer (יעל) הוא כלי קוד פתוח עבור עבודה radiomics2. ממשק המשתמש הגרפי (GUI) פותחה ב MD Anderson Cancer Center במטרה להקל את חילוץ וחישוב של תכונות כמותיות כדי לסייע בקבלת החלטות בטיפול בסרטן. קוד מקור3 וגירסה עצמאי4 זמינים באינטרנט. יעל מחשבת 5 הקטגוריות הנפוצות ביותר של תכונות בשימוש רפואי radiomics עם הפרמטרים שניתן להגדיר עבור כל קטגוריה תכונה. הקטגוריות הם: אפור מטריקס מופע משותף ברמת5,6,של מטריצה אפור אורך הריצה ברמה7, בעוצמה, השכונה בעוצמה ההבדל מטריקס8, ו צורה. מאז יעל הוא קוד פתוח, זה מאפשר תכונה ההרמונית הפקת תוצאות על פני מוסדות להשוות בקלות בין מחקרים שונים radiomics. כל התכונות בתוך יעל מתוארים בעיתון הראשונית על ידי ג'אנג. et al. 2

מטרתו של כתב יד זה נועד לספק הדרכה על איך להשתמש יעל כדי להדגים וביישומיה דרך מחקרים שפורסמו לאורגזמות מקבוצת radiomics MD אנדרסון. מאז השקתו לציבור בשנת 2015, יעל שימש לחישוב תכונות מתמונות סריקת CT, PET ו- MRI ע י קבוצת radiomics MD אנדרסון, בדרך כלל לחקור תכונות כדי לשפר את ההישרדות קליניים מודלים9,10, 11,12,13,14,15,16,17,18,19,20 ועל ידי מחוץ למוסדות21,22,23,24. ניתן למצוא הדרכה נוספים על כלי תוכנה יכול לשמש עבור השלבים במחקר radiomics שאינם כלולים ביעל המשפט. et al. 25

מבוא כללי זרימת העבודה של יעל יסייע לארגון נתונים כראוי לפני התחלת פרויקטים radiomics ניצול יעל. אם ייבוא תמונות DICOM, יעל מחייב כל מטופל משלהם תיקיה עם תמונות שלהם DICOM. DICOM קרינה מבנה קבע הוא אופציונלי לכלול התיקייה, אך מומלץ במקום להשתמש פלטפורמת contouring יעל. כדי לסייע עם ייבוא כל המטופלים למחקר ספציפי, כל התיקיות החולה ניתן להציב לתוך תיקיה אחת ביחד כך כל הנתונים עשוי ניתן לייבא ליעל באמצעות צעד אחד בלבד. אם ייבוא חולים מ- Pinnacle, זה הכי טוב שיש את מבנה קבע עם התכנית המטופל. כפי חולים אולי מספר תמונות ערכות ותוכניות בתוך Pinnacle, זה הטוב ביותר לדעת איזו תמונת להגדיר תוכנית נכונים לפני הייבוא. אם חישוב זמן היא דאגה, צמצום מספר בפרוסות ' תמונה ' עבור חולה יכול להפחית באופן דרסטי זמן. לדוגמה, אם רק הכבד הוא עניין במחקר אבל החולים יש סריקות גוף מלא CT, להפחית את הפרוסות DICOM רק במידה של האזור עניין יכול לקצר זמן חישוב (למשל, צמצום של DICOM מ 300 פרוסות פרוסות 50 יכול לקחת 1/6t h הזמן). ישנם כלים שונים זמינים לבצע הפחתה זו פרוסה, החל מידנית ועד חצי אוטומטי.

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. להתקין את יעל

הערה: כדי להתקין גירסה קוד המקור עבור לשלב 1.1. לחלופין, כדי להתקין גרסה עצמאית עבור לשלב 1.2.

  1. גרסת קוד המקור
    1. ללכת לאתר3גירסה קוד המקור יעל. להוריד את קבצי ה-"IBEX_Source.zip" וה "How_to_use.pdf". בדוק את הקובץ "How_to_use.pdf" כדי למצוא את דרישות קדם כדי להשתמש בגירסה העדכנית ביותר של יעל.
      הערה: יעל עובד רק על גירסאות 32 סיביות ו- 64 סיביות של Matlab 2011a ו- 2014b, בהתאמה.
    2. עם סיום ההורדה, לפתוח את "IBEX_Source.zip" ומוסיפים את התיקייה \IBEX_Source בנתיב המקומי.
      הערה: ניתן למצוא הוראות כיצד להוסיף נתיב בדף ההפניות תוכנה עבור "הוסף נתיב"26.
    3. הקלד "IBEXMain" בחלון הפקודה כדי להפעיל את יעל.
  2. הגירסה העצמאית
    1. ללכת אתר עצמאי גרסה4יעל. אם התקנת את יעל בפעם הראשונה, עבור אל התיקיה "תלות", הורדה/התקנה "MCRInstaller.exe", vc2005redist_x86_new.exe, "וקבצים"vc2012redist_x86.exe". מהעמוד הראשי, להוריד את "IBEX.exe," "IBEX.ctf", "IBEX.ini," ו- "How_to_use.pdf" קבצים באותה התיקיה. בדוק את הקובץ "How_to_use.pdf" עבור דרישות הקדם להשתמש בגירסה העדכנית ביותר של יעל.
    2. לחץ פעמיים על "IBEX.exe" כדי להפעיל את יעל.

2. להגדיר את המיקום

הערה: התמונות מיובאות למיקום קבוע זה, הנתונים במחקר זה מאוחסנים כאן גם כן. יעל מיקום השימושים החלת ביותר בעבר כמו מיקום ברירת המחדל כאשר שהושק מחדש.

  1. לחץ על הסמל "מיקום" (איור 1).
  2. בחר משתמש או לחץ פעמיים על "משתמש חדש" כדי ליצור תיקיית המשתמש החדש. אם יצירת תיקיה חדשה משתמש, הזן את השם בחלון חדש ואז לחץ על הלחצן "אישור".
  3. בחר את האתר בתוך המשתמש שנבחר או לחץ פעמיים על "אתר חדש" כדי ליצור תיקיה חדשה באתר. אם יצירת תיקיה חדשה משתמש, הזן את השם בחלון חדש ואז לחץ על הלחצן "אישור".
  4. לחץ על הלחצן "אישור" בתחתית.

3. לייבא תמונות

  1. לחץ על הסמל "ייבוא" (איור 1).
  2. בחר DICOM או Pinnacle9 בתבנית (Pinnacle קובץ גירסה 9) על ידי לחיצה על השם של התבנית. כדי לייבא DICOM תמונות עבור לשלב 3.3.1. כדי לייבא Pinnacle9 קבצים עבור לשלב 3.3.2.
  3. לחץ על כפתור "הבא".
    1. ייבוא תמונות DICOM
      הערה: כדי לייבא מטופלים בנפרד עבור לשלב 3.3.1.1. כדי לייבא בחולים רבים בבת אחת עבור לשלב 3.3.1.2.
      1. ייבוא כל מטופל בנפרד על-ידי בחירת התיקיה החולה דרך הספריה.
        1. לחץ על הלחצן "...." ליד הספריה המפורטים כדי לבחור את התיקייה המכילה את התמונות DICOM ולהגדיר קרינה מבנה קובץ DICOM (אופציונלי).
          הערה: אמנם זה רק אופציונלי לייבא את מבנה קבע עם הקבצים החולה, מומלץ מאוד לעשות זאת. יש ליעל פלטפורמה contouring בתוכו, אך זו אינה מעשית במקצת עבור אלגוריתמית. היעל יכול להכיל מבנה ערכות פלטפורמות תוכנה מסחרית המוכרות עיצוב כלי עבור אונקולוגים קרינה, מה שהופך את זרימת העבודה הרבה יותר קל. בדרך כלל זהו איך יעל משמש במחקרים.
        2. לחץ על לחצן "ייבוא" בתחתית אחרי יעל סיימה לחפש את קובצי DICOM, המטופל ואת הפרטים תיבות יאוכלסו.
        3. חזור על שלבים 3.3.1.1.1 - 2 עבור כל מטופל.
        4. לחץ על כפתור "יציאה" לאחר כל המטופלים ייבוא.
      2. לייבא כל המטופלים בעת ובעונה אחת, על ידי סימון התיבה 'אצווה בתיקיית' בפינה הימנית העליונה.
        הערה: כל החולים חייב להיות בתיקיה נפרדת המכילה קובצי DICOM המתאימים שלהם.
        1. לחץ על לחצן "...." ליד הספריה המפורטים כדי לבחור את התיקיה המכילה את כל התיקיות החולה עם תמונות DICOM המקביל שלהם ולהגדיר קרינה מבנה קובץ DICOM (אופציונלי).
        2. לחץ על הלחצן 'ייבוא'. חולים ייובאו באופן רציף. לחץ על כפתור "יציאה" לאחר כל המטופלים ייבוא.
    2. פסגת קבצים
      1. להגדיר את פסגת מארח ואת מסד הנתונים בתוך קובץ ה-"\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". לחץ על לחצן "Config" לפני בחירת פסגת בתיבת מודול ייבוא.
      2. בחר את פסגת המארח המתאים ואת מסד הנתונים.
      3. הזן את החולה MRN, שם משפחה או שם פרטי ולאחר מכן לחץ במקום אחר בחלון.
      4. לחץ על לחצן 'שאילתה'.
      5. בחר את החולה בחלון חדש ולאחר מכן לחץ על לחצן "העברה".
      6. לחץ על התיבה של ערכות התמונה הרצויה של החולה ההוא בחלון חדש ולחץ על לחצן "אישור".
      7. לחץ על הלחצן "אישור" בחלון חדש הנקרא "נתוני יובאה בהצלחה."
      8. לחץ על כפתור "יציאה" לאחר כל המטופלים ייבוא.

4. הצגת תמונות ואזורים מעניינים (ROIs)

  1. לחץ על הסמל "נתונים" (איור 1). לחץ על הקובץ הרצוי החולה כדי לפתוח במקטע 'בחר המטופל' של GUI (החלק העליון).
  2. לחץ על ערכת התמונה של הקובץ הרצוי החולה כדי לפתוח במקטע 'בחר תמונה ולתקשר' של GUI (. תחתון חצי). לחץ על הלחצן 'פתח'.
  3. השתמש בחצים מתחת התמונות כדי לגלול תמונות, אשר מוצגים צירית, הילתית, ונוף הסאגיטלי (משמאל לימין).
  4. להגדיל התמונה על ידי לחיצה על לחצן 'מרחק מתצוגה' (איור 2). ציירו תיבה על המטוס תמונה כדי להגדיל. בעזרת לחצן העכבר הימני, לחץ כדי להקטין את התצוגה.
  5. להפעיל אמצעי גילוי על-ידי בחירת לחצן "צומת" (איור 2).
    הערה: הקווים המופיעים הצג במיקום החיתוך של כל מטוס. קווים אלה להעביר בעת גלילה באמצעות החצים.
  6. לחץ על לחצן "סרגל" (איור 2) כדי למדוד מרחקים. לחץ והחזק לחצן העכבר השמאלי כדי למדוד בין שתי נקודות עניין. שחרר את העכבר כדי להסיר את הערך שנמדד מן האזור המוצג.
  7. לחץ על לחצן "CT Num" (איור 2) כדי למדוד את הערך של voxel. לחץ והחזק לחצן העכבר השמאלי על voxel את עניין ואת הערך יופיע בצד שמאל של GUI מתחת קנה המידה של צבע. שחרר את העכבר כדי להסיר את הערך שנמדד מן האזור המוצג.
  8. לחץ על לחצן "W/L" (איור 2) לרמה/חלון התמונות. חלון נוסף יופיע. גרור את השמאלי והימני לאזור הרצוי או להזין באופן ידני את החלון/רמת בתיבות חלון ורמת בחלק התחתון של החלון החדש. בחר חלון/רמות שונות באמצעות התפריט הנפתח הראשון משמאל ( איור 2): ישנם 8 CT ו- 1 עבור פט
  9. בחר צבע שונה סולמות באמצעות השני ברשימה הנפתחת בתפריט בצד השמאל (איור 2): ישנם 9 אפשרויות לבחירה.
  10. דמיינו ROIs על ידי לחיצה על תיבת ליד רועי כדי להפוך אותו לגלוי על התמונות, או לחץ על לחצן "על כל ROIs" כדי להפעיל את כל מטופל ROIs.

5. עריכת רועי

  1. לערוך ROIs על-ידי לחיצה על כפתור "ערוך ROIs" בפינה השמאלית העליונה או במרכז התחתון. בחר את קווי המתאר כדי לערוך באמצעות לחיצה על התיבה שליד שם הצבע.
  2. השתמש בלחצן "להזזת קווי המתאר" (איור 3) לדחוף את קווי המתאר בפנים או בחוץ, כפי שכבר נמשך. להתאים את גודל העיגול בשימוש הקופסה "D" לצד לחצן הסט קווי המתאר.
  3. הסר פרוסה בכל מתאר באמצעות לחצן "חתך קווי המתאר" (איור 3). לחץ לחיצה ארוכה על לחצן העכבר השמאלי, צייר תיבה מסביב רועי יוסרו.
  4. לצייר את קווי המתאר
    הערה: עבור לשלב 5.4.1 כדי לצייר את קווי המתאר על-ידי חיבור נקודות. עבור לשלב 5.4.2 כדי לצייר את קווי המתאר על ידי יד חופשית.
    1. חיבור נקודות: להשתמש בלחצן "צייר קווי המתאר (1)" (איור 3) לצייר מתאר על כל פרוסה על ידי לחיצה על נקודות סביב קו המתאר איפה הנקודות מחוברים באמצעות קווים ישרים. להשלים את רועי את הפרוסה על ידי לחיצה על הנקודה הראשונה נמשך.
    2. יד חופשית: השתמש בלחצן "לצייר את קווי המתאר (2)" (איור 3) כדי לצייר מתאר על ידי יד חופשית. החזק את לחצן העכבר השמאלי כדי לצייר את קווי המתאר על הפרוסה. לסיים את קווי המתאר על החיתוך עד חוזר להתחלה של רועי מצוירות ולאחר מכן שחרר את לחצן העכבר השמאלי.
  5. לחץ על "לבצע אינטרפולציה על קווי המתאר" הלחצן (איור 3) כדי לבצע אינטרפולציה ROIs בין הפרוסות.
  6. לחץ על לחצן "עותק ROI" כדי להעתיק את רועי.
  7. מיזוג ROIs על-ידי בחירת ROIs מרובים ולאחר מכן לחיצה על לחצן "רועי מזג".
  8. לחץ על לחצן "רועי מחק" כדי למחוק את רועי מההערה הנבחרת כעת.
  9. לחץ על "צור רועי" כדי ליצור של רועי חדש אשר תגרום לחלון יופיע. הזן את השם של רועי והקלק על כפתור "אישור". לחץ על הלחצן "שמור". לחץ על לחצן 'יציאה' כדי לחזור אל הצופה החולה.

6. קווי המתאר בערכת הנתונים

  1. קווי המתאר נוף בערכת הנתונים
    1. לחץ על לחצן ' הצג ערכת נתונים ' כדי להציג את קווי המתאר בערכת הנתונים. לחץ על השם של ערכת הנתונים כדי להציג. לחץ על הלחצן 'פתח'. החולה בחר קווי המתאר באמצעות תיבת ליד השם שלהם. לחץ על כפתור "מחק", "מהלך" או "עותק" בהתאם הפונקציה הרצויה עבור הזה מתאר. סגור את החלון ערכת נתונים פעם אחת סיימתי במלונות ערכת הנתונים.
  2. הוספת קווי המתאר את ערכת הנתונים
    1. בחר את קווי המתאר כדי להוסיף ערכת נתונים על-ידי לחיצה על תיבת הסימון לצד שמו ולאחר מכן לחץ על לחצן ' הוסף את ערכת נתונים '. לחץ על השם של ערכת הנתונים כדי להוסיף את קווי המתאר או לחץ על לחצן "חדש" עבור ערכת נתונים חדשה. אם ניו נבחרת, הזן את השם של ערכת הנתונים בחלון חדש. לחץ על הלחצן "אישור".
  3. לחץ על הלחצן "ייבוא ROIs" לייבוא קובץ 9 .roi גרסה פסגת אם קווי המתאר היו לא טעון במהלך בסעיף 3.
    1. לחץ על לחצן "...." כדי לבחור את הקובץ. לחץ על הלחצן 'ייבוא'.
  4. לחץ על הלחצן "ייצוא ROIs" כדי לייצא ROIs.
    1. לחץ על לחצן "...." כדי לבחור את הספרייה שבה ימוקמו ROIs המיוצא. לחץ על השם של תבנית עדיף ROIs המיוצא. הזן את חיסיון המידע אם זה המועדף. לחץ על הלחצן ' ייצוא '.
      הערה: ההגדרה הקבועה מראש היא אין חיסיון שיש לבצע.
  5. לחץ על כפתור "יציאה" כדי לחזור לרשימה של החולים ושל סריקות.

7. ליצור ערכת תכונות

  1. לחץ על הסמל 'בתכונה'.
  2. הוסף preprocessing במידת הצורך.
    1. לחץ על לחצן "הוסף" תחת "שלב1: של תהליך מוקדם". בחר את האפשרות preprocessing מתוך התפריט הנפתח בחלון חדש.
    2. לחץ על ה-"í" תחת פארא כדי לבחור את הפרמטרים preprocessing. לחץ על מספר תחת העמודה ערך בחלון חדש הפרמטר לשנות אותו. הקלד ערך הפרמטר החדש ולחץ על לחצן "אישור".
    3. לחץ על לחצן "סימן השאלה" בפינה הימנית העליונה ועבור תיאור של שיטת preprocessing preprocessing של פרמטרים ספציפיים.
    4. לחץ על הלחצן 'הוסף'. בחר את הצעד preprocessing ולחץ על הכפתור "מחק" כדי למחוק את השלבים preprocessing רצויה.
  3. להוסיף את התכונות הרצוי.
    1. בחר את הקטגוריה תכונה מתוך התפריט הנפתח תחת ' שלב 2: תכונות קטגוריה: ". חזור על הצעדים קטגוריות מרובות.
      הערה: ניתן להוסיף קטגוריה אחת בלבד של תכונות בכל פעם. ניתן להוסיף שילובים שונים של קטגוריות preprocessing וכוללים התכונה אותו בחר במקרה הצורך.
      1. בחר את "GrayLevelCooccurenceMatrix25" ו "NeighborIntensityDifference25" תכונה בקטגוריות לחישוב מטריקס אפור מופע משותף ברמה של השכונה בעוצמה ההבדל מטריצה, בהתאמה, ב- 2.5 D, אשר נעשה על ידי מחשוב המטריקס על כל פרוסה בנפרד ולאחר מכן סיכום מטריצות כל ביחד.
      2. בחר את "GrayLevelCooccurenceMatrix3" ו "NeighborIntensityDifference3" תכונה בקטגוריות לחישוב מטריקס אפור מופע משותף ברמה של השכונה בעוצמה ההבדל מטריצה, בהתאמה, תלת-ממד.
    2. לחץ על ה-"í" תחת פארא עבור הפרמטרים שנבחרו הזה preprocessing. לחץ על לחצן "סימן השאלה" בפינה הימנית העליונה לתיאור של השיטה preprocessing ואת הפרמטרים.
      1. הקלד ערך הפרמטר החדש ולחץ על לחצן "אישור".
    3. לחץ על לחצן "בדיקה" כדי להציג קטגוריה תכונה או תכונה ספציפיים. לחץ על לחצן לצד תכונה או הקטגוריה הרצויה.
      1. בחר את ערכת הנתונים כדי להציג את המבחן, ולחץ על הלחצן 'פתח'. סמן את התיבה לצד המטופלים של ערכת הנתונים שנבחר להציג את המבחן, לחץ על לחצן "בדיקה".
    4. בטל תכונות לא רצויות עבור קטגוריה נבחרת; כל התכונות ייבחרו לאחר בחירת הקטגוריה. לחץ על המילה "תכונות:" תחת "שלב 2 תכונות:" בטל כל התכונות.
    5. לחץ על לחצן "הוסף תכונה ערכת" כדי להוסיף את כל התכונות שנבחרו עם preprocessing שנבחרו.
      1. בחר התכונה בחר כדי להוסיף תכונות, לחץ על הלחצן 'פתח' או לחץ על לחצן "חדש" כדי להוסיף תכונות ערכה תכונה חדשה. אם יצירת תכונה חדשה, הזן את שמו של ערכת התכונות של החלון החדש ולחץ על לחצן "אישור".
  4. לחץ על לחצן "הצג ערכה תכונה" כדי להציג תכונות עם טכניקות preprocessing המתאימים כדי להציג תכונות בערכה תכונה.
    1. בחר התכונה בחר הצג, לחץ על הלחצן 'פתח' או לחץ על לחצן "חדש" כדי ליצור ערכת תכונה חדשה. אם יצירת תכונה חדשה, הזן את שמו של ערכת התכונות של החלון החדש ולחץ על לחצן "אישור".
  5. לחץ על הלחצן ' הצג ערכת נתונים ' כדי להציג ערכות הנתונים הנוכחי.
    1. בחר את ערכת הנתונים כדי להציג, לחץ על הלחצן 'פתח' או לחץ על לחצן "חדש" כדי ליצור ערכת נתונים חדשה. אם יוצר ערכת נתונים חדש, הזן את שם ערכת הנתונים בחלון חדש ולחץ על לחצן "אישור".
  6. לחץ על כפתור "יציאה".

8. תכונות פלט

  1. לחץ על הסמל "תוצאה". לחץ על ערכת הנתונים כדי להפעיל את התכונות תחת "שלב 1: ערכת הנתונים." לחץ על התכונה בחר לפעול על הנתונים הנבחר תחת ' שלב 2: ערכת התכונות. "
  2. לחץ על לחצן "הצג נתונים" כדי להציג את ערכת הנתונים הנבחר. לחץ על הלחצן 'תצוגה בתכונה' כדי להציג את ערכת התכונות שנבחרו.
  3. לחץ על לחצן "חשב & לשמור התוצאות". הזן את שם הקובץ עבור התוצאות ולחץ על הכפתור "שמור".

9. בניית מודל סטטיסטי

  1. פתח את הקובץ התוצאות השמורות.
    הערה: בדרך כלל מתחת C:\IBEX\DataIbex\[Selected משתמש ב- 2.2 שלב] \ [אתר נבחר ב- 2.3 שלב] \1FeatureResultSet_Result, אלא אם כן הוקצה אחרת בשלב 8.4.
  2. להשתמש בנתונים מתוך הכרטיסיות שונה בבדיקות סטטיסטי הרצוי או דגם בניין בתוכנה.
    הערה: ניתן להשהות את הפרוטוקול בכל עת. עם זאת, זה הכי נוח לאחר שסיים את כל הצעדים הדרושים עבור סמל מסוים, למשל, לסיים את כל סעיף 7 אשר נמצאת תחת הסמל תכונה.

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

הפלט של יעל היא גיליון אלקטרוני (ראה איור 4) המכילה 3 לשוניות. הכרטיסיה "תוצאות" מכילה את ערכי תכונה עבור כל רועי בערכת הנתונים (איור 4א). הכרטיסיה "נתוני מידע.." מכילה מידע אודות התמונות נלקחו כל רועי בערכת הנתונים (איור 4B). הכרטיסיה "תכונה פרטי.." מכיל רשימה מקיפה של התכונות המשמשות עם הפרמטרים שנבחרו עבור הקטגוריה תכונה ומשמשת preprocessing עבור קטגוריה זו של תכונות (איור 4C).

ליעל מחושב תכונות מתמונות רפואי כבר מנוצל כמה הקשרים. . צייד ואח שישמש לזיהוי תמונות תכונות19גרסה מוקדמת של יעל. המועדף. et al. חקר הוודאות radiomics תכונות של 4 D CT בית החזה סריקות שייאסף שלבים שונים במערכת הנשימה, שיא צינור המתחים ואת זרמי התחתית9. מחקר זה מצא וריאציה התוך המטופל להיות פחות מוריאציה בין החולה לרוב תכונות צינור מתח זרם היו מגוונים, ביצוע גורמים אלה זניח. הפארמצבטית של התכונה מתמונות CT (CBCT) קרן חרוט הוערך אז ביעל10. במחקר זה, תכונות שמחושבים ריאות CBCT תמונות נמצאו להיות לשחזור כאשר הפרוטוקול לבין יצרן באותו שימשו רק כאשר נשימה תנועה היה קטן. התמונה preprocessing ההשפעה על ערכי תכונה הוערך לאחר מכן. המחקר הראה שיש 39 התכונות 55 למד לפחות אחת טכניקה preprocessing שתוצאתם ריבוד משמעותי עבור ההישרדות הכוללת שימוש קוקס מודלים מפגעים יחסיים המציינת את preprocessing שונים עשוי להיות נחוץ עבור כל אחד כוללים11. הוודאות תכונות מתמונות CT זלוף גם יוערכו באמצעות יעל. יאנג ואח . הראה כי תכונות radiomics לא היו תלויות זמן בין ניהול חדות סריקת סי. טי, וכי 86.9% מהתכונות לשחזור עם מפגש בין יציבות קונקורדנציה מתאמים מקדם גדול או שווה 0.916. לבסוף, פנטום נועד לבחון את השתנות סורק אינטר על קבוצת משנה של תכונות15. מרקם כוח נמצאה להיות התכונה הכי עקבי בעוד busyness נמצאה כדי להשתנות ביותר.

התכונות radiomics של יעל משמשים לעתים קרובות גם עבור דגם לבנייה, בדרך כלל מסתכל ההישרדות, מקומי-אזורי שליטה וחופש של גרורות מרוחקות. . פריד ואח זיהה תכונות radiomics 8 תאים שאינם קטנים שסריקות CT ריאות סרטן (NSCLC) המטופלים כי כשהוא מיושם לתוך מפגעים פרופורציונלי קוקס מודלים ההישרדות, לוקו-אזורי השליטה של גרורות מרוחקות באופן משמעותי ריבוד קפלן-מאייר משופרת בהשוואה בדגמי להשתמש רק נתונים קליניים20. באופן דומה, המועדף. et al. למצוא תכונות radiomics משופרת ריבוד החולה הישרדות עקומות12. המחקר שלהם בשימוש תמונות CT שבועי ושינויים מחושב התכונות radiomics של הריאה. החישוב תכונות במודל היה ארבע שיטות עיבוד מראש שונות: (1) קביעת סף, סף (2) ובעומק הסיביות, (3) קביעת סף החלקה, (4) קביעת סף, עומק סיביות ואני החלקה; הכי טוב מראש עיבוד שיטה נבחר עבור כל תכונה בנפרד לפני נבדק במודלים מפגעים פרופורציונלי קוקס. צייד. et al. הראה גם כי תכונות radiomics יכול לחזות הגידול מתכווץ חולי NSCLC בעת סיור סף שונים ונשך עומק rescale ערכים18.

תכונות radiomics של התמונה מחמד וערך prognostic שלהם גם נחקרו באמצעות יעל. . פריד ואח קנה המידה מתוקננת ספיגת ערכים (רכבי השטח) על ידי עיגול רכבי השטח למספר השלם הקרוב ביותר ולאחר מכן החסרת ברכב השטח המינימלי עבור זה רועי השאר13. אנרגיה ויציבות נמצאו סטטיסטית לשפר את מודל ההישרדות הכללית כאשר כללו לעומת הדגם כאשר רק קונבנציונליים הגורמים קליניים נכללו. שתי תכונות אלה, radiomics נמצאו גם כדי להיות מסוגל לזהות תת-קבוצות של חולים אשר קיבל טובת הנאה או לרעת של מנה הסלמה14. באופן דומה, ואן רוסום. et al. נמצאה עלייה c-אינדקס עבור מודל חיזוי קליני של פיפטות מענה מלא כאשר כולל תכונות radiomics לתוך מודלים קליניים17.

Figure 1
איור 1 : עמוד בית ראשי יעל- הדף הראשי עבור יעל עם סמלים עבור כל מקטע. כל אחד מהמדורים הללו מתוארים ב סעיפים 2-6. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

Figure 2
איור 2 : חלון בחירת נתונים. חלון GUI משמש מניפולציה על הנתונים הנבחר. החלון מגיע עם הכפתורים כדי לשנות את המראה של תמונות כמתואר בצעדים 4.4-4.10. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

Figure 3
איור 3 : רועי בחלון העורך. חלון GUI משמש רועי מניפולציה. החלון מגיע עם הכפתורים אותו כדי לשנות את המראה כמו בחירת הנתונים, כמו גם לחצנים כדי לשנות את ROIs. המניפולציה רועי המתואר בסעיף 5. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

Figure 4
איור 4 : יעל תוצאות גליון. יעל פלטי שלושה עמודים של מידע בגליון עבודה. בעמוד הראשון (A) מכילה את ערכי תכונה עבור כל רועי, העמוד השני (B) מכיל מידע אודות התמונות ROIs מצויירת, העמוד השלישי (C) מכיל מידע אודות התכונות, preprocessing בשימוש. התוצרים עבור איור זה ממחקר הפאנטום בו חושבו תכונות משתמש בהחלקת Butterworth ועומק 8 סיביות לשנות קנה מידה, שמוצג בחלונית ' ג, עמודה E, שורות 5 ו- 6. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

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

יעל היא כלי רב עוצמה עבור מחקר radiomics דימות רפואי. זה עד כה בעיקר שימש למטרות אונקולוגיה קרינה מחקרים שנערכו על ידי קבוצת radiomics MD אנדרסון. יעל מאפשר מניפולציה של ROIs וחישוב של תכונות בתוך 5 קטגוריות התכונה העיקרית. הגירסה קוד מקור של יעל מאפשר למשתמש יישומי עיצוב שעדיין אינן חלק יעל, כגון תכונות מטריצות אזור רמת האפור.

הצעדים העיקריים הכרוכים יעל הן הייבוא של תמונות, יצירת מיתאר של ROIs, מבחר ROIs עבור ערכת הנתונים, ויצירה של ערכת התכונות. קווי המתאר מדויק נחוצים כמו תכונות מחושבות רק בתוך אזורים אלו, ובכך קווי מתאר לא מדויקים נספק ערכי תכונה לא מדויק. לפיכך, כל מערכת יחסים למצוא בין תכונות אלה מחושבים על קווי מתאר לא מדויקים, תוצאות יהיה כדין. פרמטר בחירה עבור התכונות הוא גם צעד חיוני. לדוגמה, שינוי גודל צעד עבור המטריצה אפור מופע משותף ברמה יכולים להשפיע התכונות שמחושבים המטריקס. זה תלוי סוג תמונה (כלומר, MRI, CT, או חיית מחמד), אתר לצורכי חקירה (למשל, NSCLC נ' ראש וצוואר), מטרת המחקר (למשל, יצירת מודלים הישרדות לעומת קישור תכונות התמונה עם גנומיקה). תכונה פרמטרים יש לבחור בהתאם פיזית או ביולוגי הסקת מסקנות, למשל, האם יש סיבה זה גודל צעד של 4 יהיה רלוונטי מבחינה ביולוגית במטריצה מופע משותף? ניתן לבחור תכונה פרמטרים גם בהתבסס על מחקרים קודמים אשר נמצאו פרמטרים מסוימים תכונה לתאם עם תוצאות או ביטויים ביולוגי. יעל יש 27 preprocessing מודולים ותכונות 132 זמינה לבחירה, יחד עם המאפשר שינוי פרמטרים עבור כל מודול preprocessing וכל תכונה קטגוריה, מה שהופך אותו לכלי וישימה עבור סוגים רבים של מחקרים radiomics.

קיימות מספר מגבלות כללי במחקר radiomics חלות בעת השימוש בתוכנה. לדוגמה, תכונות תמונה הוכחו תלויות תמונות רכישה פרמטרים כגון voxel בגודל של הסורק15,27. מגבלה של כל התוכנות היא כי ישנם פרמטרים רבים, זה יכול להיות שונה עבור כל תכונה ערכי ברירת המחדל אולי לא יאה המחקר הספציפי. המשתמשים חייבים להיות על המשמר, מחקר משמש הגדרות הפרמטר מחקרים דומים בעבר ולהעריך את הישימות של ההגדרות. האיכות של קווי המתאר של ההשתנות הגלום אינטר - ו אינטרה-הצופה יכול להשפיע גם החישוב של תכונות. אוונס. et al. הראה כי תכונות מחושבות הם עמידים יותר בעת שימוש בכלים יצירת מיתאר אוטומטי28. התכונות מחושב ללימודי radiomics תכונות האדם מהונדסים, יכול לא מלא למסור את התכונות שנצפה על ידי מערכת התפיסה החזותית. בנוסף, תכונות אלה ייתכן בקורלציה גבוהה אחד לשני יוצר קשיים בעת ניתוח התוצאות. מגבלה ספציפית אחת של יעל היא כי הגרסה הנוכחית חסרה את הזמינות לחישוב תכונות דיסקרטית; עם זאת, הקבוצה שלנו מתכוונת כוללים תכונות אלה בגירסאות עתידיות.

יש מספר פלטפורמות תוכנה חלופית זמינים עבור החישוב של תכונות התמונה25. חלק מהיתרונות של יעל כוללים את העובדה כי זה זמין באופן חופשי, היא מתועדת היטב2, מאפשר למשתמשים שליטה מפורט של חישובים תכונה תמונה. יעל גם מציג את התמונות החולה מעובד (למשל, לאחר החלקה), כך שהמשתמש יכול להמחיש את ההשפעה של כל עיבוד תמונה - זו שימושית, לדוגמה, כאשר המאשר כי preprocessing יש לא יתר החליק את התמונות. באופן דומה, יעל ניתן לייצא את מופע משותף בפועל מטריקס, עוצמת היסטוגרמות; אפשרות זו שימושית כאשר העמקה לתוך התכונות התמונה.

יעל שימש אך ורק ללימודים סרטן, התמקדו בעיקר הקרנות. עם זאת, מחקרים עתידיים יכולים טיפולים אחרים בסרטן או אפילו מחוץ לשדה סרטן. זה בסדר. לדוגמה, Kassner. et al. השתמשו radiomics כדי לחזות טרנספורמציה hemorrhagic בחולים עם שבץ איסכמי אקוטי29. היעל יכול לשמש גם במחקרים radiomics מסוג זה.

יעל יש גם תחזוקה מתמדת. לדוגמה, מחקר על ידי המועדף. et al. נמצא כי 5 תכונות (busyness, גסות, אפור ברמה הלא-אחידות, אורך הריצה הלא-אחידות ואנרגיה) היו בתוקף האחסון התלויים, תיקן את נוסחאות11. נוסחאות מעודכנים אלה נכללו במהדורה המעודכנת של יעל. בנוסף, יש קבוצה גוגל30 שיש למשתמשים לפרסם שאלות משתמשים אחרים ואז לענות. זה שיפור מתמיד של יעל בנוסף ליכולות הנוכחיות של יעל וזמינות שלה לעשות את זה מקור עיקרי ללימודי radiomics.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

המחברים יש אינטרסים כלכליים מתחרים לא לחשוף.

Acknowledgments

חסידות גור רחל ממומן על ידי רוזלי ב הייט מלגת בוגר ואחווה אמריקאי הלגיון עזר. מחקריו זכו למימון קרלוס קרדנס לאחווה. ג'ורג ' מ Stancel PhD במדעים הביו-רפואית. הפיתוח של יעל מומן על ידי NCI (R03 CA178495).

Materials

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

DOWNLOAD MATERIALS LIST

References

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