Summary

दिशानिर्देश और Radiomics के लिए इमेजिंग मार्कर एक्सप्लोरर (औबेक्स) का उपयोग कर अनुभव

Published: January 08, 2018
doi:

Summary

हम औबेक्स, एक खुला स्रोत चिकित्सा इमेजिंग radiomics अध्ययन के लिए तैयार उपकरण का वर्णन है, और कैसे इस उपकरण का उपयोग करें । इसके अलावा, कुछ प्रकाशित काम करता है कि अनिश्चितता विश्लेषण और मॉडल के निर्माण के लिए औबेक्स का इस्तेमाल किया है प्रदर्शन कर रहे हैं ।

Abstract

इमेजिंग मार्कर एक्सप्लोरर (औबेक्स) मेडिकल इमेजिंग radiomics काम के लिए एक खुला स्रोत उपकरण है । इस समाचार पत्र का उद्देश्य है औबेक्स ग्राफिकल यूजर इंटरफेस (GUI) का उपयोग करने के लिए कैसे का वर्णन करने के लिए और कैसे औबेक्स परिकलित सुविधाओं नैदानिक अध्ययन में इस्तेमाल किया गया है प्रदर्शित करने के लिए है । औबेक्स DICOM विकिरण चिकित्सा संरचना फ़ाइलों या शिखर फ़ाइलों के साथ DICOM छवियों के आयात के लिए अनुमति देता है । एक बार छवियों का आयात कर रहे हैं, औबेक्स डेटा चयन जीयूआई के भीतर उपकरण है छवियों को देखने में हेरफेर, माप voxel मूल्यों और दूरी, और बनाने और आकृति संपादित करें । औबेक्स सुविधा सेट डिजाइन करने के लिए 27 से अधिक प्रक्रिया और १३२ सुविधा विकल्प के साथ आता है । प्रत्येक प्रक्रिया और सुविधा श्रेणी में पैरामीटर्स है जिंहें बदला जा सकता है । औबेक्स से उत्पादन एक स्प्रेडशीट है कि शामिल है: 1) सुविधा सेट से प्रत्येक सुविधा एक डेटा सेट में प्रत्येक समोच्च के लिए गणना की, 2) एक डेटा सेट में प्रत्येक समोच्च के बारे में छवि जानकारी, और 3) प्रक्रिया और उनके चयनित के साथ प्रयोग किया जाता सुविधाओं का सारांश पैरामीटर. औबेक्स से गणना की सुविधाओं के अध्ययन में इस्तेमाल किया गया है विभिन्न इमेजिंग शर्तों के तहत सुविधाओं की परिवर्तनशीलता परीक्षण और अस्तित्व के मॉडल में वर्तमान नैदानिक मॉडल में सुधार करने के लिए.

Introduction

चिकित्सा में, रोगी रोग निदान आमतौर पर एक्स-रे, अल्ट्रासाउंड, गणना टोमोग्राफी (सीटी), चुंबकीय अनुनाद इमेजिंग (एमआरआई), और पोजीट्रान उत्सर्जन टोमोग्राफी (पीईटी) के रूप में नैदानिक परीक्षा की एक बड़ी संख्या को शामिल करने का निर्धारण करने में सहायता करने के लिए स्कैन रोगी देखभाल के पाठ्यक्रम । जबकि चिकित्सकों इन छवियों का उपयोग करने के लिए गुणात्मक रोगी के निदान का आकलन, वहां अतिरिक्त मात्रात्मक सुविधाओं है कि रोगी देखभाल गाइड करने के लिए निकाला जा सकता हो सकता है । तर्क यह है कि इन सुविधाओं proteomic और जीनोमिक macroscopic स्केल1पर व्यक्त पैटर्न का प्रतिनिधित्व कर सकते हैं । वर्तमान नैदानिक जानकारी के साथ इस मात्रात्मक जानकारी का मेल, उदा, रोगी जनसांख्यिकी, अधिक व्यक्तिगत रोगी देखभाल की अनुमति दे सकता है । इस radiomics के पीछे सिद्धांत है: एक voxel स्तर पर छवियों की सुविधा विश्लेषण । ग्रे स्तर सह घटना मैट्रिक्स, ग्रे स्तर रन लंबाई मैट्रिक्स, पड़ोस तीव्रता अंतर मैट्रिक्स, हिस्टोग्राम, और आकार: विशेषताएं आमतौर पर 5 मुख्य श्रेणियों में गिर जाते हैं ।

इमेजिंग मार्कर एक्सप्लोरर (औबेक्स) radiomics काम2के लिए एक खुला स्रोत उपकरण है । चित्रमय उपयोगकर्ता इंटरफ़ेस (GUI) के एमडी एंडरसन कैंसर केंद्र में निष्कर्षण और मात्रात्मक सुविधाओं की गणना की सुविधा के लिए कैंसर की देखभाल में निर्णय लेने में सहायता करने के लक्ष्य के साथ विकसित किया गया था । एक स्रोत कोड3 और एक खड़े अकेले4 संस्करण ऑनलाइन उपलब्ध हैं । औबेक्स प्रत्येक सुविधा श्रेणी के लिए सेट किया जा सकता है कि मानकों के साथ चिकित्सा radiomics में इस्तेमाल किया सुविधाओं की 5 सबसे आम श्रेणियों की गणना करता है । श्रेणियां हैं: ग्रे स्तर सह घटना मैट्रिक्स5, ग्रे स्तर रन लंबाई मैट्रिक्स6,7, तीव्रता, पड़ोस तीव्रता अंतर मैट्रिक्स8, और आकार । चूंकि औबेक्स खुला स्रोत है, यह संस्थानों में संगत सुविधा निष्कर्षण परिणामों के लिए आसानी से अलग radiomics अध्ययन की तुलना के लिए अनुमति देता है । औबेक्स के भीतर सभी सुविधाओं के झांग एट अल द्वारा प्रारंभिक पत्र में वर्णित हैं । 2

इस पांडुलिपि का उद्देश्य कैसे औबेक्स का उपयोग करने पर मार्गदर्शन प्रदान करने के लिए और सहकर्मी के माध्यम से अपने आवेदन प्रदर्शित करने के लिए है, एमडी एंडरसन radiomics समूह से प्रकाशित अध्ययनों की समीक्षा की । २०१५ में जनता के लिए अपनी रिहाई के बाद से, औबेक्स एमडी एंडरसन radiomics समूह द्वारा सीटी, पीईटी, और एमआरआई स्कैन छवियों से सुविधाओं की गणना करने के लिए इस्तेमाल किया गया है, आमतौर पर नैदानिक अस्तित्व मॉडल में सुधार करने के लिए सुविधाओं की जांच9,10, 11,12,13,14,15,16,17,18,19,20 और बाहर के संस्थानों द्वारा21,22,23,24. radiomics अनुसंधान है कि औबेक्स में शामिल नहीं है में कदम के लिए इस्तेमाल किया जा सकता है कि सॉफ्टवेयर उपकरण पर अतिरिक्त मार्गदर्शन अदालत में पाया जा सकता है एट अल. 25

औबेक्स के कार्यप्रवाह के लिए एक सामान्य परिचय औबेक्स का उपयोग radiomics परियोजनाओं शुरू करने से पहले डेटा ठीक से व्यवस्थित करने में मदद मिलेगी. यदि DICOM छवियों को आयात, औबेक्स की आवश्यकता है कि प्रत्येक रोगी अपने DICOM छवियों के साथ अपने स्वयं के फ़ोल्डर है । DICOM विकिरण संरचना सेट रोगी फ़ोल्डर में शामिल करने के लिए वैकल्पिक है, लेकिन औबेक्स में चक्कर मंच का उपयोग कर के बजाय सिफारिश की है । एक विशिष्ट अध्ययन के लिए सभी रोगियों को आयात करने के साथ सहायता करने के लिए, सभी रोगी फ़ोल्डरों एक फ़ोल्डर में एक साथ रखा जा सकता है ताकि सभी डेटा केवल एक कदम का उपयोग कर औबेक्स में आयात किया जा सकता है । यदि शिखर से रोगियों का आयात, यह सबसे अच्छा है रोगी योजना के साथ सेट संरचना है । के रूप में रोगियों को कई छवि सेट और शिखर के भीतर की योजना हो सकता है, यह सबसे अच्छा है पता है जो छवि सेट और योजना आयात करने से पहले सही हैं । यदि गणना समय चिंता का विषय है, एक रोगी के लिए छवि स्लाइस की संख्या को कम करने के लिए काफी समय कम कर सकते हैं । उदाहरण के लिए, यदि केवल जिगर एक अध्ययन में ब्याज की है, लेकिन रोगियों को पूरा शरीर सीटी स्कैन है, DICOM स्लाइस को कम करने के लिए केवल ब्याज के क्षेत्र की सीमा तक गणना समय छोटा कर सकते हैं (जैसे, ३०० स्लाइस से DICOM को कम करने के लिए ५० स्लाइसें ले जा सकते हैं 1/6t h द समय). इस स्लाइस में कमी करने के लिए अलग उपकरण उपलब्ध हैं, मैनुअल से अर्द्ध स्वचालित करने के लिए.

Protocol

1. औबेक्स स्थापित करें नोट: एक स्रोत कोड संस्करण स्थापित करने के लिए १.१ चरण पर जाएं । वैकल्पिक रूप से, एक स्टैंड-अलोन संस्करण स्थापित करने के लिए चरण १.२ पर जाएँ । स्रोत-कोड संस्करण <…

Representative Results

औबेक्स से आउटपुट एक स्प्रेडशीट है ( चित्रा 4देखें) जिसमें 3 टैब्स होते हैं । “परिणाम” टैब में डेटा सेट (आरेख 4A) में प्रत्येक ROI के लिए सुविधा मान होते हैं. “डेटा जानकार…

Discussion

औबेक्स मेडिकल इमेजिंग radiomics अनुसंधान के लिए एक शक्तिशाली उपकरण है । यह इस प्रकार अब तक ज्यादातर एमडी एंडरसन radiomics समूह द्वारा किए गए अध्ययनों में विकिरण कैंसर विज्ञान प्रयोजनों के लिए इस्तेमाल किया गया ह?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

राहेल जीईआर Rosalie बी हिते स्नातक फैलोशिप और अमेरिकी सेना सहायक फैलोशिप द्वारा वित्त पोषित है । कार्लोस Cardenas बायोमेडिकल साइंसेज में जॉर्ज एम Stancel पीएचडी फैलोशिप द्वारा वित्त पोषित किया गया है । औबेक्स के विकास को NCI (R03 CA178495) ने वित्तपोषित किया था.

Materials

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

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. Haralick, R. M., Shanmugam, K. Textural features for image classification. IEEE Trans Syst Man Cybern. , 610-621 (1973).
  4. Galloway, M. M. Texture analysis using gray level run lengths. Comp Graphics and Im Proc. 4, 172-179 (1975).
  5. Tang, X. Texture information in run-length matrices. IEEE Trans on Im Proc. 7, 1602-1609 (1998).
  6. Amadasun, M., King, R. Textural features corresponding to textural properties. IEEE Trans Syst Man Cybern. 19, 1264-1274 (1989).
  7. Fave, X., et al. Preliminary investigation into sources of uncertainty in quantitative imaging features. Comp Med Imaging Graph. 44, 54-61 (2015).
  8. 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).
  9. 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).
  10. Fave, X., et al. Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer. Scientific Reports. 7, 588 (2017).
  11. 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).
  12. 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).
  13. Mackin, D., et al. Measuring Computed Tomography Scanner Variability of Radiomics Features. Invest radiol. 50, 757-765 (2015).
  14. 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).
  15. 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).
  16. Hunter, L. A., et al. NSCLC tumor shrinkage prediction using quantitative image features. Comp Med Imaging Graph. 49, 29-36 (2016).
  17. 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).
  18. 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).
  19. Gan, J., et al. MO-DE-207B-09: A Consistent Test for Radiomics Softwares. Med Phys. 43, 3706-3706 (2016).
  20. 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).
  21. 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).
  22. Hanania, A. N., et al. Quantitative imaging to evaluate malignant potential of IPMNs. Oncotarget. 7, 85776-85784 (2016).
  23. Court, L. E., et al. Computational resources for radiomics. Trans Cancer Res. 5, 340-348 (2016).
  24. . Matlab Add path Available from: https://www.mathworks.com/help/matlab/ref/addpath.html (2017)
  25. Zhao, B., et al. Reproducibility of radiomics for deciphering tumor phenotype with imaging. Sci Rep. 6, 23428 (2016).
  26. Owens, C., et al. Reproducibility and Robustness of Radiomic Features Extracted with Semi-Automatic Segmentation Tools. Med Phys. , (2017).
  27. 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).
  28. . IBEX Google Forum Available from: https://groups.google.com/forum/#!forum/ibex_users (2017)

Play Video

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).

View Video