Waiting
Login processing...

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

Engineering

Retningslinjer og erfaring med Imaging biomarkør Explorer (IBEX) for 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

Vi beskriver IBEX, en åpen kildekode verktøy for medisinsk bildebehandling radiomics studier, og hvordan du bruker dette verktøyet. I tillegg vises noen publiserte verker som har brukt IBEX for usikkerhet analyse og modell bygning.

Abstract

Imaging biomarkør Explorer (IBEX) er en åpen kildekode-verktøy for medisinsk bildebehandling radiomics arbeid. Formålet med dette dokumentet er å beskrive hvordan å bruke IBEXS grafisk brukergrensesnitt (GUI) og å vise hvordan IBEX beregnet funksjoner har blitt brukt i kliniske studier. IBEX tillater import av DICOM-bilder med DICOM stråling terapi struktur eller Pinnacle filer. Når bildene er importert, har IBEX verktøy innen Data utvalg GUI å manipulere visning av bilder, voxel målverdier og avstander, og opprette og redigere konturer. IBEX kommer med 27 forbehandling og 132 funksjonen valg å designe funksjonssettene. Hver forbehandling og funksjonen kategori har parametere som kan endres. Utdataene fra IBEX er et regneark som inneholder: 1) hver funksjon funksjon beregnet for hver profil i et datasett, 2) bildet informasjon om hver profil i et datasett, og 3) et sammendrag av den forbehandling og funksjonene med deres valgte parametere. Funksjoner beregnet fra IBEX har blitt brukt i studier for å teste variasjon av funksjoner under ulike imaging forhold og overlevelse modeller å forbedre dagens klinisk modeller.

Introduction

I medisin, pasientens sykdom diagnose vanligvis inneholder en rekke diagnostiske eksamener som røntgenbilder, ultralyd, beregnede tomografi (CT), magnetisk resonans imaging (MRI), og fantes et positron utslipp tomografi (PET) skanner for å bistå i å bestemme den løpet av pasientbehandlingen. Mens leger bruker disse bildene til kvalitativt vurdere pasientens diagnose, kan det hende kvantitative tilleggsfunksjoner som kan trekkes for å veilede pasientbehandlingen. Begrunnelsen er at disse funksjonene kan representere proteomic og genomisk mønstre uttrykt på makroskopisk skala1. Kombinere kvantitative informasjonen med gjeldende klinisk informasjon, f.eks, pasientens demografi, kan mer individualisert pasientbehandlingen. Dette er teorien bak radiomics: funksjonen analyse av bilder på voxel nivå. Funksjonene faller vanligvis inn i 5 hovedkategorier: grå nivå samtidig forekomst matrise, grå nivå kjørelengde matrise, nabolaget intensitet forskjellen matrise, histogram og form.

Imaging biomarkør Explorer (IBEX) er en åpen kildekode-verktøy for radiomics arbeid2. Det grafiske brukergrensesnittet (GUI) ble utviklet ved MD Anderson Cancer Center med det mål å tilrettelegge for utvinning og beregning av kvantitative funksjoner å bistå i beslutningsprosesser i kreft omsorg. En kilde kode3 og en frittstående4 versjon er tilgjengelig online. IBEX beregner 5 vanligste kategoriene av funksjonene medisinsk radiomics med parametere kan angis for hver funksjon. Kategoriene er: grå nivå samtidig forekomst matrix5, grå nivå kjørelengde matrix6,7, intensitet, nabolaget intensitet forskjellen matrix8og figuren. Siden IBEX er åpen kildekode, gir det harmoniserte funksjonen utvinning resultatene på tvers av institusjoner lett sammenligne ulike radiomics studier. Alle funksjoner i IBEX er beskrevet i den første av Zhang et al. 2

Hensikten med denne oppgaven er å gi veiledning om hvordan du bruker IBEX og demonstrere sin programmer gjennom fagfellevurderte publiserte studier fra MD Anderson radiomics gruppen. Siden lanseringen for publikum i 2015, har IBEX blitt brukt til å beregne funksjoner fra CT, PET og MRI skanne bilder av gruppen MD Anderson radiomics vanligvis undersøke funksjoner for å forbedre klinisk overlevelse modeller9,10, 11,12,13,14,15,16,17,18,19,20 og utenfor institusjoner21,22,23,24. Ytterligere veiledning om verktøy som kan brukes for trinnene i radiomics forskning som ikke er inkludert i IBEX finnes i retten et al. 25

En generell innføring i arbeidsflyten av IBEX vil bidra til å organisere data riktig før du starter radiomics prosjekter utnytte IBEX. Hvis importerer DICOM-bilder, krever IBEX at hver pasient har sin egen mappe med deres DICOM-bilder. DICOM stråling struktur sett er valgfritt å inkludere i mappen pasient, men anbefales istedet for benytter kontur plattformen i IBEX. Hjelp med importerer alle pasienter for en bestemt studie, kan alle pasienten mapper plasseres i en mappe sammen slik at alle data kan importeres til IBEX bruker bare ett trinn. Hvis importerer pasienter fra Pinnacle, er det best å ha struktur med pasienten planen. Som pasienter kan ha flere image sett og planer i Pinnacle, er det best for å vite hvilket bilde satt og plan er riktig før du importerer. Hvis beregning tid betyr, kan reduserer bilde-stykker for en pasient drastisk redusere tiden. For eksempel hvis bare leveren er av interesse i en studie men pasienten har kan hele kroppen CT skanner, redusere DICOM-stykker til bare omfanget av området av interesse forkorte beregning tid (f.ekså redusere DICOM fra 300 stykker til 50 stykker kan ta 1/6t h tiden). Det finnes ulike verktøy for å utføre denne stykke reduksjon, fra manuell til semi-automatisk.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. installere IBEX

Merk: Installere en kildekode versjon gå til trinn 1.1. Eventuelt installere en frittstående versjon gå til trinn 1.2.

  1. Kilde-koden versjon
    1. Gå til IBEX kildekode versjonen nettside3. Laste ned "IBEX_Source.zip" og "How_to_use.pdf". Se i filen "How_to_use.pdf" å finne forutsetninger for å bruke den nyeste IBEX versjonen.
      Merk: IBEX fungerer bare på 32 bit og 64 bit Matlab versjoner 2011a og 2014b, henholdsvis.
    2. Når nedlastingen er fullført, unzip det "IBEX_Source.zip" og Legg \IBEX_Source mappen til den lokale banen.
      Merk: Instruksjoner om hvordan du legger til stien kan bli funnet på siden programvare referanser for "Legg til banen"26.
    3. Skriv inn "IBEXMain" i vinduet starte IBEX.
  2. Frittstående versjon
    1. Gå til IBEX frittstående versjonen nettside4. Hvis du installerer IBEX for første gang, gå til mappen "Avhengighet" og laste ned/installere "MCRInstaller.exe," vc2005redist_x86_new.exe, "og"vc2012redist_x86.exe"filer. Hovedsiden, laste ned den "IBEX.exe," "IBEX.ctf," "IBEX.ini," og "How_to_use.pdf" filer i samme mappe. Se i filen "How_to_use.pdf" for forutsetninger for å bruke den nyeste IBEX versjonen.
    2. Dobbeltklikk "IBEX.exe" for å starte IBEX.

2. Angi plasseringen

Merk: Bildene importeres til denne angi plasseringen og dataene for denne studien er lagret her også. IBEX bruker de tidligere brukt plasseringen som standard når relansert.

  1. Klikk på ikonet "Plasseringen" (figur 1).
  2. Velg bruker eller dobbel falle i staver "Ny bruker" for å opprette en ny bruker brosjyre. Hvis skaper en ny bruker brosjyre, skriver du inn navnet i det nye vinduet klikk "OK"-knappen.
  3. Velg området i den valgte brukeren eller Dobbeltklikk "Nye nettsted" for å opprette en ny mappe i området. Hvis skaper en ny bruker brosjyre, skriver du inn navnet i det nye vinduet klikk "OK"-knappen.
  4. Klikk på "OK"-knappen nederst.

3. import bilder

  1. Klikk på ikonet "Import" (figur 1).
  2. Velg DICOM eller Pinnacle9 (Pinnacle filversjon 9) format ved å klikke på navnet til formatet. Importere DICOM gå bilder til trinn 3.3.1. Importere Pinnacle9 gå filer til trinn 3.3.2.
  3. Klikk "Neste"-knappen.
    1. Importere DICOM-bilder
      Merk: Importere pasienter individuelt gå til trinn 3.3.1.1. Importere gå flere brukere samtidig til trinn 3.3.1.2.
      1. Importere hver pasient individuelt ved å velge mappen pasienten gjennom katalogen.
        1. Klikk på knappen "..." ved siden av mappen å velge pasienten mappen som inneholder DICOM-bilder og stråling struktur satt DICOM-fil (valgfritt).
          Merk: Det er bare valgfritt importere en struktur med pasienten filene, det anbefales å gjøre dette. IBEX har en kontur plattform i det, men dette er noe upraktisk for store datasett. IBEX rommer struktur sett fra kommersiell programvareplattformer som kjenner kontur verktøy for stråling onkologer, noe som gjør arbeidsflyten lettere. Dette er vanligvis hvordan IBEX brukes i studier.
        2. Klikk på "Import"-knappen nederst til venstre når IBEX har søkt DICOM-filer, pasienten og detaljer boksene fylles.
        3. Gjenta trinn 3.3.1.1.1 - 2 etter hver pasient.
        4. Klikk "Avslutt"-knappen når alle pasienter er importert.
      2. Importere alle pasienter samtidig ved å merke boksen "Batch mappen" i øvre høyre hjørne.
        Merk: Alle pasienter må ha en egen mappe som inneholder deres respektive DICOM-filer.
        1. Klikk på knappen "..." ved siden av mappen å velge mappen som inneholder alle pasienten mapper med deres tilsvarende DICOM-bilder og stråling struktur satt DICOM-fil (valgfritt).
        2. Klikk på "Import"-knappen. Pasientene vil bli importert sekvensielt. Klikk "Avslutt"-knappen når alle pasienter er importert.
    2. Pinnacle filer
      1. Konfigurere Pinnacle vert og Database i filen "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Klikk "Config" før du velger Pinnacle i boksen Importer modul.
      2. Velg riktig Pinnacle vert og databasen.
      3. Angi pasienten MRN, etternavn eller fornavn og klikker et annet sted i vinduet.
      4. Klikk "Query".
      5. Velg pasient i det nye vinduet og klikk på "Transfer"-knappen.
      6. Klikk boksen av ønsket bilde fra at pasienten i det nye vinduet og klikk "OK"-knappen.
      7. Klikk "OK" i det nye vinduet som er kalt "Dataene importert."
      8. Klikk "Avslutt"-knappen når alle pasienter er importert.

4. vise bilder og områder av interesse (ROIs)

  1. Klikk på ikonet "Data" (figur 1). Klikk på ønsket pasienten fil åpne i delen "Velg en pasient" GUI (øverste halvdel).
  2. Klikk på bildet sett ønsket pasienten fil åpne i delen "Velg bilde ble" GUI (nederste halvdel). Klikk på knappen "Åpne".
  3. Bruk pilene under bildene for å bla gjennom bilder, som er vist i aksial, koronale, og sagittal utsikt (fra venstre til høyre).
  4. Zoome inn på bildet ved å klikke på knappen "Zoom" (figur 2). Tegne en boks på bildet flyet å zoome. Høyreklikk for å zoome ut.
  5. Slå på localizers ved å velge knappen "Veikryss" (figur 2).
    Merk: Linjer som vises viser hvor sektoren er plassert i hver planet. Disse linjene flytte når du ruller ved hjelp av pilene.
  6. Klikk på knappen «Hersker» (figur 2) til å måle avstander. Klikk og hold venstre museknapp for å måle imellom det to meningene av interesse. Slipp museknappen for å fjerne den målte verdien fra vises.
  7. Klikk på knappen "CT Num" (figur 2) til å måle verdien av en voxel. Klikk og hold venstre museknapp på voxel rundt og verdien vil dukke opp på venstre side av GUI under fargeskala. Slipp museknappen for å fjerne den målte verdien fra vises.
  8. Klikk på "W/L" knappen (figur 2) vindu/nivå bildene. Et annet vindu ville popmusikk opp. Dra venstre og høyre side til ønsket område eller manuelt angi vindu/nivået i vinduet og nivå-boksen nederst i det nye vinduet. Velge forskjellige vindu/nivåer med første rullegardinmenyen til venstre ( figur 2): det er 8 for CT og 1 for kjæledyr
  9. Velg forskjellige fargeskalaer bruk av andre rullegardinmenyen til venstre (figur 2): det er 9 alternativer å velge mellom.
  10. Visualisere ROIs ved å klikke på boksen ved siden av Avkastningen gjøre det synlig på bildene, eller klikk på knappen "På alle ROIs" aktivere alle pasienten ROIs.

5. redigere avkastning

  1. Redigere ROIs ved å klikke på knappen "Rediger ROIs" øverst til venstre eller i midten nederst. Velg konturen redigere ved å klikke boksen ved siden av navnet.
  2. Bruke knappen "Nudge konturer" (Figur 3) å presse konturer inn eller ut som allerede trukket. Justere størrelsen på sirkelen i boksen merket "D" ved siden av skyve konturer.
  3. Fjerne et helt kontur stykke ved hjelp av knappen "Kuttet konturer" (Figur 3). Klikk og hold nede venstre museknapp og tegne en ramme rundt Avkastningen fjernes.
  4. Tegne konturer
    Merk: Gå til trinn 5.4.1 å trekke konturer ved å koble poeng. Gå til trinn 5.4.2 å trekke konturene av frihånd.
    1. Koble poeng: Bruke knappen "Tegn omriss (1)" (Figur 3) til å tegne en kontur på hver skive ved poeng rundt omrisset der punktene er forbundet med rette linjer. Fullføre Avkastningen for sektoren ved å klikke på det første punktet trukket.
    2. Frihånd: Bruke knappen "Draw konturer (2)" (Figur 3) til å tegne en kontur av frihånd. Hold venstre museknapp for å tegne omrisset på stykket. Fullføre konturene på sektoren ved kommer tilbake til begynnelsen av tegnet Avkastningen og deretter slippe venstre museknapp.
  5. Klikk på knappen "Interpolere konturer" (Figur 3) til interpolere ROIs mellom stykker.
  6. Klikk på knappen "Kopier ROI" kopiere Avkastningen.
  7. Flette ROIs ved å velge flere ROIs og deretter velge "Flette ROI".
  8. Klikk "Slett ROI" for å slette valgte Avkastningen.
  9. Klikk "Opprett ROI" lage en ny avkastning som vil føre til et vindu ville popmusikk opp. Angi navnet på Avkastningen og klikk "OK"-knappen. Klikk på "Lagre"-knappen. Klikk "Avslutt"-knappen for å returnere til pasienten betrakteren.

6. konturer i datasettet

  1. Vise konturer i datasettet
    1. Klikk på "Vis Data Set"-knappen for å vise konturer i datasettet. Klikk på navnet på datasettet vise. Klikk på knappen "Åpne". Velg pasient arbeidsprofilene bruker boksen ved siden av navnet. Klikk på "Slett", "Flytt" eller "Kopier" knappen avhengig av ønsket funksjon for den profilen. Lukk vinduet datasett når ferdig viser datasettet.
  2. Legge til konturer datasettet
    1. Velg konturer å legge til et datasett ved å klikke i avkryssingsruten ved siden av navnet og klikk knappen "Legg til datasett". Klikk på navnet på datasettet legge til konturer eller klikk knappen "Ny" for et nytt figurdatasett. Hvis New er valgt, angir du navnet på datasettet i det nye vinduet. Klikk på "OK"-knappen.
  3. Klikk "Import ROIs" for å importere en Pinnacle versjon 9 .roi filen hvis konturer ikke ble lastet inn i punkt 3.
    1. Klikk på "..."-knappen for å velge filen. Klikk på "Import"-knappen.
  4. Klikk "Eksportere ROIs"-knappen for å eksportere ROIs.
    1. Klikk "..."-knappen for å velge mappen der eksportert ROIs plasseres. Klikk på navnet til formatet som foretrekkes for de eksporterte ROIs. Angi anonymiseringsnøkkel informasjon hvis som foretrekkes. Klikk Eksporter.
      Merk: Forhåndsinnstillingen er ingen anonymiseringsnøkkel utføres.
  5. Klikk "Avslutt"-knappen for å gå tilbake til listen over pasienter og skanner.

7. opprette funksjonssett

  1. Klikk på ikonet "Ansiktstrekk".
  2. Legg forbehandling hvis ønskelig.
    1. Klikk på "Legg til" knappen under "Trinn 1: de". Velg alternativet forbehandling fra rullegardinmenyen i det nye vinduet.
    2. Klikk på "i" under "Para." å velge parameterne forbehandling. Klikk på antallet i verdi-kolonnen i det nye vinduet parameteren å endre den. Skriv inn den nye parameterverdien for og klikk "OK"-knappen.
    3. Klikk på knappen "spørsmålstegn" i øvre høyre hjørne for en beskrivelse av metoden forbehandling og forbehandling av bestemte parametere.
    4. Klikk på "Legg til" knappen. Velg forbehandling trinnet og klikk på "Slett"-knappen for å slette uønskede forbehandling trinnene.
  3. Legge til funksjoner ønsket.
    1. Velg kategorien funksjonen fra rullegardinmenyen under "trinn 2: funksjoner Kategori:". Gjenta for flere kategorier.
      Merk: Bare én kategori funksjoner kan legges samtidig. Forskjellige kombinasjoner av forbehandling og funksjonen kan legges til samme funksjon sett hvis ønskelig.
      1. Velg "GrayLevelCooccurenceMatrix25" og "NeighborIntensityDifference25" funksjon kategoriene for å beregne den grå nivå samtidig forekomst matrise og nabolaget intensitet forskjellen matrise, henholdsvis i 2.5 D, som er gjort av databehandling matrise på hver skive individuelt og deretter summere alle matriser sammen.
      2. Velg "GrayLevelCooccurenceMatrix3" og "NeighborIntensityDifference3" funksjon kategoriene for å beregne den grå nivå samtidig forekomst matrise og nabolaget intensitet forskjellen matrise, henholdsvis i 3D.
    2. Klikk på "i" under "Para." for parameterne valgt for at forbehandling. Klikk på knappen "spørsmålstegn" i øvre høyre hjørne for en beskrivelse av metoden forbehandling og parameterne.
      1. Skriv inn den nye parameterverdien for og klikk "OK"-knappen.
    3. Klikk "Test" for å vise en funksjonskategori eller funksjonen. Velg knappen ved siden av funksjonen eller kategori ønsket.
      1. Velg datasettet vise testen på og klikk på knappen "Åpne". Merk av for pasienter fra det valgte datasettet vise testen på og klikk på "Test"-knappen.
    4. Fjern uønsket vise egenskaper for kategorien som velges; alle funksjoner er valgt etter å velge kategori. Klikk ordet "funksjoner:" under "Trinn 2: egenskaper" å uncheck alle funksjonene.
    5. Klikk "Legg til funksjonen-Set" for å legge til alle valgte funksjoner med valgte forbehandling.
      1. Velg funksjonen satt til funksjoner og klikk på knappen "Åpne" eller klikk "Ny" for å legge til funksjoner til det nye funksjonssettet. Hvis oppretting av det nye funksjonssettet, angir navnet på funksjonen Angi i det nye vinduet og klikk "OK"-knappen.
  4. Klikk "Vis funksjonssett" for å vise funksjoner med tilsvarende forbehandling teknikker å vise funksjoner i et funksjonssett.
    1. Velg funksjonen satt til å vise og klikk på knappen "Åpne" eller "Nye" Klikk for å opprette et nytt funksjonssett. Hvis oppretting av det nye funksjonssettet, angir navnet på funksjonen Angi i det nye vinduet og klikk "OK"-knappen.
  5. Klikk på "Vis Data Set"-knappen for å vise gjeldende datasett.
    1. Velg datasettet vise og klikk på knappen "Åpne" eller klikk "Ny" for å opprette et nytt figurdatasett. Om å opprette et nytt Figurdatasett, angi navnet på datasettet i det nye vinduet og klikk "OK"-knappen.
  6. Klikk "Avslutt".

8. output funksjoner

  1. Klikk på "Resultat"-ikonet. Klikk på datasettet kjøre funksjonene under "trinn 1: datasett." Klikk funksjonen satt til å kjøre på de valgte dataene under "trinn 2: funksjonssett."
  2. Klikk på "visningsdata" knappen for å vise det valgte datasettet. Klikk på knappen "Vis funksjon" vise valgte angi.
  3. Velg knappen "Beregne og lagre resultatet". Angi filnavnet for resultatene og klikk på "Lagre"-knappen.

9. statistiske Model Building

  1. Åpne lagrede filen.
    Merk: Dette er vanligvis under C:\IBEX\DataIbex\[Selected bruker i trinn 2.2] \ [valgt område i trinn 2.3] \1FeatureResultSet_Result, med mindre annet tildelt i trinn 8.4.
  2. Bruke dataene fra de forskjellige kategoriene i de ønskede statistiske testene eller modell bygning i programvare.
    Merk: Protokollen kan pauses når som helst. Men er det mest hensiktsmessig etter alle trinnene som er nødvendige for en bestemt ikon, f.eksetterbehandling alle avsnitt 7 som er under ikonet funksjonen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Utdataene fra IBEX er et regneark (se Figur 4) som inneholder 3 tabs. Kategorien "Resultater" inneholder funksjonen verdiene for hver avkastning i datasettet (Figur 4A). Kategorien "Data Info." inneholder informasjon om bildene er tatt fra hver avkastning i datasettet (Figur 4B). Kategorien "Funksjonen Info." inneholder en omfattende liste over funksjoner med parameterne valgt for kategorien funksjonen og det forbehandling brukes for kategorien funksjoner (Figur 4C).

The IBEX beregnet funksjoner fra medisinske bilder har blitt benyttet i flere sammenhenger. Hunter et al. brukt en tidlig versjon av IBEX for å identifisere robust bilde funksjoner19. Favoritt et al. undersøkt usikkerheten i radiomics funksjoner 4 D CT thorax skanninger samlet på ulike åndedretts faser, topp rør spenning og rør strøm9. Denne studien fant intra pasienten variasjonen skal være mindre enn Inter pasienten variasjon for de fleste har når rør spenning og strøm var varierte, gjør disse faktorene ubetydelig. Reproduserbarhet av funksjonen fra cone beam CT (CBCT) bilder ble deretter evalueres bruker IBEX10. I denne studien ble funksjoner beregnet fra lunge CBCT bilder funnet for å være reproduserbar når samme protokoll og produsent ble brukt bare når puste bevegelse var liten. Bilde forbehandling innvirkning på funksjonen verdier ble senere evaluert. Studien viste at 39 55 funksjonene studerte hadde minst én forbehandling teknikk som resulterte i betydelig lagdeling for total overlevelse bruker Cox proporsjonal farer modeller som angir at ulike forbehandling kreves for hver har11. Usikkerheten i funksjoner fra perfusjon CT-bilder er også evaluert med IBEX. Yang et al. viste at radiomics funksjoner ikke var avhengig av kontrast administrasjon og CT scan, og at 86,9% av reproduserbar med en Inter økt stabilitet konkordans sammenhenger koeffisient større enn eller lik 0.916. Endelig, en fantom ble utviklet for å teste mellom skanner variasjon på et delsett med funksjoner15. Tekstur styrke ble funnet for å være den mest konsekvente funksjonen mens travelheten ble funnet for å variere de.

Radiomics funksjonene fra IBEX er også ofte brukt for modellen bygge, vanligvis ser på total overlevelse, lokale-regionale kontroll og frihet fra fjernmetastaser. Stekt et al. identifisert 8 radiomics funksjoner fra ikke-småcellet lungekreft (NSCLC) pasienter CT skanner at når implementert i en Cox proporsjonal farer modeller for total overlevelse, loco-regionale kontroll og fjernmetastaser betydelig forbedret Kaplan-Meier lagdeling sammenlignet med modeller som bare brukes kliniske data20. Tilsvarende favoritt et al. funnet radiomics funksjoner som forbedret pasienten lagdeling i overlevelse kurver12. Studiet brukt ukentlige CT-bilder og beregnede endringer i lunge radiomics funksjoner. Beregnet funksjoner i modellen hadde fire forskjellige forhåndsbehandling metoder: (1) terskelverdi, (2) terskelen og bitdybden, (3) terskelverdi og utjevning, (4) terskelverdi, bitdybde og utjevning; og best pre-prosessering metoden ble valgt for hver funksjon individuelt før testes i Cox proporsjonal farer modeller. Hunter et al. viste også at radiomics funksjoner kan forutsi svulst krymper i NSCLC pasienter mens du utforsker ulike terskler og litt dybde rescale verdier18.

PET bildets radiomics funksjoner og deres prognostiske verdi har også vært undersøkt bruker IBEX. Stekt et al. skalert standardiserte opptak verdier (SUV) av avrunding SUVer til nærmeste hele tall og deretter trekke minimum SUV for at Avkastningen fra resten13. Energi og soliditet fant statistisk forbedre en total overlevelse modell da sammenliknet med modellen når bare konvensjonelle klinisk faktorer var inkludert. Disse to radiomics funksjonene fant også kunne identifisere undergrupper av pasienter som fikk en fordel eller skade fra dose opptrapping14. Tilsvarende van Rossum et al. funnet en økning i c-indeks for en klinisk prediksjon modell av patologisk komplett svar når inkludert radiomics funksjoner i klinisk modeller17.

Figure 1
Figur 1 : IBEX hjemmesiden. Hovedsiden for IBEX med ikoner for hver inndeling. Hver av disse delene er beskrevet i paragraf 2-6. Klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2 : Datavinduet. GUI-vinduet brukes for datamanipulering utvalg. Vinduet kommer med knappene for å endre utseendet på bildene som beskrevet i trinnene 4.4-4.10. Klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3 : Avkastningen redigeringsvinduet. GUI vinduet brukes for avkastning manipulasjon. Vinduet kommer med samme knappene for å endre utseendet som datautvalget samt knappene for å endre ROIs. ROI manipulasjon er beskrevet i paragraf 5. Klikk her for å se en større versjon av dette tallet.

Figure 4
Figur 4 : IBEX resultater regnearket. IBEX utganger tre sider med informasjon i et regneark. Den første siden (A) inneholder funksjonen for hver avkastning, den andre siden (B) inneholder informasjon om bilder som ROIs ble trukket på, og den tredje siden (C) inneholder informasjon om funksjonene og forbehandling brukes. Resultatene for dette tallet bruker fra en fantom studie hvor funksjoner ble beregnet Butterworth utjevning og 8-bits dybde rescaling, vist i panelet C, kolonne E, rad 5 og 6. Klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

IBEX er et kraftig verktøy for medisinsk bildebehandling radiomics forskning. Det har hittil stort sett blitt brukt for radiation oncology formål i studier utført av MD Anderson radiomics group. IBEX tillater manipulering av ROIs og beregning av funksjoner i 5 Hovedtrekket kategorier. Kilde koden versjon av IBEX lar brukeren designprogrammer som ikke allerede er en del av IBEX, som grå nivå sonen matrisen funksjoner.

De viktigste trinnene involvert i IBEX er import av bilder, kontur av ROIs, utvalg av ROIs for datasett, og etableringen av funksjonssett. Nøyaktig konturene er nødvendig som funksjoner beregnes bare innenfor disse områdene, og dermed unøyaktig konturer vil gi unøyaktige funksjonen verdier. Dermed noen sammenheng mellom disse funksjonene beregnes på unøyaktig konturer og resultatene vil være falske. Parameteren valg for funksjonene er også et viktig steg. For eksempel kan endre trinn størrelsen for grå nivå samtidig forekomst matrisen påvirke funksjonene beregnes fra matrisen. Dette kan avhenge bildetypen (dvs., MRI, CT, eller PET), området for undersøkelse (f.eksNSCLC vs hodet og nakken) og formålet med undersøkelsen (f.eksopprette overlevelse modeller vs koble funksjoner med genomics). Funksjonen parametere bør velges basert på en fysisk eller biologiske resonnementer, f.eks, er det en grunn til at et steg størrelse 4 ville være biologisk relevant i en samtidig forekomst matrise? Funksjonen parametere kan også velges basert på tidligere studier som har funnet visse funksjonen parametre å korrelere med resultater eller biologiske uttrykk. IBEX har 27 forbehandling moduler og 132 funksjoner tilgjengelige, sammen med tillater endring av parametere for hver forbehandling modul og funksjonen, som gjør det et tilpasningsdyktig verktøy for mange typer radiomics studier.

Det er flere generelle begrensninger i radiomics forskning som gjelder når du bruker programvare. Funksjoner har for eksempel vist avhengig bilde oppkjøpet parametere som voxel størrelse og skanner15,27. En begrensning av all programvare er at det er mange parametere kan endres for hver funksjon og standardverdier kan ikke være passende for spesifikke studier. Brukere må være årvåken og forskning tidligere brukes innstillingene for lignende studier og evaluere anvendelse av innstillingene. Kvaliteten på konturer og iboende inter - og intra-observatør variasjon kan også påvirke beregningen av funksjoner. Owens et al. viste at beregnede funksjoner er mer robust ved automatisk å omforme verktøy28. Funksjonene beregnes for radiomics studier er menneske-konstruert funksjoner og kan ikke fullt formidler funksjonene observert av visuell persepsjon systemet. I tillegg kan disse funksjonene være svært korrelert til hverandre skaper vanskeligheter når du analyserer resultatene. En bestemt begrensning av IBEX er at gjeldende versjon mangler tilgjengeligheten for å beregne wavelet funksjoner; imidlertid vil vår gruppe inkluderer funksjonene i fremtidige versjoner.

Det finnes flere alternativ programvareplattformer for beregning av bildet funksjoner25. Noen fordeler ved IBEX inkluderer det faktum at det er fritt tilgjengelig, er godt dokumentert2, og lar brukere detaljert kontroll over bildet funksjonen beregningene. IBEX viser også behandlet pasienten bildene (f.eksetter utjevning), slik at brukeren kan visualisere virkningen av noen bildebehandling - dette er nyttig for eksempel når bekrefter at det forbehandling ikke har over glattet bildene. Tilsvarende kan IBEX eksportere faktiske samtidig forekomst matrise og intensitet histogrammer; Dette kan være nyttig når hulene dypere inn i funksjonene for bildet.

IBEX er utelukkende brukt for kreft studier, hovedsakelig fokusert på strålebehandling. Imidlertid kan fremtidige studier grenen ut til andre kreft behandlinger eller utenfor feltet kreft. For eksempel brukes Kassner et al. radiomics for å forutsi hemoragisk transformasjon hos pasienter med akutt iskemiske hjerneslag29. IBEX kan også brukes i radiomics studier av denne typen.

IBEX har også stadig vedlikehold. For eksempel funnet en studie av favoritt et al. at 5 funksjoner (travelheten, grov, grå nivå ingen-enhetlighet, kjørelengde ingen-enhetlighet og energi) var sterkt volum avhengige og korrigert deres formler11. Disse oppdaterte formlene er inkludert i den oppdaterte versjonen av IBEX. Det er en google gruppe30 som har brukere legge inn spørsmål som andre brukere deretter svare. Denne stadig forbedring av IBEX i tillegg til gjeldende funksjoner IBEX og dens tilgjengelighet gjør det en enestående kilde for radiomics studier.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen konkurrerende økonomiske interesser å avsløre.

Acknowledgments

Rachel Ger er finansiert av Rosalie B. Hite Graduate Fellowship og American Legion ekstra fellesskap. Carlos Cardenas er finansiert av George M. Stancel PhD fellesskap i biomedisinsk vitenskapene. Utviklingen av IBEX ble finansiert av 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).

Tags

Engineering problemet 131 Radiomics tekstur analyse kvantitativ funksjoner ikke-småcellet lungekreft kvantitativ analyse bildeanalyser
Retningslinjer og erfaring med Imaging biomarkør Explorer (IBEX) for 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