Waiting
Login processing...

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

Engineering

Directrices y experiencia en el uso de biomarcadores Explorer (IBEX) la proyección de imagen de Radiomics

doi: 10.3791/57132 Published: January 8, 2018

Summary

Describimos a IBEX, una herramienta de código abierto diseñada para que estudios de radiomics proyección de imagen médica y cómo utilizar esta herramienta. Además, se exhiben algunos trabajos publicados que han utilizado el IBEX para el análisis de incertidumbre y construcción del modelo.

Abstract

Imaging Biomarker Explorer (IBEX) es una herramienta de código abierto para trabajo de radiomics proyección de imagen médica. El objetivo de este trabajo es describir cómo utilizar la interfaz de usuario gráfica del IBEX (GUI) y para demostrar cómo el IBEX calcula características se han utilizado en estudios clínicos. IBEX permite la importación de imágenes DICOM con Pinnacle archivos o archivos de estructura de la terapia de radiación de DICOM. Una vez que las imágenes son importadas, IBEX tiene herramientas dentro de la interfaz de selección de datos para manipular la visualización de las imágenes, valores de voxel medida y distancias y crear y editar contornos. IBEX viene con 27 opciones de función de preprocesamiento y 132 diseñar conjuntos de características. Cada categoría de preprocesamiento y función tiene parámetros que pueden modificarse. La salida de IBEX es una hoja de cálculo que contiene: 1) cada característica del conjunto calculado para cada contorno en un conjunto de datos, 2) información sobre cada contorno en un conjunto de datos y 3) un resumen del proceso previo de características y funciones con sus seleccionados parámetros. Características calculadas del IBEX se han utilizado en estudios para probar la variabilidad de características bajo diferentes condiciones de proyección de imagen y modelos de supervivencia para mejorar modelos clínicos actuales.

Introduction

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

En medicina, diagnóstico de la enfermedad paciente normalmente incorpora un gran número de exámenes de diagnóstico como rayos x, ultrasonido, tomografía computada (CT), resonancia magnética (MRI), y exploraciones de tomografía por emisión de positrones (PET) para ayudar a determinar la curso de atención al paciente. Mientras que los médicos usan estas imágenes para evaluar cualitativamente el diagnóstico del paciente, puede haber características cuantitativas adicionales que se pueden extraer para guiar la atención del paciente. La razón es que estas características pueden representar proteómica y genómicos patrones expresados en la escala macroscópica1. Combinando esta información cuantitativa con la información clínica actual, por ejemplo, Demografía del paciente, puede permitir más individualizada atención al paciente. Esta es la teoría detrás de radiomics: disponen de análisis de imágenes a nivel de voxel. Las características típicamente se dividen en 5 categorías principales: gris matriz de co-ocurrencia nivel, gris longitud de ejecución nivel matriz, matriz de diferencia de intensidad de barrio, histograma y forma.

Imaging Biomarker Explorer (IBEX) es una herramienta de código abierto para radiomics de trabajo2. La interfaz gráfica de usuario (GUI) se desarrolló en el MD Anderson Cancer Center con el objetivo de facilitar la extracción y el cálculo de cuantitativos características para ayudar en la toma de decisiones en el tratamiento del cáncer. Una fuente código3 y una versión stand-alone4 están disponibles en línea. IBEX calcula las 5 categorías más comunes de características usadas en radiomics médica con los parámetros que se pueden establecer para cada categoría de característica. Las categorías son: gris de la matriz de co-ocurrencia nivel5gris longitud de ejecución nivel matriz6,7, intensidad, barrio intensidad diferencia matriz8y forma. Ya que el IBEX es de código abierto, permite resultados de extracción de característica armonizada a través de las instituciones para comparar fácilmente diferentes radiomics estudios. Todas las funciones dentro de IBEX son descritas en el documento inicial por Zhang et al. 2

El propósito de este manuscrito es proporcionar orientación sobre cómo utilizar IBEX y demostrar sus aplicaciones a través de estudios publicados revisados por pares del grupo de radiomics de MD Anderson. Desde su lanzamiento al público en el año 2015, IBEX se ha utilizado para calcular características de CT, PET y MRI exploración de imágenes por el grupo de radiomics de MD Anderson, normalmente investiga características para mejorar la supervivencia clínica modelos9,10, 11,12,13,14,15,16,17,18,19,20 y por fuera las instituciones21,22,23,24. Orientación adicional sobre herramientas de software que puede ser utilizado para los pasos en la investigación de radiomics que no están incluidos en el IBEX puede encontrarse en corte et al. 25

Una introducción general al flujo de trabajo de IBEX le ayudará a organizar los datos correctamente antes de iniciar proyectos de radiomics utilizando el IBEX. Si importar imágenes DICOM, IBEX requiere que cada paciente tiene su propia carpeta con sus imágenes DICOM. Conjunto de estructura de radiación DICOM es opcional incluir en la carpeta de paciente, pero se recomienda en lugar de utilizar la plataforma contorneada en IBEX. Para ayudar con la importación de todos los pacientes para un estudio específico, todas las carpetas de pacientes pueden juntarse en una misma carpeta para que todos los datos pueden importarse en IBEX utilizando tan sólo un paso. Si importar a pacientes de Pinnacle, es mejor que la estructura con el plan de paciente. Como los pacientes pueden tener múltiples conjuntos de imagen y planes dentro de Pinnacle, es mejor saber que imagen set y plan están correctos antes de importar. Si el tiempo de cómputo es una preocupación, reduciendo el número de divisiones de imagen para un paciente puede reducir drásticamente tiempo. Por ejemplo, si sólo el hígado es de interés en un estudio pero los pacientes tienen exploraciones de CT de cuerpo completo, reduciendo las rebanadas DICOM en sólo la medida del área de interés pueden acortar el tiempo de cómputo (p. ej., reduciendo el DICOM de rebanadas de 300 a 50 rebanadas puede tomar 1/6t h el tiempo). Existen diferentes herramientas disponibles para llevar a cabo esta reducción de la rebanada, de manual a semiautomático.

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. Instale IBEX

Nota: Para instalar una versión de código fuente vaya al paso 1.1. Como alternativa, instalar una versión independiente diríjase al paso 1.2.

  1. Versión de código fuente
    1. Ir a la IBEX código fuente versión Página Web3. Descargar los archivos "IBEX_Source.zip" y "How_to_use.pdf". Busque en el archivo "How_to_use.pdf" para encontrar los requisitos previos para usar la última versión IBEX.
      Nota: IBEX sólo funciona en 32 bits y 64 bits versiones de Matlab 2011a y 2014b, respectivamente.
    2. Una vez que haya finalizado la descarga, descomprime el "IBEX_Source.zip" y agregar la carpeta \IBEX_Source a la ruta local.
      Nota: Las instrucciones sobre cómo agregar una ruta de acceso pueden encontrarse en la página de referencias de software para "añadir ruta"26.
    3. Tipo "IBEXMain" en la ventana de comandos para iniciar el IBEX.
  2. Versión independiente
    1. Ir al IBEX versión independiente sitio Web4. Si IBEX por primera vez, vaya a la carpeta "Dependencias" y descargar/instalar el "MCRInstaller.exe", vc2005redist_x86_new.exe, "y"vc2012redist_x86.exe". Desde la Página principal, descarga el "IBEX.exe," "IBEX.ctf", "IBEX.ini," y "How_to_use.pdf" los archivos en la misma carpeta. Buscar en el archivo "How_to_use.pdf" de los requisitos previos usar la última versión IBEX.
    2. Haga doble clic en "IBEX.exe" para iniciar el IBEX.

2. establecer la ubicación

Nota: Las imágenes se importan a este lugar determinado y los datos para este estudio también se almacenan aquí. Ubicación de usos más previamente aplicados IBEX como la ubicación predeterminada cuando volvió a lanzar.

  1. Haga clic en el icono de "Ubicación" (figura 1).
  2. Seleccione usuario o haga doble clic en "Nuevo usuario" para crear una nueva carpeta de usuario. Si crear una nueva carpeta de usuario, escriba el nombre en la nueva ventana haga clic en el botón "OK".
  3. Seleccione el sitio en el usuario seleccionado o haga doble clic en "Nuevo sitio" para crear una nueva carpeta de sitio. Si crear una nueva carpeta de usuario, escriba el nombre en la nueva ventana haga clic en el botón "OK".
  4. Haga clic en el botón "OK" en la parte inferior.

3. importar imágenes

  1. Haga clic en el icono "Importar" (figura 1).
  2. Seleccione DICOM o Pinnacle9 (versión del archivo Pinnacle 9) formato haciendo clic en el nombre del formato. Para importar DICOM imágenes ir a paso 3.3.1. Importación de Pinnacle9 archivos van a paso 3.3.2.
  3. Haga clic en el botón "Siguiente".
    1. Importación de imágenes DICOM
      Nota: Para importar pacientes individualmente van al paso 3.3.1.1. Importación de múltiples pacientes a la vez van al paso 3.3.1.2.
      1. Importar a cada paciente individualmente, seleccionando la carpeta de paciente a través del directorio.
        1. Haga clic en el botón "..." al lado del lista directorio para seleccionar la carpeta de paciente que contiene las imágenes DICOM y estructura de radiación conjunto de archivos DICOM (opcional).
          Nota: Mientras que es solamente opcional importar una estructura de conjunto con los archivos de pacientes, se recomienda encarecidamente hacerlo. IBEX con una plataforma de contorno dentro de ella, pero esto no es algo práctico para grandes conjuntos de datos. IBEX puede acomodar sistemas de estructura de plataformas de software comercial que conozcan herramientas de contorno para oncólogos, que hace que el flujo de trabajo mucho más fácil. Esto suele ser cómo el IBEX se utiliza en estudios.
        2. Haga clic en el botón "Importar" en la parte inferior izquierda una vez que el IBEX ha terminado de buscar los archivos DICOM, el paciente y se popularán cajas detalles.
        3. Repita los pasos 3.3.1.1.1 - 2 para cada paciente.
        4. Haga clic en el botón "Salir" después de todos los pacientes son importados.
      2. Importación de todos los pacientes a la vez marcando la casilla 'Carpeta de lote' en la esquina superior derecha.
        Nota: Todos los pacientes deben tener una carpeta separada que contiene sus respectivos archivos DICOM.
        1. Haga clic en el botón "..." al lado del lista directorio para seleccionar la carpeta que contiene todas las carpetas de pacientes con sus correspondientes imágenes DICOM y estructura de radiación conjunto de archivos DICOM (opcional).
        2. Haga clic en el botón "Importar". Pacientes se importarán secuencialmente. Haga clic en el botón "Salir" después de todos los pacientes son importados.
    2. Archivos de Pinnacle
      1. Configurar el Host de Pinnacle y base de datos dentro del archivo "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Antes de seleccionar Pinnacle en la caja del módulo de importación, haga clic en el botón "Config".
      2. Seleccione el correcto Pinnacle Host y base de datos.
      3. El MRN de paciente, el apellido o el nombre y haga clic en otra parte en la ventana.
      4. Haga clic en el botón "Consulta".
      5. El paciente en la nueva ventana seleccione el botón "Transfer".
      6. Haga clic en el cuadro de los imagen deseada de juegos de que el paciente en la nueva ventana y haga clic en el botón "OK".
      7. Haga clic en el botón "OK" en la nueva ventana que se denomina "Datos importados con éxito".
      8. Haga clic en el botón "Salir" después de todos los pacientes son importados.

4. visualización de imágenes y las regiones de interés (ROIs)

  1. Haga clic en el icono de "Datos" (figura 1). Haga clic en el archivo deseado en la sección "Seleccionar a un paciente" de la GUI (mitad superior).
  2. Haga clic en el conjunto de la imagen de la paciente archivo para abrir en la sección "Seleccionar conjuntos de imagen" de la interfaz gráfica (mitad inferior). Haga clic en el botón "Abrir".
  3. Use las flechas debajo de las imágenes para desplazarse por las imágenes que se muestran en axial, coronales, y vistas sagitales (de izquierda a derecha).
  4. Ampliar la imagen haciendo clic en el botón de "Zoom" (figura 2). Trazar un rectángulo en el plano de la imagen para hacer zoom. Haga clic para alejar.
  5. Encienda los localizadores seleccionando el botón de "Cruce" (figura 2).
    Nota: Las líneas que aparecen muestran donde ese sector se encuentra en cada plano. Estas líneas mueven al desplazarse con las flechas.
  6. Haga clic en el botón de "Regla" (figura 2) para medir distancias. Haga clic en y mantenga presionado el botón izquierdo del ratón para medir entre los dos puntos de interés. Suelte el ratón para eliminar el valor medido de la zona mostrada.
  7. Haga clic en el botón de "CT Num" (figura 2) para medir el valor de un voxel. Haga clic y mantenga el botón izquierdo del ratón en el voxel de interés y el valor aparecerá en el lado izquierdo de la interfaz gráfica debajo de la escala de color. Suelte el ratón para eliminar el valor medido de la zona mostrada.
  8. Haga clic en el botón "W/L" (figura 2) a nivel de ventana de las imágenes. Otra ventana aparecerá. Arrastre los lados izquierdo y derecho al área deseada o introducir manualmente el nivel de ventana en los cuadros de ventana y nivel en la parte inferior de la ventana de nuevo. Seleccione Ventana/niveles usando el primer menú desplegable de la izquierda ( figura 2): hay 8 para CT y 1 para PET.
  9. Seleccionar el color diferentes escalas usando el segundo menú desplegable menú de la izquierda (figura 2): hay 9 opciones para elegir.
  10. Visualizar ROIs haciendo clic en la casilla al lado del retorno de la inversión a hacer visible en las imágenes o haga clic en el botón "Sobre todo ROIs" para todo paciente ROIs.

5. editar el retorno de la inversión

  1. Edit ROIs haciendo clic en el botón "Edit ROIs" en la parte superior izquierda o en la parte inferior central. Seleccionar el contorno a editar haciendo clic en la casilla al lado de su nombre.
  2. Utilice el botón de "Empujar contornos" (figura 3) hacer contornos o como ya dibujado. Ajustar el tamaño del círculo en la casilla "D" al lado del botón de empujar contornos.
  3. Quite un trozo entero de contorno mediante el botón "Cortar contornos" (figura 3). Haga clic y mantenga pulsado el botón izquierdo del ratón y dibuje un cuadro alrededor del ROI a quitarse.
  4. Dibujar contornos
    Nota: Vaya al paso 5.4.1 para dibujar contornos conectando puntos. Vaya al paso 5.4.2 para dibujar contornos de manos libres.
    1. Conectando puntos: Utilice el botón "Dibujar contornos (1)" (figura 3) para dibujar un contorno en cada segmento haciendo clic en los puntos alrededor del contorno donde los puntos están conectados por líneas rectas. Completar el retorno de la inversión para ese segmento haciendo clic en el primer punto dibujado.
    2. Mano: Utilice el botón "Dibujar contornos (2)" (figura 3) para dibujar un contorno a mano libre. Mantenga pulsado el botón izquierdo del ratón para dibujar el contorno en el segmento. Volviendo al principio de la ROI dibujado y luego soltar el botón izquierdo del ratón para finalizar el contorno en ese segmento.
  5. Clic en el botón "Interpolar contornos" (figura 3) para interpolar ROIs entre las rodajas.
  6. Haga clic en el botón de "ROI de copiar" para copiar el ROI.
  7. Combinar ROIs ROIs múltiples de seleccionando y haciendo clic en el botón "Merge ROI".
  8. Haga clic en el botón "Borrar ROI" para eliminar el retorno de la inversión seleccionada.
  9. Haga clic en "Crear ROI" para crear un nuevo ROI que una ventana se abrirá. Escriba el nombre del ROI y haga clic en el botón "OK". Haga clic en el botón "Guardar". Haga clic en el botón "Exit" para volver al paciente espectador.

6. contorno del conjunto de datos

  1. Contornos de la vista del conjunto de datos
    1. Haga clic en el botón "Mostrar el conjunto de datos" para ver los contornos del conjunto de datos. Haga clic en el nombre del conjunto de datos para ver. Haga clic en el botón "Abrir". Seleccionar paciente contornos mediante el cuadro de al lado de su nombre. Haga clic en el botón "Delete", "Mover" o "Copia" según la función deseada para ese contorno. Cierre la ventana de conjunto de datos una vez terminada de ver el conjunto de datos.
  2. Añadir contornos para el conjunto de datos
    1. Seleccione contornos para agregar a un conjunto de datos haciendo clic en la casilla de verificación junto a su nombre y haga clic en el botón "añadir al conjunto de datos". Haga clic en el nombre del conjunto de datos para agregar los contornos o haga clic en el botón "Nuevo" para un nuevo conjunto de datos. Si se selecciona nuevo, escriba el nombre del conjunto de datos en la nueva ventana. Haga clic en el botón "OK".
  3. Haga clic en el botón "Importar ROIs" para importar un archivo de 9 .roi la versión Pinnacle si contornos no fueron cargados en la sección 3.
    1. Haga clic en el botón "..." para seleccionar el archivo. Haga clic en el botón "Importar".
  4. Haga clic en el botón "Exportar ROIs" para exportar ROIs.
    1. Haga clic en el botón "..." para seleccionar el directorio en el que se colocará ROIs exportados. Haga clic en el nombre del formato que se prefiere para el ROIs exportados. Ingrese la información del anonymization si prefiere. Haga clic en el botón exportar.
      Nota: La programación es para que no anonymization a realizar.
  5. Haga clic en el botón "Exit" para volver a la lista de pacientes y las exploraciones.

7. crear el conjunto de características

  1. Haga clic en el icono de "Característica".
  2. Añadir procesamiento previo.
    1. Haga clic en el botón "Añadir" en "Paso 1: preprocesar". Seleccione la opción preprocesamiento en el menú desplegable en la ventana nueva.
    2. Haga clic en la "i" bajo "Párr." para seleccionar los parámetros de preprocesamiento. Haga clic en el número en la columna de valor en la nueva ventana de parámetro para cambiarlo. Escriba el nuevo valor del parámetro y haga clic en el botón "OK".
    3. Haga clic en el botón de "interrogación" en la esquina superior derecha para una descripción de los métodos de preprocesamiento y procesamiento de parámetros específicos.
    4. Haga clic en el botón "Añadir". Seleccionar el paso de preprocesamiento y haga clic en el botón "Delete" para eliminar pasos de preprocesamiento no deseados.
  3. Añadir las características deseadas.
    1. Seleccione la categoría de función en el menú desplegable debajo de "paso 2: características Categoría:". Repita los pasos en varias categorías.
      Nota: Sólo una categoría de funciones se puede añadir en un momento. Diferentes combinaciones de categorías de preprocesamiento y característica pueden agregarse a la misma función si lo desea.
      1. Seleccione "GrayLevelCooccurenceMatrix25" y las categorías de la característica de "NeighborIntensityDifference25" para calcular la matriz de co-ocurrencia nivel gris y matriz de diferencia de intensidad de barrio, respectivamente, en 2,5 D, que se realiza al computar la matriz en cada rebanada individualmente y luego sumar todas las matrices juntos.
      2. Seleccione "GrayLevelCooccurenceMatrix3" y las categorías de la característica de "NeighborIntensityDifference3" para calcular la matriz de co-ocurrencia nivel gris y matriz de diferencia de intensidad de barrio, respectivamente, en 3D.
    2. Haga clic en la "i" bajo "Párr." para los parámetros seleccionados para ese proceso previo. Haga clic en el botón de "interrogación" en la esquina superior derecha para una descripción de parámetros y el método de preprocesamiento.
      1. Escriba el nuevo valor del parámetro y haga clic en el botón "OK".
    3. Haga clic en el botón "Test" para ver una categoría de función o característica específica. Haga clic en el botón junto a la característica o la categoría deseada.
      1. Seleccione el conjunto de datos para ver la prueba y haga clic en el botón "Abrir". Marque la casilla junto a los pacientes del conjunto de datos seleccionado para ver la prueba y haga clic en el botón "Test".
    4. Desactivar características indeseables para la categoría seleccionada; todas las características se seleccionan después de seleccionar la categoría. Haga clic en la palabra "características:" bajo "Step2: características" desactive todas las funciones.
    5. Haga clic en el botón "Añadir a conjunto de funcionalidades" para añadir todas las características seleccionadas con preprocesamiento seleccionadas.
      1. Seleccione la función para añadir funciones y haga clic en el botón "Abrir" o haga clic en el botón "Nuevo" para agregar características a un conjunto de características nuevas. Si crear un nuevo conjunto de características, ingrese el nombre de la función de establecer en la nueva ventana y haga clic en el botón "OK".
  4. Haga clic en el botón "Mostrar características Set" para ver las características técnicas de preprocesamiento correspondiente para ver las características en un conjunto de características.
    1. Seleccione la función para ver, haga clic en el botón "Abrir" y haga clic en el botón "Nuevo" para crear un nuevo conjunto de características. Si crear un nuevo conjunto de características, ingrese el nombre de la función de establecer en la nueva ventana y haga clic en el botón "OK".
  5. Haga clic en el botón "Mostrar el conjunto de datos" para ver los conjuntos de datos actuales.
    1. Seleccione el conjunto de datos para ver y haga clic en el botón "Abrir" o haga clic en el botón "Nuevo" para crear un nuevo conjunto de datos. Si crear un nuevo conjunto de datos, escriba el nombre del conjunto de datos en la nueva ventana y haga clic en el botón "OK".
  6. Haga clic en el botón "Exit".

8. salida características

  1. Haga clic en el icono de "Resultado". Haga clic en el conjunto de datos para ejecutar las funciones en "paso 1: conjunto de datos." Haga clic en la función a ejecutar en los datos seleccionados en "paso 2: conjunto de funciones."
  2. Haga clic en el botón "Obtener información" para ver el conjunto de datos seleccionado. Haga clic en el botón de "Vista característica" para ver el conjunto de características seleccionadas.
  3. Haga clic en el botón de "Calcular y guardar el resultado". Escriba el nombre de archivo para los resultados y haga clic en el botón "Guardar".

9. estadística de modelo de construcción

  1. Abra el archivo de resultados guardados.
    Nota: esto está típicamente debajo de usuario C:\IBEX\DataIbex\[Selected en el paso 2.2] \ [sitio seleccionado en el paso 2.3] \1FeatureResultSet_Result, a menos que de lo contrario se asignará en el paso 8.4.
  2. Utilizar los datos de las diferentes pestañas en las pruebas estadísticas deseadas o del modelo de construcción de software.
    Nota: El protocolo se puede pausarse en cualquier momento. Sin embargo, es más conveniente después de terminar todos los pasos necesarios para un icono determinado, por ejemplo, terminar de sección 7, que se encuentra bajo el icono de función.

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

La salida de IBEX es una hoja de cálculo (ver figura 4) que contiene 3 pestañas. La pestaña "Resultados" contiene los valores de característica para cada retorno de la inversión del conjunto de datos (figura 4A). La ficha "Datos Info." contiene información sobre las imágenes de cada retorno de la inversión del conjunto de datos (figura 4B). La "Función Info." ficha contiene una lista completa de características usadas con los parámetros seleccionados para la categoría de característica y el preprocesamiento usado para esa categoría de características (figura 4C).

El IBEX calcula características de imágenes médicas se han utilizado en varios contextos. Hunter et al usaron una versión temprana del IBEX para identificar características de imagen robusta19. Fave et al investigó la incertidumbre en funciones de radiomics de análisis de 4 D CT torácica recogidos en las diferentes fases respiratorias, pico tubo voltajes y de corrientes de tubo9. Este estudio encontró variación intra paciente que menos variación entre paciente más cuenta cuando tubo de tensión y corriente fueron variados, haciendo estos factores insignificantes. La reproducibilidad de la función de imágenes de cone beam CT (CBCT) entonces fue evaluada utilizando IBEX10. En este estudio, características calculadas a partir de imágenes de TC Cone Beam de pulmón fueron encontrados para ser reproducible cuando el mismo protocolo y el fabricante se utilizaron sólo cuando el movimiento de respiración era pequeña. Posteriormente se evaluó el impacto sobre los valores de función de preprocesamiento de imagen. El estudio mostró que 39 de las 55 funciones estudiadas tenía al menos una técnica de preprocesamiento que dio lugar a la estratificación significativo para supervivencia global uso de Cox, modelos de riesgos proporcionales indicando preprocesamiento diferentes pueden ser necesario para cada uno cuentan con11. La incertidumbre en funciones de imágenes de TC de perfusión también se ha evaluado utilizando el IBEX. Yang et al. , demostrada que radiomics características no eran dependientes en tiempo entre la administración del contraste y la TC, y que el 86,9% de las características estaban reproducible con un coeficiente de correlaciones de concordancia inter-sesión estabilidad igual o mayor que a 0,916. Por último, un fantasma fue diseñado para probar la variabilidad inter-explorador en un subconjunto de características15. Fuerza de textura fue encontrado para ser la característica más constante mientras que ocupaciones fue encontrado para variar más.

Las características radiomics del IBEX son también de uso frecuente para el modelo del edificio, normalmente mirando la supervivencia general, control de locales-regionales y libre de metástasis a distancia. Fried et al identificaron 8 características de la radiomics de que cuando se implementa en un riesgos proporcionales de Cox los modelos para la supervivencia global, control locorregional y metástasis distantes significativamente las exploraciones del CT de pacientes con cáncer (CPCNP) pulmón de células no pequeñas estratificación de Kaplan-Meier mejorada en comparación con los modelos que utilizan sólo datos clínicos20. Del mismo modo, Fave et al. encontrar características de radiomics que mejoraron la estratificación de los pacientes en las curvas de supervivencia12. Su estudio utilizó imágenes CT semanales y cambios calculados en las características de radiomics de pulmón. Calcula funciones en el modelo tenían cuatro diferentes métodos de preprocesamiento: (1) umbral, umbral (2) y poco profundidad, (3) umbral y alisar, umbral (4), profundidad de bits y suavizado; y el mejor método de proceso previamente para cada característica individualmente antes de ser probado en los modelos de riesgos proporcionales de Cox. Hunter et al. también demostró que radiomics características pueden predecir tumor que encoge en pacientes de CPCNP explorando diferentes umbrales y poco profundidad reescalar valores18.

Características del animal doméstico de radiomics y su valor pronóstico también se han investigado con el IBEX. Fried et al. escala de valores de captación estandarizados (SUVs) SUVs de redondeo al número entero más cercano y luego restar el mínimo SUV para ese retorno de la inversión de la resto13. Energía y solidez se encontraron estadísticamente mejorar un modelo de supervivencia general cuando incluye en comparación con el modelo cuando incluyeron solamente factores clínicos convencionales. Estas dos características del radiomics también fueron encontradas para ser capaces de identificar subgrupos de pacientes que recibieron un beneficio o perjuicio de dosis escalada14. Del mismo modo, van Rossum et al. encontró un aumento en el índice de c para un modelo de predicción clínica de respuesta patológica completa al incluir radiomics características en modelos clínicos17.

Figure 1
Figura 1 : Página principal de IBEX. Página principal de IBEX con iconos para cada sección. Cada una de estas secciones se describen en las secciones 2-6. Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2 : Ventana de selección de datos. Ventanas de GUI se utilizan para manipulación de selección de datos. La ventana viene con botones para modificar el aspecto de las imágenes como se describe en pasos 4.10 4.4. Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3 : Ventana de editor de ROI. Ventanas de GUI se utilizan para manipulación de ROI. La ventana viene con los mismos botones para modificar el aspecto como en la selección de datos, así como botones para modificar el ROI. La manipulación de ROI se describe en la sección 5. Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4 : IBEX resultados hoja de trabajo. IBEX salidas de tres páginas de información en una hoja de cálculo. La primera página (A) contiene los valores de característica para cada ROI, la segunda página (B) contiene información acerca de las imágenes que los ROIs fueron dibujados y la tercera página (C) contiene información sobre las características y proceso previo. Las salidas para esta figura de un estudio fantasma donde se calcularon características utiliza suavizado de Butterworth y profundidad de 8 bits reescalado, se muestra en el panel C, columna E, filas 5 y 6. Haga clic aquí para ver una versión más grande de esta figura.

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

IBEX es una poderosa herramienta para la investigación de radiomics proyección de imagen médica. Se ha hasta ahora sobre todo utilizado para los propósitos de Oncología de radiación en estudios realizados por el grupo de radiomics de MD Anderson. IBEX permite manipulación de ROIs y cálculo de las características en 5 categorías de la característica principal. La versión de código fuente de IBEX le permite a las aplicaciones de diseño que ya no forman parte del IBEX, tales como características de la matriz de zona de nivel de gris.

Los pasos principales implicados en el IBEX son la importación de imágenes de contorno de ROIs, selección de ROIs para conjunto de datos y creación de conjunto. Contornos precisos son necesarios como características se calculan sólo dentro de estas áreas y así contornos imprecisos proporcionará los valores de función imprecisa. Por lo tanto, cualquier relación entre estas características se calcula en contornos imprecisos y resultados serán falsos. Selección de parámetro de las características es también un paso fundamental. Por ejemplo, cambiar el tamaño de paso para la matriz de co-ocurrencia nivel gris puede afectar a las características que se calcula a partir de la matriz. Esto podría depender de tipo de imagen (es decir, MRI, CT o PET), sitio de investigación (p. ej., NSCLC frente a la cabeza y cuello) y el propósito del estudio (por ejemplo, crear modelos de supervivencia vs enlazan a características de la imagen con la genómica). Parámetros de función debe ser seleccionado basado en una física o biológica de razonamiento, por ejemplo, hay una razón por la que un tamaño de paso de 4 sería biológicamente relevante en una matriz de co-ocurrencia? Parámetros de función también se pueden seleccionar con base en estudios anteriores que han encontrado ciertos parámetros de la función de correlacionar con los resultados o expresiones biológicas. IBEX cuenta con 27 módulos de preprocesamiento y 132 características disponibles para la selección, junto con permitir la alteración de parámetros para cada módulo de preprocesamiento y categoría de función, lo que lo convierte en una herramienta adaptable para muchos tipos de estudios radiomics.

Hay varias limitaciones generales en la investigación radiomics que se aplican cuando se utiliza cualquier software. Por ejemplo, características de imagen han demostrado dependen de parámetros de adquisición de la imagen como voxel tamaño y escáner15,27. Una limitación de todo el software es que hay muchos parámetros que pueden modificarse para cada función y los valores por defecto pueden no ser apropiados para el estudio específico. Los usuarios deben estar atentos, e investigación previamente utilizado parámetros para estudios similares y evaluar la aplicabilidad de los valores. La calidad de los contornos y la variabilidad inherente inter - e intraobservador también puede afectar el cálculo de funciones. Owens et al. demostró que características calculadas son más robustos cuando se utiliza herramientas de contorno automático28. Las características calculadas para radiomics estudios son diseñados por humanos y no pueden expresar completamente las características observadas en el sistema de percepción visual. Además, estas características pueden ser altamente correlacionadas mutuamente creando dificultades al analizar los resultados. Una limitación específica de IBEX es que la versión actual carece de la disponibilidad para calcular características wavelet; sin embargo, nuestro grupo tiene la intención de incluir estas características en versiones futuras.

Existen varias plataformas de software alternativo para el cálculo de características de imagen25. Algunas ventajas del IBEX incluyen el hecho de que es libremente disponible, está bien documentado2y permite el control detallado de los usuarios de los cálculos de la función de imagen. IBEX muestra también el paciente imágenes procesadas (por ejemplo, después de alisar), por lo que el usuario puede visualizar el impacto de cualquier tratamiento de la imagen - esto es útil, por ejemplo, al confirmar que el proceso previo ha no demasiado suavizan las imágenes. Del mismo modo, el IBEX puede exportar la matriz de co-ocurrencia reales e histogramas de intensidad; Esto puede ser útil cuando adentrarse más profundamente en las características de la imagen.

IBEX se ha utilizado únicamente para estudios de cáncer, sobre todo centrados en la terapia de radiación. Sin embargo, estudios futuros pueden ramificarse a otras terapias de cáncer o incluso fuera del campo del cáncer. Por ejemplo, Kassner et al usaron radiomics predecir transformación hemorrágica en pacientes con accidente cerebrovascular isquémico agudo29. IBEX podría utilizarse también en los estudios de radiomics de este tipo.

IBEX también cuenta con mantenimiento continuo. Por ejemplo, un estudio por Fave et al encontró que 5 funciones (ocupaciones, tosquedad, gris nivel falta de uniformidad, longitud de funcionamiento falta de uniformidad y energía) eran fuertemente dependiente del volumen y corrección sus fórmulas11. Estas fórmulas de actualización se han incluido en la versión actualizada del IBEX. Además, hay un grupo de google30 que tiene a los usuarios publicar preguntas que luego responder a otros usuarios. Esta mejora continua de la cabra montés además de las capacidades actuales del IBEX y su disponibilidad hacen una fuente privilegiada para los estudios de radiomics.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores tienen intereses financieros que compiten a revelar.

Acknowledgments

Rachel Ger está financiado por la beca de postgrado de Rosalie B. Hite y American Legión auxiliar beca. Carlos Cardenas ha sido financiado por la beca de George M. Stancel PhD en las ciencias biomédicas. El desarrollo del IBEX fue financiado por el 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).
Directrices y experiencia en el uso de biomarcadores Explorer (IBEX) la proyección de imagen de 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