Waiting
Login processing...

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

Engineering

Riktlinjer och erfarenhet av att använda Imaging biomarkör Explorer (IBEX) för Radiomics

doi: 10.3791/57132 Published: January 8, 2018

Summary

Vi beskriver Stenbock, en öppen källkod verktyg för medicinsk imaging radiomics studier och hur man använder verktyget. Dessutom är några publicerade verk som har använt IBEX för osäkerhetsanalys och modell byggnad utställningsmonter.

Abstract

Imaging biomarkör Explorer (IBEX) är ett open-source verktyg för medicinsk imaging radiomics arbete. Syftet med denna uppsats är att beskriva hur du använder STENBOCKS grafiskt användargränssnitt (GUI) och att demonstrera hur Stenbock beräknas funktioner har använts i kliniska studier. IBEX möjliggör import av DICOM-bilder med DICOM-strålning terapi struktur eller Pinnacle filer. När bilderna importeras, har IBEX verktyg inom Data urval GUI att manipulera visning av bilder, voxel måttvärdena och avstånd, och skapa och redigera konturer. IBEX levereras med 27 förbehandling och 132 funktionen val att utforma funktionsuppsättningar. Varje förbehandling och funktionen kategori har parametrar som kan ändras. Utdata från IBEX är ett kalkylblad som innehåller: 1) varje funktion från uppsättning beräknades för varje kontur i en uppsättning data, 2) image information om varje kontur i en uppsättning data, och 3) en sammanfattning av förbehandling funktioner och funktioner som används med deras valda parametrar. Funktioner beräknas från IBEX har använts i studier för att testa variabilityen av funktioner olika imaging villkor och överlevnad modeller för att förbättra nuvarande kliniska modeller.

Introduction

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

I medicin, patientens sjukdomsdiagnos vanligtvis omfattar ett stort antal diagnostiska tentor såsom röntgen, ultraljud, datortomografi (CT), magnetisk resonanstomografi (MRT), och positronemissionstomografi (PET) File för att bistå vid fastställandet av den kurs i patientvården. Medan läkare använder dessa bilder att kvalitativt bedöma patientens diagnos, kan det finnas ytterligare kvantitativa funktioner som kan extraheras för att vägleda patienten vård. Skälet är att dessa funktioner kan företräda proteomiska och genomisk mönster uttrycks på makroskopisk skala1. Kombinera denna kvantitativa information med aktuell klinisk information, t.ex., patientdemografi, tillåta mer individualiserad vård. Detta är teorin bakom radiomics: har analys av bilder på en voxel-nivå. Funktionerna som vanligtvis delas in i 5 huvudkategorier: grå nivå Samförekomst matris, grå nivå kör längd matris, stadsdelen intensitet skillnaden matris, histogram och form.

Imaging biomarkör Explorer (IBEX) är ett open-source verktyg för radiomics arbete2. Det grafiska användargränssnittet (GUI) har utvecklats vid MD Anderson Cancer Center med målet att underlätta utvinning och beräkning av kvantitativa funktioner att bistå i beslutsfattandet i cancervården. En källa koden3 och en fristående4 version finns tillgängliga online. IBEX beräknar de 5 vanligaste kategorierna av funktioner som används i medicinska radiomics med parametrar som kan anges för varje funktion. Kategorierna är: grå nivå Samförekomst matrix5, grå nivå kör längd matrix6,7, intensitet, stadsdelen intensitet skillnaden matris8och form. Eftersom IBEX är öppen källkod, tillåter det för harmoniserade funktionen extraktion resultat över institutioner att enkelt jämföra olika radiomics studier. Alla funktioner inom IBEX beskrivs i det inledande papperet av Zhang et al. 2

Syftet med detta manuskript är att ge vägledning om hur du använder IBEX och visa dess tillämpningar genom expertgranskade publicerade studier från MD Anderson radiomics gruppen. Sedan dess release för allmänheten i 2015, har IBEX använts att beräkna funktioner från CT, PET och MRI scan bilder av gruppen MD Anderson radiomics vanligtvis undersöker funktioner för att förbättra kliniska överlevnad modeller9,10, 11,12,13,14,15,16,17,18,19,20 och utanför institutioner21,22,23,24. Ytterligare vägledning om programvaruverktyg som kan användas för stegen i radiomics forskning som inte ingår i IBEX kan hittas i domstolen o.a. 25

En allmän introduktion till arbetsflödet av IBEX hjälper till att organisera data ordentligt innan du börjar radiomics projekt utnyttja Stenbock. Om importerar DICOM-bilder, kräver IBEX att varje patient har sin egen mapp med deras DICOM-bilder. DICOM-strålning struktur set är valfritt att inkludera i mappen patienten, men rekommenderas istället för att använda contouring plattformen i IBEX. För att bistå med att importera alla patienter för en särskild studie, kan alla patientens mappar placeras i en mapp tillsammans så att alla data kan importeras till Stenbock med bara ett steg. Om importerar patienter från Pinnacle, är det bäst att ha struktur med patientens planen. Som patienter kan ha flera bild uppsättningar och planer inom Pinnacle, är det bäst för att veta vilken bild inställd och planen är korrekta innan du importerar. Om beräkningstiden är ett bekymmer, kan att minska antalet bildsegment för en patient drastiskt minska tid. Till exempel om bara levern är av intresse i en studie men patienterna som har kan hela kroppen CT skanningar, minska DICOM-skivor för bara omfattningen av området av intresse förkorta beräkningstiden (t.ex., att minska DICOM från 300 skivor till 50 skivor kan ta 1/6t h tiden). Det finns olika verktyg tillgängliga för att utföra denna skiva minskning, från manuella till halvautomatiska.

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. Installera Stenbock

Obs: Installera en källkod version gå till steg 1,1. Alternativt för att installera en fristående version gå till steg 1.2.

  1. Källa-kod version
    1. Gå till Stenbock källkod version hemsida3. Hämta filerna ”IBEX_Source.zip” och ”How_to_use.pdf”. Titta i filen ”How_to_use.pdf” att hitta förutsättningar att använda den senaste IBEX-versionen.
      Obs: Stenbock fungerar bara på 32 bit och 64 bit Matlab versioner 2011a och 2014b, respektive.
    2. När nedladdningen är klar, packa upp den ”IBEX_Source.zip” och lägga till mappen \IBEX_Source i den lokala sökvägen.
      Obs: Instruktioner hur du lägger till en sökväg kan hittas på sidan referenser för ”Lägg till sökvägen”26.
    3. Skriv ”IBEXMain” inne om befalla fönster till starta Stenbock.
  2. Fristående version
    1. Gå till Stenbock fristående versionen webbplats4. Om du installerar IBEX för första gången, gå till mappen ”beroenden” och hämta/installera den ”MCRInstaller.exe”, vc2005redist_x86_new.exe ”, och” vc2012redist_x86.exe ”filer. Från huvudsidan, Ladda ner den ”IBEX.exe”, ”IBEX.ctf”, ”IBEX.ini”, och ”How_to_use.pdf” filer i samma mapp. Titta i filen ”How_to_use.pdf” för förutsättningarna att använda den senaste IBEX-versionen.
    2. Dubbelklicka på ”IBEX.exe” för att starta Stenbock.

2. Ange platsen

Obs: Bilderna importeras till detta ange plats och data för denna studie lagras här också. IBEX använder mest tidigare tillämpade läge som standardplats när re-sjösätta.

  1. Klicka på ikonen ”läge” (figur 1).
  2. Välj användaren eller dubbelklicka på ”ny användare” för att skapa en ny användarmapp. Om att skapa en ny användarmapp, ange namnet i det nya fönstret och klicka sedan på knappen ”OK”.
  3. Välj webbplatsen inom den valda användaren eller dubbelklicka på ”ny plats” för att skapa en ny webbplatsmapp. Om att skapa en ny användarmapp, ange namnet i det nya fönstret och klicka sedan på knappen ”OK”.
  4. Klicka på knappen ”OK” längst ner.

3. Importera bilder

  1. Klicka på ikonen ”Import” (figur 1).
  2. Välj DICOM eller Pinnacle9 (Pinnacle filversion 9) format genom att klicka på namnet på formatet. För att importera DICOM gå bilder till steg 3.3.1. Importera Pinnacle9 går filer du till steg 3.3.2.
  3. Klicka på knappen ”Nästa”.
    1. Importera DICOM-bilder
      Obs: Importera patienter gå individuellt till steg 3.3.1.1. För att importera går flera patienter på en gång du till steg 3.3.1.2.
      1. Importera varje patient individuellt genom att välja mappen patienten igenom katalogen.
        1. Klicka på knappen ”...” bredvid katalogen Välj patient mappen som innehåller DICOM-bilder och strålning struktur ställa DICOM-fil (valfritt).
          Obs: Det är bara valfria importera en byggnad med patientens filer, det rekommenderas starkt att göra så. IBEX har en contouring plattform inom det, men detta är något opraktiskt för stora datamängder. IBEX rymmer struktur uppsättningar från kommersiell programvaruplattformar som är bekant contouring verktyg för strålterapeuter, vilket gör arbetsflödet mycket lättare. Detta är vanligtvis hur Stenbock används i studier.
        2. Klicka på knappen ”Importera” på längst ner till vänster när Stenbock har slutat söka DICOM-filerna, patienten och detaljer boxar fylls.
        3. Upprepa steg 3.3.1.1.1 - 2 för varje patient.
        4. Klicka på knappen ”Avsluta” efter alla patienter importeras.
      2. Importera alla patienter på en gång genom att markera rutan 'Batch mapp' i det övre högra hörnet.
        Obs: Alla patienter måste ha en separat mapp som innehåller respektive DICOM-filer.
        1. Klicka på knappen ”...” bredvid katalogen Välj mappen som innehåller alla patientens mappar med deras motsvarande DICOM-bilder och strålning struktur ställa DICOM-fil (valfritt).
        2. Klicka på knappen ”Importera”. Patienter kommer att importeras sekventiellt. Klicka på knappen ”Avsluta” efter alla patienter importeras.
    2. Pinnacle filer
      1. Konfigurera Pinnacle Host och databas i filen ”\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI”. Klicka på knappen ”Config” innan du väljer Pinnacle i rutan importera modulen.
      2. Välj rätt Pinnacle Host och databas.
      3. Ange Patient MRN, efternamn eller förnamn och klicka sedan på annan plats i fönstret.
      4. Klicka på knappen ”fråga”.
      5. Välj patienten i det nya fönstret och klicka på ”Transfer” knappen.
      6. Klicka i rutan för de önskade bilden uppsättningarna från patienten i det nya fönstret och klicka på knappen ”OK”.
      7. Klicka på knappen ”OK” i det nya fönstret som är märkt ”Data har importerats”.
      8. Klicka på knappen ”Avsluta” efter alla patienter importeras.

4. Visa bilder och regioner av intresse (ROIs)

  1. Klicka på ikonen ”Data” (figur 1). Klicka på önskad patientjournalen att öppna i avsnittet ”Välj en patient” i GUI (övre halvan).
  2. Klicka på den bild uppsättningen önskad patientjournalen att öppna i avsnittet ”Välj bild uppsättning” i GUI (nedre halvan). Klicka på knappen ”Öppna”.
  3. Använd pilarna under bilderna för att bläddra genom bilder, som visas i den axiella, koronalt, och sagittal visningar (från vänster till höger).
  4. Zooma in på bilden genom att klicka på knappen ”Zoom” (figur 2). Rita en ruta på bildplanet att zooma. Högerklicka för att zooma ut.
  5. Slå på lokaliserare genom att välja knappen ”korsningen” (figur 2).
    Observera: Visa de rader som visas där det skiva ligger i varje plan. Dessa linjer flytta när du bläddrar genom att använda pilarna.
  6. Klicka på knappen ”linjal” (figur 2) för att mäta avstånd. Klicka och håll vänster MUSKNAPP för att mäta mellan de två punkterna av intresse. Släpp musknappen för att ta bort det uppmätta värdet från området visas.
  7. Klicka på knappen ”CT Num” (figur 2) för att mäta värdet av en voxel. Klicka och håll vänster musknapp på voxel av intresse, och värdet kommer att dyka upp på vänster sida av GUI nedanför färgskalan. Släpp musknappen för att ta bort det uppmätta värdet från området visas.
  8. Klicka på knappen ”W/L” (figur 2) fönster/nivå på bilderna. Ett annat fönster dyker upp. Dra vänster och höger sida på önskat område eller manuellt ange fönster/nivå i fönstret och nivå rutorna längst ned i fönstret. Välja olika fönster/nivåer med den första rullgardinsmenyn till vänster ( figur 2): det finns 8 för CT och 1 för PET.
  9. Välj olika färgskalor som använder andra rullgardinsmenyn till vänster (figur 2): det finns 9 alternativ att välja mellan.
  10. Visualisera ROIs genom att klicka på rutan bredvid ROI att synliggöra det på bilderna, eller klicka på knappen ”på alla ROIs” aktivera alla patienten ROIs.

5. redigera ROI

  1. Redigera ROIs genom att klicka på knappen ”Redigera ROIs” längst upp till vänster eller i mitten längst ner. Välj kontur att redigera genom att klicka på rutan bredvid dess namn.
  2. Använd knappen ”Nudge konturer” (figur 3) att driva konturer in eller ut som redan dragit. Justera storleken på cirkeln används i rutan märkt ”D” bredvid knappen knuffa konturer.
  3. Ta bort en hel kontur skiva med knappen ”skär konturer” (figur 3). Klicka och håll vänster musknapp och rita en ruta runt ROI tas bort.
  4. Rita konturer
    Obs: Gå till steg 5.4.1 Rita konturer genom att ansluta punkter. Gå till steg 5.4.2 Rita konturer av fria händer.
    1. Knutpunkter: Använd knappen ”Rita konturer (1)” (figur 3) rita en kontur på varje skiva genom att klicka på punkter runt konturen där punkterna är anslutna med raka linjer. Slutföra ROI för att skiva genom att klicka på den första punkten som dras.
    2. Fri Hand: Använd knappen ”Rita konturer (2)” (figur 3) rita en kontur av fria händer. Håll vänster MUSKNAPP för att rita konturen på skiva. Avslutningsvis kommer tillbaka till början av dragna ROI och sedan släppa vänster musknapp konturen på denna skiva.
  5. Klicka på knappen ”Interpolate konturer” (figur 3) att interpolera ROIs mellan skivor.
  6. Klicka på knappen ”Kopiera ROI” kopiera ROI.
  7. Sammanfoga ROIs genom att markera flera ROIs och sedan klicka på knappen ”sammanfoga ROI”.
  8. Klicka på knappen ”Ta bort ROI” för att ta bort den markerade ROI.
  9. Klicka ”skapa ROI” för att skapa en ny ROI som kommer att orsaka ett fönster dyker upp. Ange namnet på ROI och klicka på knappen ”OK”. Klicka på knappen ”Spara”. Klicka på knappen ”Avsluta” för att återgå till patientens visningsprogram.

6. konturer i datauppsättningen

  1. Visa konturer i datauppsättningen
    1. Klicka på knappen ”Visa datauppsättningen” att se konturer i datauppsättningen. Klicka på namnet på datamängden till Visa. Klicka på knappen ”Öppna”. Välj patient konturer med hjälp av rutan bredvid deras namn. Klicka på knappen ”Ta bort”, ”flytta” eller ”kopia” beroende på önskad funktion för att kontur. Stäng fönstret uppsättning data när färdiga Visa datauppsättningen.
  2. Lägga till konturer i datauppsättningen
    1. Välj konturer för att lägga till en datamängd genom att klicka på kryssrutan bredvid deras namn och klicka på ”Lägg till Data Set”-knappen. Klicka på namnet på de uppgifter som att lägga till konturer eller klicka på knappen ”Ny” för en ny uppsättning data. Om New är markerad, anger du namnet på datamängden i det nya fönstret. Klicka på knappen ”OK”.
  3. Klicka på knappen ”Importera ROIs” att importera en Pinnacle version 9 .roi fil om konturer inte lästes in under avsnitt 3.
    1. Klicka på knappen ”...” för att välja filen. Klicka på knappen ”Importera”.
  4. Klicka på knappen ”Exportera ROIs” exportera ROIs.
    1. Klicka på knappen ”...” Välj den katalog där exporterade ROIs kommer att placeras. Klicka på namnet på det format som är att föredra för de exporterade ROIs. Ange anonymisering information om som är att föredra. Klicka på knappen Exportera.
      Obs: Förinställningen är för ingen anonymisering ska utföras.
  5. Klicka på knappen ”Avsluta” för att återgå till listan av patienter och skanningar.

7. skapa funktionsuppsättning

  1. Klicka på ikonen ”huvudnummer”.
  2. Lägg till förbehandling om så önskas.
    1. Klicka på knappen ”Lägg till” under ”steg 1: förbehandla”. Välj den förbehandlingen alternativet från den nedrullningsbara menyn i det nya fönstret.
    2. Klicka på ”i” under ”Para”. för att välja parametrarna förbehandling. Klicka på siffrorna under kolumnen värde i det nya fönstret för parametern för att ändra den. Skriv i det nya parametervärdet och klicka på knappen ”OK”.
    3. Klicka på knappen ”frågetecken” i det övre högra hörnet för en beskrivning av metoden förbehandling och förbehandling av specifika parametrar.
    4. Klicka på knappen ”Lägg till”. Markera steget förbehandling och klicka på ”ta bort” för att radera oönskade förbehandling steg.
  3. Lägg till de funktioner som önskas.
    1. Välj kategorin funktion från den nedrullningsbara menyn under ”steg 2: funktioner kategori”:. Upprepa steg för flera kategorier.
      Obs: Endast en kategori av funktioner kan läggas på en gång. Olika kombinationer av förbehandling och funktionen kategorier kan läggas till samma funktionsuppsättning om så önskas.
      1. Välj den ”GrayLevelCooccurenceMatrix25” och ”NeighborIntensityDifference25” funktionen kategorier för att beräkna grå nivå Samförekomst matrisen och stadsdelen intensitet skillnaden matris, respektive i 2.5 D, vilket görs genom att beräkna matrisen på varje skiva individuellt och sedan summera alla matriser tillsammans.
      2. Välj den ”GrayLevelCooccurenceMatrix3” och ”NeighborIntensityDifference3” funktionen kategorier för att beräkna grå nivå Samförekomst matrisen och stadsdelen intensitet skillnaden matris, respektive, i 3D.
    2. Klicka på ”i” under ”Para”. för de parametrar som valts för att förbehandling. Klicka på knappen ”frågetecken” i det övre högra hörnet för en beskrivning av den förbehandling metoden och parametrar.
      1. Skriv i det nya parametervärdet och klicka på knappen ”OK”.
    3. Klicka på ”Test” för att visa en funktion kategori eller specifik funktion. Klicka på knappen bredvid funktionen eller kategori som önskas.
      1. Välj de uppgifter som att Visa testet på och klicka på knappen ”Öppna”. Markera kryssrutan bredvid patienterna från de valda uppgifter som att Visa testet på och klicka på knappen ”Testa”.
    4. Avmarkera oönskade funktioner för kategorin markerad. alla funktioner väljs efter att välja kategori. Klicka på ordet ”funktioner”: under ”steg 2: funktioner” för att avmarkera alla funktioner.
    5. Klicka på knappen ”Lägg till funktionen Set” för att lägga till alla valda funktioner med valda förbehandling.
      1. Välj funktionen för att lägga till funktioner och klicka på knappen ”Öppna” eller klicka på ”nya” knappen för att lägga till funktioner till en ny funktion. Om att skapa en ny funktionsuppsättning, ange namnet på funktionen som i det nya fönstret och klicka på knappen ”OK”.
  4. Klicka på knappen ”Visa funktionsuppsättningen” att visa funktioner med motsvarande förbehandling tekniker för att visa funktioner i en funktionsuppsättning.
    1. Välj funktionen Visa och klicka på knappen ”Öppna” eller klicka på ”ny” för att skapa en ny funktionsuppsättning. Om att skapa en ny funktionsuppsättning, ange namnet på funktionen som i det nya fönstret och klicka på knappen ”OK”.
  5. Klicka på knappen ”Visa Data Set” för att visa nuvarande datauppsättningar.
    1. Välj de uppgifter som att visa och klicka på knappen ”Öppna” eller klicka på ”nytt” för att skapa en ny datauppsättning. Om du skapar en ny uppsättning data, ange namnet på datamängden i fönstret och klicka på knappen ”OK”.
  6. Klicka på knappen ”Avsluta”.

8. funktioner

  1. Klicka på ikonen ”resultat”. Klicka på de uppgifter som att köra funktioner under ”steg 1: uppsättning Data”. Klicka på funktionen inställd på att köras på den markerade informationen under ”steg 2: funktionsuppsättning”.
  2. Klicka på knappen ”Visa Data” för att visa den valda datauppsättningen. Klicka på knappen ”Visa funktionen” Visa valda funktionsuppsättning.
  3. Klicka på knappen ”Beräkna & Spara resultat”. Ange filnamnet för resultaten och klicka på knappen ”Spara”.

9. statistiska modellbygge

  1. Öppna filen sparade resultat.
    Obs: Detta är normalt under C:\IBEX\DataIbex\[Selected användare i steg 2.2] \ [vald webbplats i steg 2,3] \1FeatureResultSet_Result, såvida inte annat tilldelade i steg 8,4.
  2. Använda data från de olika flikarna i de önskade statistiska testerna eller modell byggnad i programvara.
    Obs: Protokollet kan pausas när som helst. Det är dock mest bekväma efter att ha avslutat alla steg som behövs för en särskild ikon, t.ex., fulländande all avsnitt 7 vilket är under ikonen funktionen.

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

Utdata från IBEX är ett kalkylblad (se figur 4) som innehåller 3 flikar. Fliken ”resultat” innehåller värdena som funktionen för varje ROI i datauppsättningen (figur 4A). Fliken ”Data information”. innehåller information om bilder tagna från varje ROI i datauppsättningen (figur 4B). Fliken ”funktionen Info”. innehåller en omfattande lista över funktioner som används med de parametrar som valts för kategorin funktionen och förbehandling används för denna kategori av funktioner (figur 4C).

Stenbock beräknas funktioner från medicinska bilder har använts i flera sammanhang. Hunter et al. för en tidig version av Stenbock för att identifiera robust bild funktioner19. Fave et al. undersökte osäkerheten i radiomics dragen av 4 D bröstkorg datortomografi samlas in på olika respiratoriska faser, peak tube spänningar och tube strömmar9. Denna studie fann inom patienten variation att vara mindre än mellan patienter variation för de flesta funktioner när röret spänning och ström varierades, att göra dessa faktorer försumbar. Reproducerbarheten för funktionen från cone beam CT (CBCT) bilder utvärderades sedan använder Stenbock10. I denna studie befanns funktioner beräknas från lungan CBCT bilder vara reproducerbara när samma protokoll och tillverkare användes endast när andas rörelse var liten. Bild förbehandling inverkan på funktionen värden utvärderades därefter. Studien visade att 39 av de 55 funktioner studerade hade minst en förbehandling teknik som resulterade i betydande stratifiering för total överlevnad med hjälp av Cox proportionella riskmodell med modeller som visar att olika förbehandling kan behövas för varje har11. Osäkerheten i funktioner från perfusion CT-bilder har också utvärderats med hjälp av Stenbock. Yang et al. visade att radiomics funktioner inte var beroende av tid mellan kontrast administration och datortomografi, och att 86,9% av funktioner var reproducerbara med en Inter session stabilitet concordance korrelationer koefficient större än eller lika till 0,916. Slutligen var en fantom avsedd att testa mellan scanner variabilitet på en delmängd av funktionerna15. Textur styrka befanns vara den mest konsekventa funktionen medan SYSSELSATTHET befanns varierar mest.

Radiomics funktioner från IBEX används också ofta för modell byggnad, vanligtvis tittar på total överlevnad, lokala och regionala kontroll och frihet från fjärrmetastaser. Stekt et al. identifierade 8 radiomics funktioner från icke-småcellig lungcancer (NSCLC) cancerpatienters CT File att när implementeras i en Cox proportionella riskmodell med modeller för total överlevnad, loco-regionalt kontroll och fjärrmetastaser betydligt förbättrad Kaplan-Meier stratifiering jämfört med modeller som används endast kliniska data20. Likaså Fave et al. fann radiomics funktioner som förbättrad patientens stratifiering i överlevnad kurvor12. Deras studie använde weekly CT-bilder och beräknade förändringar i lungan radiomics funktioner. Beräknas funktioner i modellen hade fyra olika förbehandling metoder: (1) tröskelvärde, (2) tröskel och bitdjup, (3) tröskelvärde och utjämning, (4) tröskelvärde, bitdjup och utjämning; och det bästa som förbehandling metod valdes för varje funktion individuellt innan testas i Cox proportionella riskmodell modeller. Hunter et al. visade också att radiomics funktioner kan förutsäga tumören krymper i NSCLC patienter samtidigt undersöka olika trösklar och lite djup omskalning värden18.

SÄLLSKAPSDJUR bildens radiomics funktioner och deras prognostiska värde har också undersökts med hjälp av Stenbock. Stekt et al. skalade standardiserade upptag värden (stadsjeepar) genom avrundning stadsjeepar till närmaste heltal och sedan subtrahera den minsta SUV för att ROI från de övriga13. Energi och soliditet konstaterades att statistiskt förbättra en övergripande modell för överlevnad när ingår jämfört med modell när endast konventionella kliniska faktorer ingick. Dessa två radiomics funktioner befanns även kunna identifiera subgrupper av patienter som fått en förmån eller nackdel från dos upptrappning14. Likaså van Rossum et al. fann en ökning i c-index för en klinisk prognos modell av patologisk komplett respons när inklusive radiomics funktioner i kliniska modeller17.

Figure 1
Figur 1 : Stenbock huvudsakliga hemsida. Huvudsidan för Stenbock med ikoner för varje avsnitt. Vart och ett av dessa avsnitt beskrivs i avsnitten 2-6. Klicka här för att se en större version av denna siffra.

Figure 2
Figur 2 : Data urvalsfönstret. GUI fönster används för datamanipulation urval. Fönstret finns knappar för att ändra utseendet på bilderna enligt beskrivningen i steg 4,4-4.10. Klicka här för att se en större version av denna siffra.

Figure 3
Figur 3 : ROI editor-fönstret. GUI fönster används för ROI manipulation. Fönstret levereras med samma knapparna för att ändra utseendet i data urvalet samt knappar för att ändra ROIs. ROI manipulation beskrivs i avsnitt 5. Klicka här för att se en större version av denna siffra.

Figure 4
Figur 4 : Stenbock resultat kalkylblad. IBEX utgångar tre sidor med information i ett kalkylblad. Första sidan (A) innehåller värdena som funktionen för varje ROI, den andra sidan (B) innehåller information om de bilder som ROIs drogs på, och den tredje sidan (C) innehåller information om funktioner och förbehandling används. Utgångarna för denna siffra använder från en phantom studie där funktioner beräknades Butterworth utjämning och 8-bitars djup Omskalningen, visas i panelen C, kolumn E, raderna 5 och 6. Klicka här för att se en större version av denna siffra.

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 är ett kraftfullt verktyg för medicinsk imaging radiomics forskning. Det har hittills främst använts för strålning onkologi ändamål i studier som utförts av gruppen MD Anderson radiomics. IBEX tillåter manipulering av ROIs och beräkning av funktioner inom 5 viktigaste funktionen kategorier. Den källa kod versionen av IBEX tillåter användaren att designprogram som inte redan är en del av Stenbock, t.ex grå nivå zonen matris funktioner.

De viktigaste stegen i IBEX är den import av bilder, konturering av ROIs, urval av ROIs för datamängden och skapandet av funktionsuppsättningen. Exakta konturer är nödvändig eftersom funktioner beräknas endast inom dessa områden och därmed felaktig konturer kommer ge felaktig funktion värden. Alltså någon relation som finns mellan dessa funktioner beräknas på felaktig konturer och resultat kommer att vara falska. Parametern urval för funktioner är också ett viktigt steg. Till exempel kan ändra stegstorlek för grå nivå Samförekomst matrisen påverka funktionerna beräknas från matrix. Detta kunde bero på bildtyp (dvs, MRI, CT, eller husdjur), platsen för utredning (t.ex., NSCLC vs. huvud och hals) och syftet med studien (t.ex., att skapa överlevnad modeller vs. länka bilden funktioner med genomik). Funktionen parametrar bör väljas utifrån ett fysiskt eller biologiskt resonemang, t.ex., finns det en anledning till att en stegstorlek 4 skulle vara biologiskt relevanta i en samtidig förekomst matris? Funktionen parametrar kan också väljas baserat på tidigare studier som har hittat vissa funktionen parametrar att korrelera med utfall eller biologiska uttryck. IBEX har 27 förbehandling moduler och 132 funktioner som är tillgängliga för urval, tillsammans med att tillåta ändring av parametrar för varje förbehandling modul och funktionen kategori, vilket gör det ett anpassningsbart verktyg för många typer av radiomics studier.

I området i närheten finns det flera allmänna begränsningar i radiomics forskning som gäller när du använder någon programvara. Funktioner bild har till exempel visat sig bero på bild förvärv parametrar såsom voxel storlek och scanner15,27. En begränsning av all programvara är att det finns många parametrar som kan ändras för varje funktion och standardvärden kan inte vara lämpligt för specifika studier. Användare måste vara vaksamma och forskning tidigare används parameterinställningar för liknande studier och utvärdera tillämpligheten av inställningarna. Kvaliteten på konturerna och den inneboende inter - och intra-observer variabiliteten kan också påverka beräkningen av funktioner. Owens et al. visade att beräknade funktioner är mer robust när du använder auto-contouring verktyg28. De funktioner som beräknas för radiomics studier är mänskliga-engineered funktioner och kan inte helt förmedlar de funktioner som observerats av visuell perception systemet. Dessutom kan dessa funktioner vara högt korrelerade till varandra att skapa svårigheter när analysera resultaten. En viss begränsning av IBEX är att den aktuella versionen saknar tillgängligheten för att beräkna wavelet funktioner; vår grupp avser dock att inkludera dessa funktioner i framtida versioner.

Det finns flera alternativa mjukvaruplattformar för beräkningen av bilden funktioner25. Några fördelar med Stenbock inkluderar det faktum att det är fritt tillgängligt, är väldokumenterade2och tillåter användare detaljerad kontroll av bild funktionen beräkningarna. IBEX visar också de bearbetade patientbilder (t.ex., efter utjämning), så användaren kan visualisera konsekvenserna av eventuella bildbehandling - detta är användbart exempelvis när bekräftar att förbehandling inte har alltför jämnas bilderna. Likaså kan IBEX exportera faktiska Samförekomst matrisen och intensitet histogram, Detta kan vara användbart när du gräver djupare i de bild-funktionerna.

IBEX har använts uteslutande för cancer studier, främst fokuserat på strålbehandling. Framtida studier kan dock filial ut till andra cancerbehandlingar eller ens utanför fältet cancer. Exempelvis används Kassner et al. radiomics för att förutsäga hemorragisk transformation hos patienter med akut ischemisk stroke29. Stenbock skulle också kunna användas i radiomics studier av den här typen.

IBEX har också löpande underhåll. Till exempel, fann en studie av Fave et al. att 5 funktioner (SYSSELSATTHET, råhet, grå nivå icke-enhetlig, icke springa längd-enhetlighet och energi) var starkt volym beroende och korrigerade sina formler11. Dessa uppdaterade formler har tagits med i den uppdaterade versionen av Stenbock. Dessutom finns det en google grupp30 som har användare posta frågor som andra användare då svara. Denna ständiga förbättringar av IBEX förutom de aktuella funktionerna av IBEX och dess tillgänglighet gör det en utmärkt källa för radiomics studier.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har ingen konkurrerande ekonomiska intressen att avslöja.

Acknowledgments

Rachel Ger finansieras av av Rosalie B. Hite Graduate Fellowship och American Legion Auxiliary gemenskap. Carlos Cardenas har finansierats av George M. Stancel PhD gemenskap inom biomedicinsk vetenskap. Utvecklingen av IBEX finansierades 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).
Riktlinjer och erfarenhet av att använda Imaging biomarkör Explorer (IBEX) för 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