Yönergeler ve biyomarker Explorer (IBEX) görüntüleme için Radiomics kullanarak deneyimi

Rachel B. Ger; Carlos E. Cardenas; Brian M. Anderson; Jinzhong Yang; Dennis S. Mackin; Lifei Zhang; Laurence E. Court

doi:10.3791/57132

Method Article

Yönergeler ve biyomarker Explorer (IBEX) görüntüleme için Radiomics kullanarak deneyimi

DOI:

10.3791/57132

⸱

January 8th, 2018

Rachel B. Ger¹^,² , Carlos E. Cardenas¹^,² , Brian M. Anderson¹^,² , Jinzhong Yang¹^,² , Dennis S. Mackin¹ , Lifei Zhang¹ , Laurence E. Court¹^,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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dağ KEÇİSİ, tıbbi görüntüleme radiomics çalışmaları ve bu aracının nasıl kullanılacağı için tasarlanmış bir açık kaynak aracı açıklanmaktadır. Buna ek olarak, dağ KEÇİSİ belirsizlik çözümlemesi için kullanılan ve bina model bazı yayımlanmış eserler görücüye vardır.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Biyomarker Explorer (IBEX) görüntüleme bir açık kaynak tıbbi görüntüleme radiomics iş için bir araçtır. Bu kağıt amacı dağ KEÇİSİ'ın grafik kullanıcı arabirimini (GUI) ve dağ KEÇİSİ özellikleri klinik çalışmalarda kullanılan hesaplanma göstermek için nasıl tarif etmektir. Dağ KEÇİSİ DICOM görüntüleri alma için DICOM radyasyon terapisi yapısı dosyaları veya Pinnacle dosyaları sağlar. Görüntüleri alındıktan sonra dağ KEÇİSİ içinde görüntüler, ölçü Voksel değerleri ve mesafeler, görüntüleme işlemek ve oluşturmak ve kontür düzenlemek için veri seçimi GUI araçları vardır. Dağ KEÇİSİ şekil sets tasarlamak için 27 önişleme ve 132 özellik seçenekleri ile geliyor. Her ön işleme ve özellik kategorisi değiştirilebilir parametreleri vardır. Dağ KEÇİSİ çıktısını içeren bir elektronik tablo olduğunu: 1) her özelliğin özellik her kontur bir veri kümesinde, bir veri kümesi ve ön işleme 3) bir Özet her kontur hakkında 2) görüntü bilgi için hesaplanan ve onların seçilen ile kullanılan özellikleri parametreleri. Dağ KEÇİSİ hesaplanan özellikler çalışmalarda farklı görüntüleme koşullarında ve hayatta kalma modelleri mevcut klinik modelleri geliştirmek için özellikler değişkenliği sınamak için kullanılır.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tıpta, hasta hastalık tanı genellikle büyük röntgen, ultrason, bilgisayarlı tomografi (BT), manyetik rezonans görüntüleme (MRG), gibi tanı sınav altyapı ve Pozitron emisyon tomografisi (PET) tarar belirlemede yardımcı olmak için Tabii ki hasta bakımı. Doktorlar hastanın tanı niteliksel değerlendirmek için bu görüntüleri kullanırken, hasta bakımı rehberlik için çıkarılan ek nicel özellikler olabilir. Bu özellikler proteomik ve genomik desenler üzerinde makroskobik ölçekte¹ifade temsil edebilir mantığı olduğunu. Bu niceliksel bilgileri geçerli klinik bilgi, örneğin, hasta demografi, ile birleştirerek daha bireyselleştirilmiş hasta bakımı izin verebilir. Radiomics arkasındaki teori bu: özelliği görüntülerin Voksel düzeyde analiz. Özellikleri genellikle 5 ana kategoriye ayrılır: gri düzey ortak oluşumu matris, gri düzey çalışma uzunluğu matris, mahalle yoğunluk farkı matris, çubuk grafik ve şekil.

Biyomarker Explorer (IBEX) görüntüleme bir açık kaynak radiomics iş²için bir araçtır. Grafik kullanıcı arabirimi (GUI) MD Anderson Kanser Merkezi kanser Bakımı karar vermede yardımcı olan çıkarma ve kantitatif özelliklerin hesaplama kolaylaştırmak amacı ile geliştirilmiştir. Bir kaynak kodu³ ve tek başına⁴ sürümü online olarak mevcuttur. Dağ KEÇİSİ özellikleri her özellik kategorisi için ayarlayabilirsiniz parametreleri ile tıbbi radiomics kullanılan en yaygın 5 kategorilerini hesaplar. Bu gruplar şunlardır: gri düzey ortak oluşumu matris⁵, gri düzey çalışma uzunluğu matris⁶^,⁷, yoğunluk, mahalle yoğunluk farkı matris⁸ve şekil. Dağ KEÇİSİ açık kaynak olduğu için farklı radiomics çalışmalar kolayca karşılaştırmak için kurumlar arasında uyumlu özelliği ayıklama sonuçlarını için sağlar. Dağ KEÇİSİ içinde tüm özellikleri ilk gazetede Zhang vd tarafından açıklanan ²

Dağ KEÇİSİ kullanmak ve yayımlanmış çalışmalar hakemli aracılığıyla uygulamaları MD Anderson radiomics grubundan göstermek için nasıl bir kılavuz sağlamak için bu yazının amacı budur. Piyasaya çıktığından beri halka 2015 yılında, dağ KEÇİSİ CT, PET ve MRI tarama görüntü özelliklerinden hesaplamak için MD Anderson radiomics grubu tarafından genellikle klinik hayatta kalma modelleri⁹^,¹⁰^{geliştirmek için özellikleri soruşturma kullanılmıştır,} ¹¹^,¹²^,¹³^,¹⁴^,¹⁵^,¹⁶^,¹⁷^,¹⁸^,¹⁹^,²⁰ve dış kurumları²¹^,²²^,²³^,²⁴tarafından. Dağ KEÇİSİ içinde yer almayan adımlar radiomics araştırma için kullanılan yazılım araçları üzerinde ek yönergeler-ebilmek bulunmak içinde mahkeme vd. ²⁵

Dağ KEÇİSİ iş akışı için genel bir giriş verileri düzgün dağ KEÇİSİ kullanan radiomics proje başlamadan önce düzenlemek için yardımcı olacaktır. DICOM görüntüleri içe aktarma, dağ KEÇİSİ her hasta onların DICOM görüntüleri ile kendi klasör var gerektirir. DICOM radyasyon yapısı küme hasta klasöründe eklemek isteğe bağlıdır, ancak içinde dağ KEÇİSİ şekillendirici platformu kullanmak yerine önerilir. Böylece tüm verileri tek bir adım kullanarak dağ KEÇİSİ alınabilecek tüm hastalar için belirli bir çalışma alma ile yardımcı olmak için tüm hasta klasörleri bir klasöre birlikte yerleştirilebilir. Hastalar Pinnacle'dan alma, hasta plana ayarla yapısı en iyisi. Hasta birden çok görüntü kümeleri ve plan Pinnacle içinde olabilir bilmek hangi resim koymak için en iyi ve plan doğru almadan önce olduğu. Hesaplama zaman bir sorun oluşturacaksa, bir hasta için görüntü dilimleri sayısını azaltarak zaman önemli ölçüde azaltır. Örneğin, karaciğer bir çalışmada ilgilendirmez ama hastaların yalnızca tam vücut CT taramaları, DICOM dilimleri sadece ilgi alanı ölçüde azaltılması (DICOM 300 dilimleri 50 dilimlere azaltılmasıörneğin, 1/6t alabilir hesaplama zaman kısaltabilir h zaman). Bu dilim azaltma, yarı otomatik el ile gerçekleştirmek farklı araçlar vardır.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Install dağ KEÇİSİ

Not: yüklemek için bir kaynak kodu sürüm gidin adım 1.1. Alternatif olarak, tek başına bir sürümünü yüklemek için 1.2 adıma gidin.

Kaynak kodu sürüm
1. Dağ KEÇİSİ kaynak kodu sürüm Web sitesi³' e geçin. "IBEX_Source.zip" ve "How_to_use.pdf" dosya indirmek. En son dağ KEÇİSİ sürümü kullanmak için ön koşul bulmak için "How_to_use.pdf" dosyasında arayın.
  Not: Dağ KEÇİSİ inşaat üstünde yalnızca 32 bit ve 64 bit Matlab yorum 2011a ve 2014b, anılan sıraya göre.
2. Karşıdan yükleme tamamlandığında, "IBEX_Source.zip" unzip ve \IBEX_Source klasörün yerel yolunu ekleyin.
  Not: Bir yol eklemek yönergeler "yolu Ekle"²⁶yazılım referanslar sayfasında bulunabilir.
3. "IBEXMain" dağ KEÇİSİ başlatmak için komut penceresinde yazın.
Tek başına sürümü
1. Dağ KEÇİSİ tek başına sürümünü Web sitesi⁴' e geçin. Dağ KEÇİSİ ilk kez yüklüyorsanız, "Bağımlılık" klasörüne gidin ve download/install "MCRInstaller.exe," vc2005redist_x86_new.exe, "ve"vc2012redist_x86.exe"dosyaları. "IBEX.exe," "IBEX.ctf," "IBEX.ini," ana sayfasından indirebilirsiniz ve "How_to_use.pdf" dosyaları aynı klasöre. En son dağ KEÇİSİ sürümü kullanmak ön koşul "How_to_use.pdf" dosyasına bakın.
2. Çift "IBEX.exe" dağ KEÇİSİ başlatmak için tıklatın.

2. konumunu ayarlayın

Not: Görüntüler küme bu konuma aktarılır ve bu çalışma için verileri de burada saklanır. Dağ KEÇİSİ en daha önce uygulanan kullanır konumu varsayılan konum olarak ne zaman yeniden başlattı.

(Şekil 1) "Yer" simgesine tıklayın.
Kullanıcı seçin veya yeni bir kullanıcı klasörü oluşturmak için "yeni kullanıcı" çift tıklatın. Yeni pencere adı yeni bir kullanıcı klasör oluşturma girerseniz, sonra "Tamam" düğmesini tıklatın.
Seçili kullanıcı sitede seçin veya çift "Yeni Site" yeni bir site klasör oluşturmak için tıklatın. Yeni pencere adı yeni bir kullanıcı klasör oluşturma girerseniz, sonra "Tamam" düğmesini tıklatın.
Altındaki "Tamam" düğmesini tıklatın.

3. görüntüleri içe aktarma

(Şekil 1) "Alma" simgesine tıklayın.
DICOM seçin veya Pinnacle9 (Pinnacle dosya sürüm 9) biçimi format adı tıklayarak. DICOM içe aktarmak için görüntüleri 3.3.1 adıma geçin. Pinnacle9 almak için dosyaları 3.3.2 adıma geçin.
"İleri" düğmesini tıklatın.
1. DICOM görüntüleri içe aktarma
  Not: alınacak hastalar tek tek adım 3.3.1.1 gidin. Almak için birden çok hasta hemen 3.3.1.2 adıma geçin.
  1. Her hasta tek tek dizin üzerinden hasta klasörü seçerek alma.
    1. DICOM görüntüleri içeren hasta klasörü seçmek için listelenen dizini "..." düğmesini tıklayın ve radyasyon yapısı DICOM dosyasını (isteğe bağlı) ayarlayın.
      Not: Bu sadece bir yapı ile hasta dosyalarına ayarla almak isteğe bağlı olsa da, bunun için önerilir. Dağ KEÇİSİ içindeki şekillendirme bir platform var, ama bu büyük veri kümeleri için biraz zordur. Dağ KEÇİSİ araçlar için radyasyon onkoloğu, şekillendirme aşina ticari yazılım platformları kümelerinden yapısı olan iş akışı kolaylaşır hizmet verebilir. Bu genellikle nasıl dağ KEÇİSİ çalışmalarda kullanılır.
    2. Bir kez dağ KEÇİSİ DICOM dosyaları, hasta aramayı bitirdi ve Ayrıntılar kutuları doldurulur sol altta "Al" butonuna tıklayın.
    3. 3.3.1.1.1 - 2 her hasta için adımları yineleyin.
    4. Tüm hastalar alındıktan sonra "Çıkış" düğmesini tıklatın.
  2. Tüm hastalar hemen sağ üst köşesindeki 'Toplu klasör' kutusunda kontrol ederek alın.
    Not: Tüm hastalar ilgili DICOM dosyalarını içeren ayrı bir klasör olması gerekir.
    1. Onların karşılık gelen DICOM görüntüleri olan tüm hasta klasörler içeren klasörü seçmek için listelenen dizini "..." düğmesini tıklayın ve radyasyon yapısı DICOM dosyasını (isteğe bağlı) ayarlayın.
    2. "Al" düğmesini tıklatın. Hastalar sırayla alınır. Tüm hastalar alındıktan sonra "Çıkış" düğmesini tıklatın.
2. Pinnacle dosyaları
  1. Pinnacle ana bilgisayar ve veritabanı "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI" dosyası içinde yapılandırın. Alma modülü kutusunda Pinnacle seçmeden önce "Config" düğmesini tıklatın.
  2. Uygun Pinnacle ana bilgisayar ve veritabanı seçin.
  3. Hasta MRN, soyadı veya ad girin sonra başka bir yerde içinde belgili tanımlık pencere'yi tıklatın.
  4. "Sorgu" düğmesini tıklatın.
  5. Hasta yeni pencerede seçin sonra "Transfer"tıklayın"düğmesini tıklatın.
  6. O hasta yeni pencerede istediğiniz görüntü kümesinden yer aldığı kutuyu tıklatın ve "Tamam" düğmesini tıklatın.
  7. "Veri başarıyla alındı." etiketini taşıyan yeni pencerede "Tamam" düğmesini tıklatın
  8. Tüm hastalar alındıktan sonra "Çıkış" düğmesini tıklatın.

4. görüntüleri ve faiz (ROIs) bölgelerinde görüntüleme

(Şekil 1) "Veri" simgesine tıklayın. GUI (üst yarısında) "bir hasta seçin" bölümünde açmak için istenen hasta dosyasını tıklatın.
Tıkırtı üstünde belgili tanımlık GUI "görüntü kümelerini seçin" bölümünde açmak için istenen hasta dosyasını görüntü kümesi (alt yarısı). "Aç" düğmesini tıklatın.
Aksiyel, koronal gösterilir, görüntüleri ve sagittal sayısı (soldan sağa) kaydırmak için görüntüleri altındaki okları kullanın.
Görüntü (Resim 2) "Zoom" butonuna basarak Yakınlaştır. Yakınlaştırmak için görüntü uçakta bir kutu çizer. Uzaklaştırmak için sağ tıklatın.
Localizers üzerinde "Kavşak" düğmesini (Şekil 2) seçerek açın.
Not: görünen çizgilerinin bu dilimi her uçak nerede olduğunu göster. Bu satırları okları kullanarak kaydırma sırasında hareket.
"Hükümdar" düğmesini (Şekil 2mesafeleri ölçmek için) tıklatın. ' I tıklatın ve faiz iki nokta arasında ölçmek için sol fare tuşunu basılı tutun. Ölçülen değer görüntülenen alanından kaldırmak için fare düğmesini serbest bırakın.
"CT say" düğmesine (Şekil 2bir Voksel değerini ölçmek için) tıklatın. Tıklayın ve tutun sol fare düğmesini Voksel ilgi ve değeri GUI renk ölçeği altında sol tarafında açılır. Ölçülen değer görüntülenen alanından kaldırmak için fare düğmesini serbest bırakın.
"W/M" düğmesini (Şekil 2) pencere/düzeyi için görüntüleri tıklatın. Başka bir pencere çıkacaktır. Sağ ve sol istediğiniz alana sürükleyin veya el ile yeni pencerenin alt pencere ve düzey kutularındaki pencere/düzeyi girin. İlk açılır menüden solda ( Şekil 2) kullanarak farklı pencere/düzeyleri seçin: CT ve Pet için 1 8 vardır
İkinci kullanarak farklı renk seç ölçekler (Şekil 2) soldaki menü açılır: 9 seçenekler arasından seçim vardır.
ROIs yanında tıkırtı üstünde belgili tanımlık imge üstünde görünür hale getirmek veya tüm hasta ROIs açmak için "Tüm ROIs üzerinde" düğmesini tıklayın için yatırım Getirisi yanındaki kutuyu görselleştirin.

5. yatırım Getirisi Düzenle

ROIs sol üst veya alt orta "ROIs Düzenle" düğmesini tıklatarak düzenleyebilirsiniz. Onun adının yanındaki kutuyu tıklatarak düzenlemek için kontur seçin.
Az önce çizilmiş veya kontür itmek için "Dirsekle dürtmek kontür" düğmesini (şekil 3) kullanın. Kontür sürükle düğmesini "D" etiketli kutuyu kullanılan daire boyutunu ayarlayın.
Bütün kontur bir dilim "Kontür kes" düğmesini (şekil 3) kullanarak kaldırın. ' I tıklatın ve sol fare tuşunu basılı tutun ve kaldırılacak ROI çevresinde bir kutu çizin.
Kontür çizmek
Not: Puan bağlanarak hatlarını çizmek için 5.4.1 adımına gidin. Adım 5.4.2 kontür tarafından serbest el çizmek için gidin.
1. Nokta bağlanma: "Beraberlik kontür (1)" düğmesini (şekil 3) bir kontur her dilim üzerinde Puan dağılımı etrafında tıklayarak çizmek nerede Puan Düz çizgilerle birbirine bağlanmış için kullanın. Bu dilimi için yatırım Getirisi çizilmiş birinci noktada tıklayarak tamamlayın.
2. Serbest el: "Kontür (2) çizmek" düğmesini (şekil 3) bir kontur tarafından serbest el çizmek için kullanın. Kontur üzerinde dilim çizmek için sol fare tuşunu basılı tutun. Kontur bu dilimi üzerinde çizilmiş yatırım Getirisi başlangıcına geri geliyor ve ardından farenin sol düğmesini serbest bırakma bitirmek.
Dilimleri arasında ROIs getirmek için "kontür katmak" düğmesini (şekil 3) tıklayın.
ROI kopyalamak için "Kopya ROI" butonuna tıklayın.
ROIs birden çok ROIs seçip ardından "ROI Birleştir" düğmesini tıklatarak birleştirme.
Şu anda seçili ROI silmek için "Yatırım Getirisi Sil" düğmesini tıklatın.
Tıkırtı "Yaratmak bir pencere neden olacak yeni bir yatırım Getirisi oluşturmak için yatırım Getirisi" çıkacaktır. ROI adını girin ve "Tamam" düğmesini tıklatın. "Kaydet" düğmesini tıklatın. Hasta görüş-e doğru dönmek için "Çıkış" düğmesini tıklatın.

6. kontür veri kümesi

Görünüm kontür veri kümesi
1. Kontür veri kümesinde görüntülemek için "veri kümesi göster" düğmesini tıklatın. Görüntülemek için veri kümesinin adını tıklatın. "Aç" düğmesini tıklatın. Seçme hasta kendi adının yanındaki kutuyu kullanarak kontür. Bu kontur için istenen işlev bağlı olarak "Delete", "Hareket" veya "Kopya" düğmesini tıklatın. Veri kümesi ile ilgilenen bir kez bitmiş veri kümesi penceresini kapatın.
Kontür veri kümesine ekleme
1. Kontür kendi adının yanındaki onay kutusunu tıklatarak bir veri kümesine eklemek için seçin sonra "veri kümesi Ekle" düğmesini tıklatın. Kontür ekleyin veya yeni bir veri kümesi için "Yeni" düğmesini tıklatın veri kümesi adını tıklatın. New seçtiyseniz, veri kümesi adını yeni pencerede girin. "Tamam" düğmesini tıklatın.
Eğer kontür Bölüm 3 sırasında yüklenmedi Pinnacle sürüm 9 .roi dosyasını içe aktarmak için "ROIs almak" düğmesini tıklatın.
1. Dosyayı seçmek için "..." düğmesini tıklatın. "Al" düğmesini tıklatın.
ROIs vermek için "ROIs Dışa Aktar" düğmesini tıklatın.
1. Dışa aktarılan ROIs yerleştirdiği dizini seçmek için "..." düğmesini tıklatın. Dışa aktarılan ROIs için tercih edilen biçim adını tıklatın. Bu tercih edilen ise anonimleştirme bilgilerini girin. Dışa Aktar düğmesini tıklatın.
  Not: Hiçbir anonimleştirme yapılması hazır ayarı var.
Hastalar ve inceden inceye gözden geçirmek listesine dönmek için "Çıkış" düğmesini tıklatın.

7. özellik kümesi oluşturma

"Özelliği" simgesine tıklayın.
Ön işleme isterseniz ekleyin.
1. "Adım 1: önişlem" altında "Ekle" düğmesini tıklayın. Yeni pencerede açılan menüsünden Önişleme seçeneği seçin.
2. "İ" altında "Para önişleme parametreleri seçmek için." tıklayın. Yeni pencerede değer sütununun altında üzerinde değiştirmek için parametre sayısını tıklatın. Yeni parametre değeri yazıp "Tamam" düğmesini tıklatın.
3. Önişleme yönteminin bir açıklaması ve belirli parametreleri ön işleme için sağ üst köşedeki "soru işareti" düğmesini tıklayın.
4. "Ekle" düğmesini tıklatın. Önişleme adımını seçin ve istenmeyen önişleme adımları silmek için "Sil" düğmesini tıklatın.
İstenen özellikleri ekleyin.
1. Özellik kategorisi altında aşağı açılan menüsünden seçin "Adım 2: özellikleri Kategori:". İçin birden fazla kategori arasındaki adımları yineleyin.
  Not: Sadece tek bir kategoriye özellikleri teker teker eklenebilir. Ön işleme ve özellik kategoriler farklı birleşimlerini ayarlamak isterseniz aynı özellik eklenebilir.
  1. "GrayLevelCooccurenceMatrix25" ve "NeighborIntensityDifference25" özelliği Kategoriler gri düzey ortak oluşumu matris ve mahalle yoğunluk farkı matris, sırasıyla, matris bilgisayar tarafından yapılır 2.5 d hesaplamak için seçin her dilim tek tek ve tüm matrisler birlikte özetliyor.
  2. "GrayLevelCooccurenceMatrix3" ve "NeighborIntensityDifference3" özelliği Kategoriler gri düzey ortak oluşumu matris ve mahalle yoğunluk farkı matris, sırasıyla, 3D hesaplamak için seçin.
2. Altında "Para." "i" o ön işleme için seçilen parametreler için tıklayın. Önişleme yöntemi ve parametreleri açıklaması için sağ üst köşedeki "soru işareti" düğmesini tıklayın.
  1. Yeni parametre değeri yazıp "Tamam" düğmesini tıklatın.
3. Bir özellik kategori veya belirli özelliklerini görüntülemek için "Test" düğmesini tıklatın. Özellik veya istenilen Kategori yanındaki düğmeyi tıklatın.
  1. Test görüntüleyin ve "Aç" düğmesini tıklatın veri kümesi seçin. Seçili veri kümesi hastalardan test görüntüleyin ve "Test" düğmesini yanındaki kutuyu işaretleyin.
4. Seçili kategorisi için istenmeyen özellikleri işaretini kaldırın; tüm özellikleri Kategori seçtikten sonra seçilir. Sözcüğü tıklatın "özellikleri:" "Adım 2: tüm özellikleri işaretini kaldırmanız özellikleri" altında.
5. Seçili ön işleme ile tüm seçili özellikler eklemek için "Eklemek için özellik ayarla" düğmesini tıklatın.
  1. Ve "Aç" düğmesini tıklatın veya yeni bir özellik seti özellikleri eklemek için "Yeni" düğmesini tıklayın özellikleri eklemek için ayarla özelliğini seçin. Yeni bir özellik oluşturma ayarlarsanız, yeni pencerede özellik kümesi adını girin ve "Tamam" düğmesini tıklatın.
Özellikleri özellik kümesi içinde görüntülemek için ilgili önişleme teknikleri ile özellikleri görüntülemek için "Göster özelliği ayarla" düğmesini tıklatın.
1. Özellik kümesi görüntülemek ve "Aç" düğmesini tıklatın veya yeni bir özellik seti oluşturmak için "Yeni" düğmesini seçin. Yeni bir özellik oluşturma ayarlarsanız, yeni pencerede özellik kümesi adını girin ve "Tamam" düğmesini tıklatın.
Geçerli veri kümelerini görüntülemek için "veri kümesi göster" butonuna tıklayın.
1. Veri kümesi görüntülemek ve "Aç" düğmesini tıklatın veya yeni bir veri kümesi oluşturmak için "Yeni" düğmesini seçin. Yeni bir veri kümesi oluşturuyorsanız, yeni pencerede veri kümesi adını girin ve "Tamam" düğmesini tıklatın.
"Çıkış" düğmesini tıklatın.

8. çıkış özellikleri

"Sonuç" simgesini tıklatın. Veri kümesi Özellikler altında çalıştırmak için tıklayın "Adım 1: veri kümesi." Tıklatın altında seçili veri üzerinde çalışacak şekilde ayarlama özelliğini "Adım 2: şekil koymak."
Seçili veri kümesini görüntülemek için "Görünüm Verisi" butonuna tıklayın. Seçilen özellik kümesini görüntülemek için "Görüş şekil" butonuna tıklayın.
"Hesaplamak ve sonucu Kaydet" düğmesini tıklatın. Sonuçlar için dosya adı girin ve "Kaydet" düğmesini tıklatın.

9. istatistiksel Model kurma

Kaydedilen sonuçları dosyasını açın.
Not: Bu genellikle C:\IBEX\DataIbex\[Selected kullanıcı adım 2.2 içinde altında'dır] \ [seçili Site adım 2,3] \1FeatureResultSet_Result, aksi takdirde 8.4 adımda atanan sürece.
Farklı sekmeleri verilerini istenilen istatistiksel testlerde kullanmak veya Bina içinde yazılım modelleme.
Not: Herhangi bir zamanda protokol duraklatılmış. Ancak, tüm bölüm 7 özellik simgenin altında olan bitirme örneğin, belirli bir simge için gerekli tüm adımları bitirdikten sonra en uygun olur.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bir elektronik tablo Web bölümünün çıktısı, dağ KEÇİSİ olduğunu 3 sekmeleri içerir (bkz. şekil 4). "Sonuçlar" sekmesini (şekil 4A) veri kümesindeki her yatırım Getirisi için özellik değerlerini içerir. "Veri bilgi." sekmesi (şekil 4B) veri kümesindeki her yatırım Getirisi alınan görüntüleri hakkında bilgi içerir. Ve ön işleme özellikleri (şekil 4...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dağ KEÇİSİ tıbbi görüntüleme radiomics araştırma için güçlü bir araçtır. Bu zamana kadar çoğunlukla MD Anderson radiomics grubu tarafından yürütülen çalışmalarda Radyasyon Onkoloji amaçlı kullanılmıştır. Dağ KEÇİSİ ROIs manipülasyon ve hesaplama özellikleri içinde 5 ana özellik kategorileri sağlar. Kaynak kod sürümü dağ KEÇİSİ, zaten dağ KEÇİSİ, gri düzeyi bölge matris özellikleri gibi dahil olmayan tasarım uygulamaları için kullanıcı sağlar.

Ana adımları dağ KEÇİSİ içinde yer alma görüntüleri...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar ifşa rakip hiçbir mali ilgi alanlarına sahip.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rachel Ger Rosalie d. Hite Yüksek Lisans Bursu ve American Legion yardımcı arkadaş grubu tarafından finanse edilmektedir. Carlos Cardenas George M. Stancel Doktora Bursu Biyomedikal bilimlerde tarafından finanse edilmektedir. Dağ KEÇİSİ gelişimi ncı (R03 CA178495) tarafından finanse edildi.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
Excel	Microsoft Office		Excel'in herhangi bir sürümü çalışmalıdır.
Matlab	MathWorks		Yalnızca 32 bit Matlab 2011a veya 64 bit Matlab 2014b'de IBEX kullanın.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Lambin, P., et al. Radiomics: extracting more information from medical images using advanced feature analysis. EJC. 48, 441-446 (2012).
Zhang, L., et al. IBEX: an open infrastructure software platform to facilitate collaborative work in radiomics. Med Phys. 42, 1341-1353 (2015).
IBEX Source Code. , Available from: http://bit.ly/IBEXSrc_MDAnderson (2017).
IBEX Stand Alone. , Available from: http://bit.ly/IBEX_MDAnderson (2017).
Haralick, R. M., Shanmugam, K. Textural features for image classification. IEEE Trans Syst Man Cybern. , 610-621 (1973).
Galloway, M. M. Texture analysis using gray level run lengths. Comp Graphics and Im Proc. 4, 172-179 (1975).
Tang, X. Texture information in run-length matrices. IEEE Trans on Im Proc. 7, 1602-1609 (1998).
Amadasun, M., King, R. Textural features corresponding to textural properties. IEEE Trans Syst Man Cybern. 19, 1264-1274 (1989).
Fave, X., et al. Preliminary investigation into sources of uncertainty in quantitative imaging features. Comp Med Imaging Graph. 44, 54-61 (2015).
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).
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).
Fave, X., et al. Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer. Scientific Reports. 7, 588(2017).
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).
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).
Mackin, D., et al. Measuring Computed Tomography Scanner Variability of Radiomics Features. Invest radiol. 50, 757-765 (2015).
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).
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).
Hunter, L. A., et al. NSCLC tumor shrinkage prediction using quantitative image features. Comp Med Imaging Graph. 49, 29-36 (2016).
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).
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).
Gan, J., et al. MO-DE-207B-09: A Consistent Test for Radiomics Softwares. Med Phys. 43, 3706-3706 (2016).
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).
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).
Hanania, A. N., et al. Quantitative imaging to evaluate malignant potential of IPMNs. Oncotarget. 7, 85776-85784 (2016).
Court, L. E., et al. Computational resources for radiomics. Trans Cancer Res. 5, 340-348 (2016).
Matlab Add path. , Available from: https://www.mathworks.com/help/matlab/ref/addpath.html (2017).
Zhao, B., et al. Reproducibility of radiomics for deciphering tumor phenotype with imaging. Sci Rep. 6, 23428(2016).
Owens, C., et al. Reproducibility and Robustness of Radiomic Features Extracted with Semi-Automatic Segmentation Tools. Med Phys. , (2017).
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).
IBEX Google Forum. , Available from: https://groups.google.com/forum/#!forum/ibex_users (2017).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Yönergeler ve biyomarker Explorer (IBEX) görüntüleme için Radiomics kullanarak deneyimi

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles

Related Articles

Texture analysis using gray level run lengths.

Impact of image preprocessing on the volume dependence and prognostic potential of radiomics features in non-small cell lung cancer.

MO-DE-207B-09: A Consistent Test for Radiomics Softwares.

SU-D-207B-07: Development of a CT-Radiomics Based Early Response Prediction Model During Delivery of Chemoradiation Therapy for Pancreatic Cancer.

SU-F-R-22: Malignancy Classification for Small Pulmonary Nodules with Radiomics and Logistic Regression.

Computational resources for radiomics.