Rachel Ger è finanziato dal Rosalie B. Hite Istituto europeo di oncologia e American Legion ausiliario Fellowship. Carlos Cardenas è stato finanziato dalla compagnia George M. Stancel PhD nelle scienze biomediche. Lo sviluppo dello stambecco è stato finanziato il NCI (R03 CA178495).

1. installare IBEX
Nota: Per installare una versione di codice sorgente andare al punto 1.1. In alternativa, per installare una versione stand-alone andare al punto 1.2.
<ol><li>
Versione del codice sorgente
	<ol>
<li>Andare all'IBEX codice sorgente versione sito Web3. Scaricare i file "IBEX_Source.zip" e "How_to_use.pdf". Esaminare il file "How_to_use.pdf" per trovare i pre-requisiti per utilizzare l'ultima versione di stambecco. Nota: IBEX funziona solo su versioni a 32 bit e 64 bit Matlab 2011a e 2014b, rispettivamente.</li>
		<li>Una volta completato il download, decomprimere il "IBEX_Source.zip" e aggiungere la cartella di \IBEX_Source per il percorso locale. Nota: Le istruzioni su come aggiungere un percorso possono essere trovate nella pagina riferimenti software per "Aggiungi percorso"26.</li>
		<li>Digitare "IBEXMain" nella finestra di comando per avviare IBEX.</li>
	</ol>
</li>
	<li>
Versione stand-alone
	<ol>
<li>Andare al IBEX versione stand-alone sito4. Se l'installazione di IBEX per la prima volta, andare alla cartella "Dipendenze" e scaricare/installare il "MCRInstaller.exe", vc2005redist_x86_new.exe, "e"vc2012redist_x86.exe"file. Dalla pagina principale, Scarica il "IBEX.exe," "IBEX.ctf," "IBEX.ini," e "How_to_use.pdf" file nella stessa cartella. Esaminare il file "How_to_use.pdf" per i pre-requisiti utilizzare l'ultima versione di stambecco.</li>
		<li>Fare doppio clic su "IBEX.exe" per avviare IBEX.</li>
	</ol>
</li>
</ol>2. impostare la posizione
Nota: Le immagini vengono importate in questa località impostata e i dati per questo studio sono memorizzati qui pure. IBEX usi più precedentemente applicati posizione come posizione predefinita quando ha rilanciato.
<ol><li>Fare clic sull'icona "Posizione" (Figura 1).</li>
	<li>Utente di selezionare o fare doppio clic su "Nuovo utente" per creare una nuova cartella utente. Se creare una nuova cartella utente, immettere il nome nella nuova finestra fare clic sul pulsante "OK".</li>
	<li>Selezionare il sito entro l'utente selezionato o fare doppio clic su "Nuovo sito" per creare una nuova cartella di sito. Se creare una nuova cartella utente, immettere il nome nella nuova finestra fare clic sul pulsante "OK".</li>
	<li>Fare clic sul pulsante "OK" nella parte inferiore.</li>
</ol>3. importare immagini
<ol><li>Fare clic sull'icona di "Importazione" (Figura 1).</li>
	<li>Selezionare DICOM o Pinnacle9 (versione file di Pinnacle 9) formato facendo clic sul nome del formato. Per importare DICOM immagini andare al punto 3.3.1. Per importare Pinnacle9 file andare al punto 3.3.2.</li>
	<li>Fare clic sul pulsante "Avanti".<ol>
<li>Importare immagini DICOM Nota: Per importare pazienti andare individualmente al punto 3.3.1.1. Per importare più pazienti contemporaneamente andare al punto 3.3.1.2.<ol>
<li>Importare ogni paziente individualmente selezionando la cartella paziente tramite la directory.<ol>
<li>Fare clic sul pulsante "..." accanto la directory elencata per selezionare la cartella paziente contenente le immagini DICOM e struttura di radiazione set file DICOM (opzionale). Nota: Mentre è solo opzionale importare una struttura con le cartelle dei pazienti, si consiglia di farlo. IBEX hanno una contorno del piattaforma all'interno di esso, ma questo è un po ' poco pratico per i DataSet di grandi dimensioni. IBEX può ospitare gruppi di struttura di piattaforme di software commerciale che ha familiarità utensili sagomati per gli oncologi di radiazione, che rende il flusso di lavoro molto più facile. Questo è in genere come IBEX è utilizzato negli studi.</li>
				<li>Fare clic sul pulsante "Importa" in basso a sinistra una volta IBEX ha terminato la ricerca i file DICOM, il paziente e scatole di dettagli verranno popolati.</li>
				<li>Ripetere i passaggi 3.3.1.1.1 - 2 per ogni paziente.</li>
				<li>Dopo che tutti i pazienti vengono importati, fare clic sul pulsante "Esci".</li>
			</ol>
</li>
			<li>Importare tutti i pazienti contemporaneamente selezionando la casella 'Cartella Batch' in alto a destra. Nota: Tutti i pazienti devono avere una cartella separata che contiene i rispettivi file DICOM.<ol>
<li>Fare clic sul pulsante "..." accanto la directory elencata per selezionare la cartella che contiene tutte le cartelle in paziente con le loro corrispondenti immagini DICOM e struttura di radiazione set file DICOM (opzionale).</li>
				<li>Fare clic sul pulsante "Importa". I pazienti verranno importati in sequenza. Dopo che tutti i pazienti vengono importati, fare clic sul pulsante "Esci".</li>
			</ol>
</li>
		</ol>
</li>
		<li>File di Pinnacle<ol>
<li>Configurare l'Host di Pinnacle e Database all'interno del file "\IBEX\ImportExport\ImportModule\Pinnacle9\Pinnacle9ImportMain.INI". Prima di selezionare Pinnacle nella casella del modulo di importazione, fare clic sul pulsante "Config".</li>
			<li>Selezionare il corretto Pinnacle Host e Database.</li>
			<li>Immettere il paziente MRN, il cognome o il nome, quindi fare clic su altrove nella finestra.</li>
			<li>Fare clic sul pulsante "Query".</li>
			<li>Selezionare il paziente nella nuova finestra, quindi fare clic sul pulsante "Trasferimento".</li>
			<li>Fare clic sulla casella dei set da quel paziente nella finestra nuova immagine desiderata e fare clic sul pulsante "OK".</li>
			<li>Fare clic sul pulsante "OK" nella nuova finestra con l'etichetta "Dati importati correttamente."</li>
			<li>Dopo che tutti i pazienti vengono importati, fare clic sul pulsante "Esci".</li>
		</ol>
</li>
	</ol>
</li>
</ol>4. visualizzazione di immagini e regioni di interesse (ROI)
<ol><li>Fare clic sull'icona "Dati" (Figura 1). Fare clic sul file paziente desiderato per aprire nella sezione "Selezionare un paziente" della GUI (metà superiore).</li>
	<li>Fare clic sul set di immagine del file paziente desiderato per aprire nella sezione "Seleziona immagine. set" della GUI (metà inferiore). Fare clic sul pulsante "Aprire".</li>
	<li>Utilizzare le frecce sotto le immagini per scorrere le immagini, che sono indicati in assiale, coronale, e viste sagittali (da sinistra a destra).</li>
	<li>Ingrandire l'immagine facendo clic sul pulsante "Zoom" (Figura 2). Disegnare una casella sul piano dell'immagine per lo zoom. Fare clic con il tasto destro per rimpicciolire.</li>
	<li>Attivare i localizzatori selezionando il pulsante "Intersezione" (Figura 2). Nota: Le linee che appaiono mostrano dove si trova quella fetta in ogni piano. Queste linee si muovono quando usando le frecce di scorrimento.</li>
	<li>Fare clic sul pulsante "Righello" (Figura 2) per misurare le distanze. Fare clic e tenere premuto il pulsante sinistro del mouse per misurare tra i due punti di interesse. Rilasciare il mouse per rimuovere il valore misurato dall'area visualizzata.</li>
	<li>Fare clic sul pulsante "CT Num" (Figura 2) per misurare il valore di un voxel. Cliccare e tenere premuto il tasto sinistro del mouse su voxel di interesse e il valore verrà visualizzata sul lato sinistro della GUI sotto la scala di colore. Rilasciare il mouse per rimuovere il valore misurato dall'area visualizzata.</li>
	<li>Clicca sul pulsante "W/L" (Figura 2) a livello di finestra sulle immagini. Un'altra finestra pop-up. Trascinare i lati destro e sinistro per l'area desiderata oppure immettere manualmente il livello di finestra in caselle di finestra e livello nella parte inferiore della finestra di nuova. Selezionare la finestra livelli utilizzando il primo menu a discesa a sinistra ( Figura 2): ci sono 8 per CT e 1 per PET.</li>
	<li>Scale di colori differenti disponibili utilizzando il secondo menu drop down a sinistra (Figura 2): ci sono 9 opzioni tra cui scegliere.</li>
	<li>Visualizzare ROIs facendo clic sulla casella accanto il ROI per renderlo visibile sulle immagini, o fare clic sul pulsante "Su tutte le ROIs" per accendere tutti i paziente ROIs.</li>
</ol>5. modifica di ROI
<ol><li>Modificare ROIs facendo clic sul pulsante "Edit ROIs" in alto a sinistra o in basso al centro. Selezionare il contorno da modificare facendo clic sulla casella accanto al relativo nome.</li>
	<li>Utilizzare il pulsante di "Nudge contorni" (Figura 3) per spingere i contorni dentro o fuori come già disegnato. Regolare la dimensione del cerchio utilizzato nella casella denominata "D" accanto al pulsante Nudge contorni.</li>
	<li>Rimuovere una fetta intero contorno utilizzando il pulsante "Tagliare contorni" (Figura 3). Fare clic e tenere premuto il pulsante sinistro del mouse e disegnare una casella attorno il ROI per essere rimosso.</li>
	<li>Disegnare i contorni Nota: Andare al punto 5.4.1 disegnare contorni da punti di collegamento. Andare al punto 5.4.2 disegnare contorni a mano libera.<ol>
<li>Punti di collegamento: Utilizzare il pulsante "Draw contorni (1)" (Figura 3) per disegnare un contorno su ogni fetta facendo clic su punti intorno al contorno dove i punti sono collegati da linee rette. Completare il ROI per quella fetta facendo clic sul primo punto disegnato.</li>
		<li>Mano libera: Utilizzare il pulsante "Disegnare contorni (2)" (Figura 3) per disegnare un contorno a mano libera. Tenere premuto il pulsante sinistro del mouse per disegnare il contorno sulla fetta. Finire il contorno su quella fetta di tornare all'inizio del ROI disegnato e poi rilasciando il pulsante sinistro del mouse.</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Interpolare contorni" (Figura 3) per interpolare ROIs tra fette.</li>
	<li>Fare clic sul pulsante "ROI copia" per copiare il ROI.</li>
	<li>Unire ROIs selezionando più ROIs e facendo clic sul pulsante "Merge ROI".</li>
	<li>Fare clic sul pulsante "Elimina ROI" per eliminare il ROI attualmente selezionato.</li>
	<li>Fare clic su "Creare ROI" per creare un nuovo ROI che causerà una finestra pop-up. Immettere il nome del ROI e fare clic sul pulsante "OK". Fare clic sul pulsante "Salva". Fare clic sul pulsante "Exit" per tornare al visualizzatore di paziente.</li>
</ol>6. contorni nel Set di dati
<ol><li>Contorni della vista nel set di dati<ol>
<li>Fare clic sul pulsante "Visualizza Set di dati" per visualizzare i contorni nel set di dati. Clicca sul nome del set di dati per visualizzare. Fare clic sul pulsante "Aprire". Selezionare paziente contorni utilizzando la casella accanto al loro nome. Fare clic sul pulsante "Delete", "Move" o "Copia", a seconda della funzione desiderata per quel contorno. Chiudere la finestra set di dati una volta aver visualizzato il set di dati.</li>
	</ol>
</li>
	<li>Aggiungere contorni al set di dati<ol>
<li>Selezionare contorni da aggiungere a un set di dati facendo clic sulla casella accanto al loro nome, quindi fare clic sul pulsante "Aggiungi al Set di dati". Clicca sul nome del set di dati per aggiungere i contorni o fare clic sul pulsante "New" per un nuovo set di dati. Se New è selezionata, è possibile immettere il nome del set di dati nella nuova finestra. Fare clic sul pulsante "OK".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Importa ROIs" per importare un file. ROI 9 versione di Pinnacle se contorni non sono stati caricati durante la sezione 3.<ol>
<li>Fare clic sul pulsante "..." per selezionare il file. Fare clic sul pulsante "Importa".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Esporta ROIs" per esportare ROIs.<ol>
<li>Fare clic sul pulsante "..." per selezionare la directory in cui deve essere inserito ROIs esportato. Clicca sul nome del formato che è comodo per il ROIs esportato. Immettere le informazioni di trasformazione in forma anonima se è comodo. Fare clic sul pulsante Esporta. Nota: L'impostazione predefinita è per nessuna trasformazione in forma anonima essere eseguita.</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Exit" per tornare all'elenco dei pazienti e scansioni.</li>
</ol>7. creare il Set di funzionalità
<ol><li>Fare clic sull'icona "Caratteristica".</li>
	<li>Se necessario, aggiungete la pre-elaborazione.<ol>
<li>Fare clic sul pulsante "Aggiungi" sotto "Step1: pre-elaborazione". Selezionare l'opzione pre-elaborazione dal menu a discesa nella finestra nuova.</li>
		<li>Fare clic su "i" sotto "V." per selezionare i parametri pre-elaborazione. Fare clic sul numero nella colonna valore nella nuova finestra del parametro per modificarlo. Digitare il nuovo valore di parametro e fare clic sul pulsante "OK".</li>
		<li>Fare clic sul pulsante "question mark" in alto a destra per una descrizione del metodo di pre-elaborazione e la pre-elaborazione di parametri specifici.</li>
		<li>Fare clic sul pulsante "Aggiungi". Selezionare la fase di pre-elaborazione e fare clic sul pulsante "Elimina" per eliminare indesiderati passaggi di pre-elaborazione.</li>
	</ol>
</li>
	<li>Aggiungere le funzionalità desiderate.<ol>
<li>Selezionare la categoria di funzionalità dal menu a discesa sotto "passaggio 2: Categoria caratteristiche:". Ripetere i passaggi per più categorie. Nota: Solo una categoria di funzioni possa essere aggiunti alla volta. Diverse combinazioni di categorie di pre-elaborazione e funzionalità possono essere aggiunti alla stessa funzionalità impostare se lo si desidera.<ol>
<li>Selezionare il "GrayLevelCooccurenceMatrix25" e le categorie di funzionalità "NeighborIntensityDifference25" per calcolare il livello grigio co-avvenimento matrice e quartiere intensità differenza matrice, rispettivamente, in 2.5 D, che è fatto calcolando la matrice su ogni fetta singolarmente e poi sommando tutte le matrici insieme.</li>
			<li>Selezionare il "GrayLevelCooccurenceMatrix3" e le categorie di funzionalità "NeighborIntensityDifference3" per calcolare il livello grigio co-avvenimento matrice e quartiere intensità differenza matrice, rispettivamente, in 3D.</li>
		</ol>
</li>
		<li>Fare clic su "i" sotto "V." per i parametri selezionati per quella pre-elaborazione. Fare clic sul pulsante "question mark" in alto a destra per una descrizione dei parametri e il metodo di pre-elaborazione.<ol>
<li>Digitare il nuovo valore di parametro e fare clic sul pulsante "OK".</li>
		</ol>
</li>
		<li>Fare clic sul pulsante "Test" per visualizzare una categoria caratteristica o funzionalità specifica. Fare clic sul pulsante accanto alla funzione o alla categoria desiderata.<ol>
<li>Selezionare il set di dati per visualizzare il test su e clicca sul pulsante "Apri". Seleziona la casella accanto ai pazienti dal set di dati selezionato per visualizzare il test su e fare clic sul pulsante "Test".</li>
		</ol>
</li>
		<li>Deselezionare caratteristiche indesiderate per la categoria selezionata; tutte le funzionalità sono selezionate dopo aver selezionato la categoria. Fare clic sulla parola "caratteristiche:" sotto "Step2: Features" per deselezionare tutte le funzioni.</li>
		<li>Fare clic sul pulsante "Aggiungi al Set Feature" per aggiungere tutte le funzionalità selezionate con selezionati di pre-elaborazione.<ol>
<li>Selezionare il set di funzionalità per aggiungere funzionalità per e fare clic sul pulsante "Aprire" o fare clic sul pulsante "Nuovo" per aggiungere funzionalità a un nuovo set di funzionalità. Se creare un nuovo set di funzionalità, immettere il nome della funzionalità impostata nella nuova finestra e fare clic sul pulsante "OK".</li>
		</ol>
</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Visualizza funzionalità Set" per visualizzare le funzionalità con tecniche di pre-elaborazione corrispondente per visualizzare le funzioni in un set di funzionalità.<ol>
<li>Selezionare il set di funzionalità per visualizzare e fare clic sul pulsante "Aprire" o fare clic sul pulsante "Nuovo" per creare un nuovo set di funzionalità. Se creare un nuovo set di funzionalità, immettere il nome della funzionalità impostata nella nuova finestra e fare clic sul pulsante "OK".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Visualizza Set di dati" per visualizzare i set di dati corrente.<ol>
<li>Selezionare il set di dati per visualizzare e fare clic sul pulsante "Aprire" o fare clic sul pulsante "New" per creare un nuovo set di dati. Se creare un nuovo set di dati, immettere il nome del set di dati nella nuova finestra e fare clic sul pulsante "OK".</li>
	</ol>
</li>
	<li>Fare clic sul pulsante "Exit".</li>
</ol>8. uscita caratteristiche
<ol><li>Fare clic sull'icona di "Risultato". Fare clic sul set di dati per eseguire le funzionalità sotto "passaggio 1: Set di dati." Fare clic sulla funzionalità impostata per essere eseguito sui dati selezionati sotto "passaggio 2: Set di funzionalità."</li>
	<li>Fare clic sul pulsante "Visualizza dati" per visualizzare il set di dati selezionato. Fare clic sul pulsante "Vista Feature" per visualizzare il set di funzionalità selezionata.</li>
	<li>Fare clic sul pulsante "Calcola e salva il risultato". Immettere il nome di file per i risultati e clicca sul pulsante "Salva".</li>
</ol>9. statistica Model Building
<ol><li>Aprire il file di risultati salvati. Nota: si tratta in genere sotto C:\IBEX\DataIbex\[Selected utente in Step 2.2] \ [sito selezionato nel passaggio 2.3] \1FeatureResultSet_Result, a meno che non altrimenti assegnato al punto 8.4.</li>
	<li>Utilizzare i dati da diverse schede nei test statistico desiderato o modello costruzione nel software. Nota: Il protocollo può essere messo in pausa in qualsiasi momento. Tuttavia, è più conveniente dopo aver terminato tutti i passaggi necessari per una particolare icona, ad esempio, tutti della sezione 7, che si trova sotto l'icona della funzionalità di finitura.</li>
</ol>

<ol>
	<li>Lambin, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Radiomics:+extracting+more+information+from+medical+images+using+advanced+feature+analysis.">Radiomics: extracting more information from medical images using advanced feature analysis.</a> EJC. 48, 441-446 (2012).</li><li>Zhang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=IBEX:+an+open+infrastructure+software+platform+to+facilitate+collaborative+work+in+radiomics.">IBEX: an open infrastructure software platform to facilitate collaborative work in radiomics.</a> Med Phys. 42, 1341-1353 (2015).</li><li>Haralick, R. M., Shanmugam, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Textural+features+for+image+classification.">Textural features for image classification.</a> IEEE Trans Syst Man Cybern. , 610-621 (1973).</li><li>Galloway, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Texture+analysis+using+gray+level+run+lengths.">Texture analysis using gray level run lengths.</a> Comp Graphics and Im Proc. 4, 172-179 (1975).</li><li>Tang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Texture+information+in+run-length+matrices.">Texture information in run-length matrices.</a> IEEE Trans on Im Proc. 7, 1602-1609 (1998).</li><li>Amadasun, M., King, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Textural+features+corresponding+to+textural+properties.">Textural features corresponding to textural properties.</a> IEEE Trans Syst Man Cybern. 19, 1264-1274 (1989).</li><li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Preliminary+investigation+into+sources+of+uncertainty+in+quantitative+imaging+features.">Preliminary investigation into sources of uncertainty in quantitative imaging features.</a> Comp Med Imaging Graph. 44, 54-61 (2015).</li><li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Can+radiomics+features+be+reproducibly+measured+from+CBCT+images+for+patients+with+non-small+cell+lung+cancer.">Can radiomics features be reproducibly measured from CBCT images for patients with non-small cell lung cancer.</a> Med Phys. 42, 6784-6797 (2015).</li><li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+image+preprocessing+on+the+volume+dependence+and+prognostic+potential+of+radiomics+features+in+non-small+cell+lung+cancer.">Impact of image preprocessing on the volume dependence and prognostic potential of radiomics features in non-small cell lung cancer.</a> Trans Cancer Res. 5, 349-363 (2016).</li><li>Fave, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Delta-radiomics+features+for+the+prediction+of+patient+outcomes+in+non-small+cell+lung+cancer.">Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer.</a> Scientific Reports. 7, 588 (2017).</li><li>Fried, D. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stage+III+Non-Small+Cell+Lung+Cancer:+Prognostic+Value+of+FDG+PET+Quantitative+Imaging+Features+Combined+with+Clinical+Prognostic+Factors.">Stage III Non-Small Cell Lung Cancer: Prognostic Value of FDG PET Quantitative Imaging Features Combined with Clinical Prognostic Factors.</a> Radiology. 278, 214-222 (2016).</li><li>Fried, D. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> IJROBP. 94, 368-376 (2016).</li><li>Mackin, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measuring+Computed+Tomography+Scanner+Variability+of+Radiomics+Features.">Measuring Computed Tomography Scanner Variability of Radiomics Features.</a> Invest radiol. 50, 757-765 (2015).</li><li>Yang, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Uncertainty+analysis+of+quantitative+imaging+features+extracted+from+contrast-enhanced+CT+in+lung+tumors.">Uncertainty analysis of quantitative imaging features extracted from contrast-enhanced CT in lung tumors.</a> Comp Med Imaging Graph. 48, 1-8 (2016).</li><li>van Rossum, P. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> JNM. 57, 691-700 (2016).</li><li>Hunter, L. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NSCLC+tumor+shrinkage+prediction+using+quantitative+image+features.">NSCLC tumor shrinkage prediction using quantitative image features.</a> Comp Med Imaging Graph. 49, 29-36 (2016).</li><li>Hunter, L. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=High+quality+machine-robust+image+features:+identification+in+nonsmall+cell+lung+cancer+computed+tomography+images.">High quality machine-robust image features: identification in nonsmall cell lung cancer computed tomography images.</a> Med Phys. 40, 121916 (2013).</li><li>Fried, D. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prognostic+value+and+reproducibility+of+pretreatment+CT+texture+features+in+stage+III+non-small+cell+lung+cancer.">Prognostic value and reproducibility of pretreatment CT texture features in stage III non-small cell lung cancer.</a> IJROBP. 90, 834-842 (2014).</li><li>Gan, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MO-DE-207B-09:+A+Consistent+Test+for+Radiomics+Softwares.">MO-DE-207B-09: A Consistent Test for Radiomics Softwares.</a> Med Phys. 43, 3706-3706 (2016).</li><li>Klawikowski, S., Christian, J., Schott, D., Zhang, M., Li, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SU-D-207B-07:+Development+of+a+CT-Radiomics+Based+Early+Response+Prediction+Model+During+Delivery+of+Chemoradiation+Therapy+for+Pancreatic+Cancer.">SU-D-207B-07: Development of a CT-Radiomics Based Early Response Prediction Model During Delivery of Chemoradiation Therapy for Pancreatic Cancer.</a> Med Phys. 43, 3350-3350 (2016).</li><li>Huang, W., Tu, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SU-F-R-22:+Malignancy+Classification+for+Small+Pulmonary+Nodules+with+Radiomics+and+Logistic+Regression.">SU-F-R-22: Malignancy Classification for Small Pulmonary Nodules with Radiomics and Logistic Regression.</a> Med Phys. 43, 3377-3378 (2016).</li><li>Hanania, A. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+imaging+to+evaluate+malignant+potential+of+IPMNs.">Quantitative imaging to evaluate malignant potential of IPMNs.</a> Oncotarget. 7, 85776-85784 (2016).</li><li>Court, L. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computational+resources+for+radiomics.">Computational resources for radiomics.</a> Trans Cancer Res. 5, 340-348 (2016).</li><li>. Matlab Add path Available from: <a target="_blank" href="https://www.mathworks.com/help/matlab/ref/addpath.html">https://www.mathworks.com/help/matlab/ref/addpath.html</a> (2017)</li><li>Zhao, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reproducibility+of+radiomics+for+deciphering+tumor+phenotype+with+imaging.">Reproducibility of radiomics for deciphering tumor phenotype with imaging.</a> Sci Rep. 6, 23428 (2016).</li><li>Owens, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reproducibility+and+Robustness+of+Radiomic+Features+Extracted+with+Semi-Automatic+Segmentation+Tools.">Reproducibility and Robustness of Radiomic Features Extracted with Semi-Automatic Segmentation Tools.</a> Med Phys. , (2017).</li><li>Kassner, A., Liu, F., Thornhill, R. E., Tomlinson, G., Mikulis, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+of+hemorrhagic+transformation+in+acute+ischemic+stroke+using+texture+analysis+of+postcontrast+T1-weighted+MR+images.">Prediction of hemorrhagic transformation in acute ischemic stroke using texture analysis of postcontrast T1-weighted MR images.</a> JMRI. 30, 933-941 (2009).</li><li>. IBEX Google Forum Available from: <a target="_blank" href="https://groups.google.com/forum/#!forum/ibex_users">https://groups.google.com/forum/#!forum/ibex_users</a> (2017)</li></ol>

Gli autori non hanno nessun concorrenti interessi finanziari di divulgare.

IBEX è un potente strumento per la ricerca di radiomics formazione immagine medica. Per lo più finora è stato utilizzato per scopi di oncologia di radiazione negli studi condotti dal gruppo di radiomics MD Anderson. IBEX permette per la manipolazione di ROIs e calcolo di funzioni all'interno di 5 categorie di caratteristica principale. La versione del codice sorgente di stambecco consente all'utente di progettare applicazioni che non fanno già parte di stambecco, ad esempio funzionalità di matrice di zona grigia di ...

In medicina, la diagnosi di malattia paziente in genere incorpora un gran numero di esami diagnostici come i raggi x, ecografia, tomografia computerizzata (TC), risonanza magnetica (MRI), e le scansioni di tomografia a emissione di positroni (PET) per aiutare nella determinazione del corso di cura del paziente. Mentre i medici usano queste immagini per valutare qualitativamente la diagnosi del paziente, ci possono essere ulteriori caratteristiche quantitativi che possono essere estratti per guidare la cura del paziente. La spiegazione razionale è che queste caratteristiche possono rappresentare proteomica e genomiche modelli espressi su scala macroscopica1. Combinando questa informazioni quantitative con informazioni cliniche correnti, ad esempio, i dati demografici, possono permettere più individualizzato di cura paziente. Questa è la teoria dietro radiomics: dispongono di analisi delle immagini a livello di voxel. Le caratteristiche in genere rientrano in 5 categorie principali: grigio matrice livello co-avvenimento, matrice di lunghezza di esecuzione livello grigio, quartiere intensità differenza matrice, istogramma e forma.
Imaging Biomarker Explorer (IBEX) è uno strumento open-source per radiomics lavoro2. L'interfaccia utente grafica (GUI) è stata sviluppata al MD Anderson Cancer Center con l'obiettivo di facilitare l'estrazione e il calcolo delle caratteristiche quantitative per assistere nel processo decisionale nella cura del cancro. Una fonte codice3 e una versione stand-alone4 sono disponibili online. IBEX calcola le 5 categorie più comuni di funzionalità utilizzate in radiomics medica con parametri che possono essere impostati per ogni categoria di funzionalità. Le categorie sono: grigio livello co-avvenimento matrice5, grigio lunghezza di esecuzione livello matrice6,7, intensità, quartiere intensità differenza matrice8e forma. Poiché IBEX è open source, consente risultati estrazione caratteristica armonizzate attraverso istituzioni di confrontare facilmente radiomics diversi studi. Tutte le caratteristiche all'interno dello stambecco sono descritte nel documento iniziale di Zhang et al. 2
Lo scopo di questo manoscritto è quello di fornire indicazioni su come utilizzare IBEX e dimostrare le sue applicazioni attraverso studi pubblicati pari-esaminati dal gruppo di radiomics MD Anderson. Dal suo rilascio al pubblico nel 2015, IBEX è stato utilizzato per calcolare le caratteristiche dalle immagini di scansione CT, MRI e PET dal gruppo radiomics MD Anderson, indagando in genere caratteristiche per migliorare la sopravvivenza clinica modelli9,10, 11,12,13,14,15,16,17,18,19,20 e dall'esterno delle istituzioni21,22,23,24. Ulteriori indicazioni su strumenti software che possono essere utilizzati per i passaggi nella ricerca di radiomics che non sono inclusi in IBEX si trovano nella Corte et al. 25
Un'introduzione generale al flusso di lavoro di stambecco vi aiuterà a organizzare i dati correttamente prima di avviare progetti di radiomics utilizzando IBEX. Se l'importazione di immagini DICOM, IBEX richiede che ogni paziente ha la propria cartella con le loro immagini DICOM. DICOM radiazione struttura set per includere nella cartella paziente è opzionale, ma si consiglia invece di utilizzare la piattaforma di contornatura in IBEX. Per facilitare l'importazione di tutti i pazienti per uno studio specifico, tutte le cartelle paziente possono essere messi in una cartella insieme affinché tutti i dati possono essere importati in IBEX utilizzando solo un passo. Se l'importazione di pazienti da Pinnacle, è meglio avere la struttura impostata con il piano di paziente. Come i pazienti possono avere più insiemi di immagini e piani all'interno di Pinnacle, è meglio sapere quale immagine set e piano siano corrette prima dell'importazione. Tempo di calcolo è una preoccupazione, riducendo il numero di fette di immagine per un paziente può drasticamente ridurre tempo. Ad esempio, se solo il fegato è di interesse in uno studio, ma i pazienti hanno scansioni CT completo del corpo, riducendo le fette DICOM solo nella misura dell'area di interesse possono abbreviare il tempo di calcolo (ad esempio, riducendo il DICOM da 300 fette a 50 fette può prendere 1/6t h il tempo). Ci sono diversi strumenti disponibili per eseguire questa fetta di riduzione, da manuale a semi-automatico.

<table border="0" cellpadding="0" cellspacing="0" style="width:572px;" width="573">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="42">
			<td height="42" style="height:42px;width:216px;">Excel</td>
			<td style="width:71px;">Microsoft Office</td>
			<td style="width:119px;"></td>
			<td style="width:167px;">Any version of excel should work.</td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:216px;">Matlab</td>
			<td style="width:71px;">MathWorks</td>
			<td style="width:119px;"></td>
			<td>Only use IBEX on 32 bit Matlab 2011a or 64 bit Matlab 2014b.</td>
		</tr>
	</tbody>
</table>

guidelines and experience using imaging biomarker explorer (ibex) for radiomics

Imaging Biomarker Explorer (IBEX) è uno strumento open source per medical imaging radiomics lavoro. Lo scopo di questa carta è di descrivere le modalità per utilizzare l'interfaccia utente grafica di IBEX (GUI) e dimostrare come stambecco calcolato caratteristiche sono stati utilizzati negli studi clinici. IBEX consente l'importazione di immagini DICOM con DICOM radiazioni terapia struttura file o file di Pinnacle. Dopo aver importate le immagini, IBEX ha strumenti all'interno della GUI di selezione dati per modificare la visualizzazione delle immagini, valori di misura voxel e distanze e creare e modificare i contorni. IBEX è dotato di 27 scelte di caratteristica di pre-elaborazione e 132 per la progettazione di insiemi di funzionalità. Ogni categoria di pre-elaborazione e funzionalità dispone di parametri che possono essere modificati. L'output di IBEX è un foglio di calcolo contenente: 1) ogni funzionalità dal set calcolati per ogni contorno in un set di dati, informazioni di immagine 2) su ogni contorno in un set di dati e 3) una sintesi della pre-elaborazione di caratteristiche e funzionalità utilizzate con loro selezionati parametri. Caratteristiche calcolati da Stambecco sono stati utilizzati negli studi per testare la variabilità delle caratteristiche nelle diverse condizioni di imaging e nei modelli di sopravvivenza per migliorare i modelli clinici attuali.

L'output di IBEX è un foglio di calcolo (Vedi Figura 4) che contiene 3 schede. Nella scheda "Risultati" contiene i valori della funzione per ogni ROI nel set di dati (Figura 4A). La scheda "Dati Info." contiene informazioni sulle immagini scattate da ogni ROI nel set di dati (Figura 4B). La scheda "Feature Info." contiene un elenco completo delle funzionalità utili...

Watch this Scientific Journal Video about Guidelines and Experience Using Imaging Biomarker Explorer IBEX for Radiomics at JoVE.com

Guidelines and Experience Using Imaging Biomarker Explorer IBEX for Radiomics

Descriviamo IBEX, uno strumento open source progettato per studi di radiomics di imaging medico e come utilizzare questo strumento. Inoltre, sono in mostra alcune opere pubblicate che hanno usato IBEX per analisi di incertezza e modello di edificio.

Linee guida ed esperienza utilizzando Imaging Biomarker Explorer (IBEX) per Radiomics

Imaging Biomarker Explorer (IBEX) is an open-source tool for medical imaging radiomics work. The purpose of this paper is to describe how to use IBEX's ...

guidelines-experience-using-imaging-biomarker-explorer-ibex-for

Universidad de Cartagena UDEC

Research

JoVE Journal

Engineering

Guidelines and Experience Using Imaging Biomarker Explorer (IBEX) for Radiomics

13.1K Views.  The University of Texas MD Anderson Cancer Center. Descriviamo IBEX, uno strumento open source progettato per studi di radiomics di imaging medico e come utilizzare questo strumento. Inoltre, sono in mostra alcune opere pubblicate che hanno usato IBEX per analisi di incertezza e modello di edificio.

Video: Guidelines and Experience Using Imaging Biomarker Explorer IBEX for Radiomics

Compact Quantum Dots for Single-molecule Imaging

Single-molecule imaging is an important tool for understanding the mechanisms of biomolecular function and for visualizing the spatial and temporal heterogeneity of molecular behaviors that underlie cellular biology 1-4. To image an individual molecule of interest, it is typically conjugated to a fluorescent tag (dye, protein, bead, or quantum dot) and observed with epifluorescence or total internal reflection fluorescence (TIRF) microscopy. While dyes and fluorescent proteins have been the mainstay of fluorescence imaging for decades, their fluorescence is unstable under high photon fluxes necessary to observe individual molecules, yielding only a few seconds of observation before complete loss of signal. Latex beads and dye-labeled beads provide improved signal stability but at the expense of drastically larger hydrodynamic size, which can deleteriously alter the diffusion and behavior of the molecule under study.
Quantum dots (QDs) offer a balance between these two problematic regimes. These nanoparticles are composed of semiconductor materials and can be engineered with a hydrodynamically compact size with exceptional resistance to photodegradation 5. Thus in recent years QDs have been instrumental in enabling long-term observation of complex macromolecular behavior on the single molecule level. However these particles have still been found to exhibit impaired diffusion in crowded molecular environments such as the cellular cytoplasm and the neuronal synaptic cleft, where their sizes are still too large 4,6,7.
Recently we have engineered the cores and surface coatings of QDs for minimized hydrodynamic size, while balancing offsets to colloidal stability, photostability, brightness, and nonspecific binding that have hindered the utility of compact QDs in the past 8,9. The goal of this article is to demonstrate the synthesis, modification, and characterization of these optimized nanocrystals, composed of an alloyed HgxCd1-xSe core coated with an insulating CdyZn1-yS shell, further coated with a multidentate polymer ligand modified with short polyethylene glycol (PEG) chains (Figure 1). Compared with conventional CdSe nanocrystals, HgxCd1-xSe alloys offer greater quantum yields of fluorescence, fluorescence at red and near-infrared wavelengths for enhanced signal-to-noise in cells, and excitation at non-cytotoxic visible wavelengths. Multidentate polymer coatings bind to the nanocrystal surface in a closed and flat conformation to minimize hydrodynamic size, and PEG neutralizes the surface charge to minimize nonspecific binding to cells and biomolecules. The end result is a brightly fluorescent nanocrystal with emission between 550-800 nm and a total hydrodynamic size near 12 nm. This is in the same size range as many soluble globular proteins in cells, and substantially smaller than conventional PEGylated QDs (25-35 nm).

We describe the preparation of colloidal quantum dots with minimized hydrodynamic size for single-molecule fluorescence imaging. Compared to conventional quantum dots, these nanoparticles are similar in size to globular proteins and are optimized for single-molecule brightness, stability against photodegradation, and resistance to nonspecific binding to proteins and cells.

Compact Quantum Dots per singola molecola Imaging

Single-molecule imaging is an important tool for  understanding the mechanisms of biomolecular function and for visualizing the  spatial and temporal ...

Ricerca

Ingegneria

Spatial Separation of Molecular Conformers and Clusters

Gas-phase molecular physics and physical chemistry experiments commonly use supersonic expansions through pulsed valves for the production of cold molecular beams. However, these beams often contain multiple conformers and clusters, even at low rotational temperatures. We present an experimental methodology that allows the spatial separation of these constituent parts of a molecular beam expansion. Using an electric deflector the beam is separated by its mass-to-dipole moment ratio, analogous to a bender or an electric sector mass spectrometer spatially dispersing charged molecules on the basis of their mass-to-charge ratio. This deflector exploits the Stark effect in an inhomogeneous electric field and allows the separation of individual species of polar neutral molecules and clusters. It furthermore allows the selection of the coldest part of a molecular beam, as low-energy rotational quantum states generally experience the largest deflection. Different structural isomers (conformers) of a species can be separated due to the different arrangement of functional groups, which leads to distinct dipole moments. These are exploited by the electrostatic deflector for the production of a conformationally pure sample from a molecular beam. Similarly, specific cluster stoichiometries can be selected, as the mass and dipole moment of a given cluster depends on the degree of solvation around the parent molecule. This allows experiments on specific cluster sizes and structures, enabling the systematic study of solvation of neutral molecules.

We present a technique that allows the spatial separation of different conformers or clusters present in a molecular beam. An electrostatic deflector is used to separate species by their mass-to-dipole moment ratio, leading to the production of gas-phase ensembles of a single conformer or cluster stoichiometry.

Separazione spaziale di conformatori molecolari e cluster

Gas-phase molecular physics and physical chemistry experiments commonly use supersonic expansions through pulsed valves for the production of cold ...

Reservoir Condition Pore-scale Imaging of Multiple Fluid Phases Using X-ray Microtomography

X-ray microtomography was used to image, at a resolution of 6.6 &#181;m, the pore-scale arrangement of residual carbon dioxide ganglia in the pore-space of a carbonate rock at pressures and temperatures representative of typical formations used for CO2 storage. Chemical equilibrium between the CO2, brine and rock phases was maintained using a high pressure high temperature reactor, replicating conditions far away from the injection site. Fluid flow was controlled using high pressure high temperature syringe pumps. To maintain representative in-situ conditions within the micro-CT scanner a carbon fiber high pressure micro-CT coreholder was used. Diffusive CO2 exchange across the confining sleeve from the pore-space of the rock to the confining fluid was prevented by surrounding the core with a triple wrap of aluminum foil. Reconstructed brine contrast was modeled using a polychromatic x-ray source, and brine composition was chosen to maximize the three phase contrast between the two fluids and the rock. Flexible flow lines were used to reduce forces on the sample during image acquisition, potentially causing unwanted sample motion, a major shortcoming in previous techniques. An internal thermocouple, placed directly adjacent to the rock core, coupled with an external flexible heating wrap and a PID controller was used to maintain a constant temperature within the flow cell. Substantial amounts of CO2 were trapped, with a residual saturation of 0.203 &#177; 0.013, and the sizes of larger volume ganglia obey power law distributions, consistent with percolation theory.

We present a methodology for the imaging of multiple fluid phases at reservoir conditions by the use of x-ray microtomography. We show some representative results of capillary trapping in a carbonate rock sample.

Reservoir Condizione Pore scala Imaging di più fasi Fluid Utilizzo di X-ray microtomografia

X-ray microtomography was used to image, at a resolution of 6.6 &#181;m, the pore-scale arrangement of residual carbon dioxide ganglia in the pore-space ...

Electron Channeling Contrast Imaging for Rapid III-V Heteroepitaxial Characterization

Misfit dislocations in heteroepitaxial layers of GaP grown on Si(001) substrates are characterized through use of electron channeling contrast imaging (ECCI) in a scanning electron microscope (SEM). ECCI allows for imaging of defects and crystallographic features under specific diffraction conditions, similar to that possible via plan-view transmission electron microscopy (PV-TEM). A particular advantage of the ECCI technique is that it requires little to no sample preparation, and indeed can use large area, as-produced samples, making it a considerably higher throughput characterization method than TEM. Similar to TEM, different diffraction conditions can be obtained with ECCI by tilting and rotating the sample in the SEM. This capability enables the selective imaging of specific defects, such as misfit dislocations at the GaP/Si interface, with high contrast levels, which are determined by the standard invisibility criteria. An example application of this technique is described wherein ECCI imaging is used to determine the critical thickness for dislocation nucleation for GaP-on-Si by imaging a range of samples with various GaP epilayer thicknesses. Examples of ECCI micrographs of additional defect types, including threading dislocations and a stacking fault, are provided as demonstration of its broad, TEM-like applicability. Ultimately, the combination of TEM-like capabilities &#8211; high spatial resolution and richness of microstructural data &#8211; with the convenience and speed of SEM, position ECCI as a powerful tool for the rapid characterization of crystalline materials.

The use of electron channeling contrast imaging in a scanning electron microscope to characterize defects in III-V/Si heteroexpitaxial thin films is described. This method yields similar results to plan-view transmission electron microscopy, but in significantly less time due to lack of required sample preparation.

Electron Channeling Contrast Imaging per Rapid III-V eteroepitassiale Caratterizzazione

Misfit dislocations in heteroepitaxial layers of GaP grown on Si(001) substrates are characterized through use of electron channeling contrast imaging ...

Use of a Multi-compartment Dynamic Single Enzyme Phantom for Studies of Hyperpolarized Magnetic Resonance Agents

Imaging of hyperpolarized substrates by magnetic resonance shows great clinical promise for assessment of critical biochemical processes in real time. Due to fundamental constraints imposed by the hyperpolarized state, exotic imaging and reconstruction techniques are commonly used. A practical system for characterization of dynamic, multi-spectral imaging methods is critically needed. Such a system must reproducibly recapitulate the relevant chemical dynamics of normal and pathological tissues. The most widely utilized substrate to date is hyperpolarized [1-13C]-pyruvate for assessment of cancer metabolism. We describe an enzyme-based phantom system that mediates the conversion of pyruvate to lactate. The reaction is initiated by injection of the hyperpolarized agent into multiple chambers within the phantom, each of which contains varying concentrations of reagents that control the reaction rate. Multiple compartments are necessary to ensure that imaging sequences faithfully capture the spatial and metabolic heterogeneity of tissue. This system will aid the development and validation of advanced imaging strategies by providing chemical dynamics that are not available from conventional phantoms, as well as control and reproducibility that is not possible in vivo.

A multi-compartment dynamic phantom is used to simulate some biology of interest for metabolic studies using hyperpolarized magnet resonance agents.

L&#39;uso di un multi-comparto dinamico singolo enzima Phantom per gli Studi di hyperpolarized Risonanza Magnetica Agents

Imaging of hyperpolarized substrates by magnetic resonance shows great clinical promise for assessment of critical biochemical processes in real time. Due ...

Dynamic Pore-scale Reservoir-condition Imaging of Reaction in Carbonates Using Synchrotron Fast Tomography

Underground storage permanence is a major concern for carbon capture and storage. Pumping CO2 into carbonate reservoirs has the potential to dissolve geologic seals and allow CO2 to escape. However, the dissolution processes at reservoir conditions are poorly understood. Thus, time-resolved experiments are needed to observe and predict the nature and rate of dissolution at the pore scale. Synchrotron fast tomography is a method of taking high-resolution time-resolved images of complex pore structures much more quickly than traditional &#181;-CT. The Diamond Lightsource Pink Beam was used to dynamically image dissolution of limestone in the presence of CO2-saturated brine at reservoir conditions. 100 scans were taken at a 6.1 &#181;m resolution over a period of 2 hours. The images were segmented and the porosity and permeability were measured using image analysis and network extraction. Porosity increased uniformly along the length of the sample; however, the rate of increase of both porosity and permeability slowed at later times.

Synchrotron fast tomography was used to dynamically image dissolution of limestone in the presence of CO2-saturated brine at reservoir conditions. 100 scans were taken at a 6.1 &#181;m resolution over a period of 2 h.

Dinamico Pore scala Reservoir-condizione Imaging di Reazione a Carbonati Utilizzando sincrotrone tomografia veloce

Underground storage permanence is a major concern for carbon capture and storage. Pumping CO2 into carbonate reservoirs has the potential to dissolve ...

High-resolution Thermal Micro-imaging Using Europium Chelate Luminescent Coatings

Micro-electronic devices often undergo significant self-heating when biased to their typical operating conditions. This paper describes a convenient optical micro-imaging technique which can be used to map and quantify such behavior. Europium thenoyltrifluoroacetonate (EuTFC) has a 612 nm luminescence line whose activation efficiency drops strongly with increasing temperature, due to T-dependent interactions between the Eu3+ ion and the organic chelating compound. This material may be readily coated on to a sample surface by thermal sublimation in vacuum. When the coating is excited with ultraviolet light (337 nm) an optical micro-image of the 612 nm luminescent response can be converted directly into a map of the sample surface temperature. This technique offers spatial resolution limited only by the microscope optics (about 1 micron) and time resolution limited by the speed of the camera employed. It offers the additional advantages of only requiring comparatively simple and non-specialized equipment, and giving a quantitative probe of sample temperature.

Europium thenoyltrifluoroacetonate (EuTFC) has an optical luminescence line at 612 nm, whose activation efficiency decreases strongly with temperature. If a sample coated with a thin film of this material is micro-imaged, the 612 nm luminescent response intensity may be converted into a direct map of sample surface temperature.

Ad alta risoluzione termica micro-imaging Utilizzando europio chelato luminescenti Coatings

Micro-electronic devices often undergo significant self-heating when biased to their typical operating conditions. This paper describes a convenient ...

Advanced Compositional Analysis of Nanoparticle-polymer Composites Using Direct Fluorescence Imaging

The fabrication of polymer-nanoparticle composites is extremely important in the development of many functional materials. Identifying the precise composition of these materials is essential, especially in the design of surface catalysts, where the surface concentration of the active component determines the activity of the material. Antimicrobial materials which utilize nanoparticles are a particular focus of this technology. Recently swell encapsulation has emerged as a technique for inserting antimicrobial nanoparticles into a host polymer matrix. Swell encapsulation provides the advantage of localizing the incorporation to the external surfaces of materials, which act as the active sites of these materials. However, quantification of this nanoparticle uptake is challenging. Previous studies explore the link between antimicrobial activity and surface concentration of the active component, but this is not directly visualized. Here we show a reliable method to monitor the incorporation of nanoparticles into a polymer host matrix via swell encapsulation. We show that the surface concentration of CdSe/ZnS nanoparticles can be accurately visualized through cross-sectional fluorescence imaging. Using this method, we can quantify the uptake of nanoparticles via swell encapsulation and measure the surface concentration of encapsulated particles, which is key in optimizing the activity of functional materials.

Here we present a reliable method to monitor the incorporation of nanoparticles into a polymer host matrix via swell encapsulation. We show that the surface concentration of cadmium selenide quantum dots can be accurately visualized through cross-sectional fluorescence imaging.

Avanzate analisi composizionale di Compositi nanoparticelle-polimero Uso diretto imaging di fluorescenza

The fabrication of polymer-nanoparticle composites is extremely important in the development of many functional materials. Identifying the precise ...

Nanostructured Ag-zeolite Composites as Luminescence-based Humidity Sensors

Small silver clusters confined inside zeolite matrices have recently emerged as a novel type of highly luminescent materials. Their emission has high external quantum efficiencies (EQE) and spans the whole visible spectrum. It has been recently reported that the UV excited luminescence of partially Li-exchanged sodium Linde type A zeolites [LTA(Na)] containing luminescent silver clusters can be controlled by adjusting the water content of the zeolite. These samples showed a dynamic change in their emission color from blue to green and yellow upon an increase of the hydration level of the zeolite, showing the great potential that these materials can have as luminescence-based humidity sensors at the macro and micro scale. Here, we describe the detailed procedure to fabricate a humidity sensor prototype using silver-exchanged zeolite composites. The sensor is produced by suspending the luminescent Ag-zeolites in an aqueous solution of polyethylenimine (PEI) to subsequently deposit a film of the material onto a quartz plate. The coated plate is subjected to several hydration/dehydration cycles to show the functionality of the sensing film.

A protocol for the synthesis of moisture-responsive luminescent Ag-zeolite composites is described in this report.

Compositi nanostrutturati Ag-zeolite come Sensori di umidità a base di luminescenza

Small silver clusters confined inside zeolite matrices have recently emerged as a novel type of highly luminescent materials. Their emission has high ...

Simultaneous Measurement of Turbulence and Particle Kinematics Using Flow Imaging Techniques

Numerous problems in scientific and engineering fields involve understanding the kinematics of particles in turbulent flows, such as contaminants, marine micro-organisms, and/or sediments in the ocean, or fluidized bed reactors and combustion processes in engineered systems. In order to study the effect of turbulence on the kinematics of particles in such flows, simultaneous measurements of both the flow and particle kinematics are required. Non-intrusive, optical flow measurement techniques for measuring turbulence, or for tracking particles, exist but measuring both simultaneously can be challenging due to interference between the techniques. The method presented herein provides a low cost and relatively simple method to make simultaneous measurements of the flow and particle kinematics. A cross section of the flow is measured using a particle image velocimetry (PIV) technique, which provides two components of velocity in the measurement plane. This technique utilizes a pulsed-laser for illumination of the seeded flow field that is imaged by a digital camera. The particle kinematics are simultaneously imaged using a light emitting diode (LED) line light that illuminates a planar cross section of the flow that overlaps with the PIV field-of-view (FOV). The line light is of low enough power that it does not affect the PIV measurements, but powerful enough to illuminate the larger particles of interest imaged using the high-speed camera. High-speed images that contain the laser pulses from the PIV technique are easily filtered by examining the summed intensity level of each high-speed image. By making the frame rate of the high-speed camera incommensurate with that of the PIV camera frame rate, the number of contaminated frames in the high-speed time series can be minimized. The technique is suitable for mean flows that are predominantly two-dimensional, contain particles that are at least 5 times the mean diameter of the PIV seeding tracers, and are low in concentration.

The technique described herein offers a low cost and relatively simple method to simultaneously measure particle kinematics and turbulence in flows with low particle concentrations. The turbulence is measured using particle image velocimetry (PIV), and particle kinematics are calculated from images obtained with a high-speed camera in an overlapping field-of-view.

Misura simultanea di turbolenza e la cinematica delle particelle utilizzando tecniche di formazione immagine di flusso

Numerous problems in scientific and engineering fields involve understanding the kinematics of particles in turbulent flows, such as contaminants, marine ...