S'abonner

Can we use radiomics in ultrasound imaging? Impact of preprocessing on feature repeatability - 16/11/21

Doi : 10.1016/j.diii.2021.10.004 
Loïc Duron a, b, , Julien Savatovsky a, Laure Fournier b, c, Augustin Lecler a, b
a Department of Neuroradiology, Alphonse de Rothschild Foundation Hospital, 75019 Paris, France 
b Université de Paris, Faculté de Médecine, PARCC, INSERM, 75015 Paris, France 
c Department of Radiology, AP-HP.Centre, Hôpital Européen Georges Pompidou, 75015 Paris, France 

Corresponding author at: Department of Neuroradiology, Alphonse de Rothschild Foundation Hospital, 75019 Paris, France.Department of NeuroradiologyAlphonse de Rothschild Foundation HospitalParis75019France

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Highlights

Radiomic features extracted from ultrasound images are impacted by slice variability and preprocessing.
Radiomics is possible in ultrasound imaging but preprocessing steps should be detailed in research papers to enhance reproducibility.
The use of intensity standardization with outlier removal applied to the region of interest and a fixed bin size grey-level discretization may improve feature repeatability.

Le texte complet de cet article est disponible en PDF.

Abstract

Purpose

The purpose of this study was to assess the inter-slice radiomic feature repeatability in ultrasound imaging and the impact of preprocessing using intensity standardization and grey-level discretization to help improve radiomics reproducibility.

Materials and methods

This single-center study enrolled consecutive patients with an orbital lesion who underwent ultrasound examination of the orbit from December 2015 to July 2019. Two images per lesion were randomly assigned to two subsets. Radiomic features were extracted and inter-slice repeatability was assessed using the intraclass correlation coefficient (ICC) between the subsets. The impact of preprocessing on feature repeatability was assessed using image intensity standardization with or without outliers removal on whole images, bounding boxes or regions of interest (ROI), and fixed bin size or fixed bin number grey-level discretization. Number of inter-slice repeatable features (ICC ≥0.7) between methods was compared.

Results

Eighty-eight patients (37 men, 51 women) with a mean age of 51.5 ± 17 (SD) years (range: 20–88 years) were enrolled. Without preprocessing, 29/101 features (28.7%) were repeatable between slices. The greatest number of repeatable features (41/101) was obtained using intensity standardization with outliers removal on the ROI and fixed bin size discretization. Standardization performed better with outliers removal than without (P < 0.001), and on ROIs than on native images (P < 0.001). Fixed bin size discretization performed better than fixed bin number (P = 0.008).

Conclusion

Radiomic features extracted from ultrasound images are impacted by the slice and preprocessing. The use of intensity standardization with outliers removal applied to the ROI and a fixed bin size grey-level discretization may improve feature repeatability.

Le texte complet de cet article est disponible en PDF.

Keywords : Radiomics, Ultrasonography, Orbit, Diagnostic imaging, Biomarkers, Reproducibility

Abbreviations : CT, DSC, FBN, FBS, ICC, IQR, MRI, PET, ROI, SD


Plan


© 2021  Société française de radiologie. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 102 - N° 11

P. 659-667 - novembre 2021 Retour au numéro
Article précédent Article précédent
  • Breast nodule classification with two-dimensional ultrasound using Mask-RCNN ensemble aggregation
  • Ewan Evain, Caroline Raynaud, Cybèle Ciofolo-Veit, Alexandre Popoff, Thomas Caramella, Pascal Kbaier, Corinne Balleyguier, Sana Harguem-Zayani, Héloïse Dapvril, Luc Ceugnart, Michele Monroc, Foucauld Chamming's, Isabelle Doutriaux-Dumoulin, Isabelle Thomassin-Naggara, Audrey Haquin, Mathilde Charlot, Joseph Orabona, Tiphaine Fourquet, Imad Bousaid, Nathalie Lassau, Antoine Olivier
| Article suivant Article suivant
  • Three artificial intelligence data challenges based on CT and ultrasound
  • Nathalie Lassau, Imad Bousaid, Emilie Chouzenoux, Antoine Verdon, Corinne Balleyguier, François Bidault, Elie Mousseaux, Sana Harguem-Zayani, Loic Gaillandre, Zoubir Bensalah, Isabelle Doutriaux-Dumoulin, Michèle Monroc, Audrey Haquin, Luc Ceugnart, Florence Bachelle, Mathilde Charlot, Isabelle Thomassin-Naggara, Tiphaine Fourquet, Héloise Dapvril, Joseph Orabona, Foucauld Chamming's, Mickael El Haik, Jules Zhang-Yin, Marc-Samir Guillot, Mickaël Ohana, Thomas Caramella, Yann Diascorn, Jean-Yves Airaud, Philippe Cuingnet, Umit Gencer, Littisha Lawrance, Alain Luciani, Anne Cotten, Jean-François Meder

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.