核医学影像组学及人工智能技术在非小细胞肺癌中的 应用分析

影像组学利用人工智能技术及统计学方法从医学影像中提取定量图像特征数据,将这些图像特征进行筛选并与临床信息建立模型,用于指导疾病的诊疗。影像组学作为一门新兴学科,具有广阔的应用前景。本文将围绕影像组学概述及核医学影像组学在非小细胞肺癌中的应用研究现状、进展及挑战作出综述。     

基于影像组学对直肠癌诊断研究进展

精准医学是当前医学的热点问题,在直肠癌的治疗方案中,如何准确分型分期直接影响到治疗方案的选择和预后。各种影像学检查方式各有优劣,无法准确判断疾病病程,唯有通过以大数据为背景的数据融合分析,来认识影像图像与疾病特征的关系,影像组学由此产生。影像组学作为一个新兴领域,通过非入侵式采集图像的方法,将疾病特征与影像数据整合,并挖掘两者之间联系。本文综述了MRI、CT、EUS等检查方式在直肠癌的辅助诊断、分期分型及检查等方面的优缺点,初步展望影像组学的未来发展。     

基于磁共振成像的影像组学在前列腺癌中的研究进展

影像组学可以从医学图像中提取高通量和定量的图像特征,挖掘与肿瘤病理生理相关的信息,这有助于临床决策并提高诊断和预测效能。目前,影像组学技术已广泛应用于前列腺癌的研究中,其在前列腺癌的诊断与鉴别诊断、病理分级、侵袭性评估、疗效预测和预后分析中均显现出一定的应用价值。本文基于磁共振成像的影像组学在前列腺癌中的最新研究进展进行综述。     

影像组学在肺癌诊断方面的研究进展

在世界范围内,肺癌是最常见的癌症,也是癌症死亡的主要原因。肺癌早期诊断可以降低病死率。影像组学可以通过计算机软件提取影像图像中的定量特征,发掘更多肺癌的疾病信息,提高早期诊断率。综述影像组学的研究内容在肺癌早期诊断方面的应用,旨在提高对影像组学在肺癌诊断中应用的认识。     

18F-FDG PET/CT影像组学在甲状腺癌中的研究进展

传统的影像学诊断肿瘤通常借助于医师肉眼对图像的观察,而近些年提出的影像组学强调运用大数据分析的方法在医学影像图像中高通量地提取图像的特征,来量化鉴别良恶性肿瘤,并有助于对其进行分期及预测预后,不仅有效地解决了肿瘤异质性难以准确评估的问题,还对肿瘤的诊断提供了新的方法与思路。影像组学开始广泛应用于医疗领域,在CT、MRI等领域研究较早,但在PET/CT领域却起步较晚,尤其在甲状腺癌中的探索较少,本文就18F-FDG PET/CT影像组学在甲状腺癌中的应用进行综述。     

影像组学在鼻咽癌的研究进展

影像组学是一个快速发展的领域,其可将传统的CT、MRI、正电子发射计算机断层显像(PET)等影像图像的黑白灰阶信息转变为定量影像组学特征,获得病灶丰富的深层次特征,为临床提供更有价值的诊疗信息。影像组学在连续成像中捕获这些随时间变化的病变特征,进而发现疾病演变、进展和治疗反应的标志物和模式,用于解决临床问题。影像数据是可挖掘的,在足够大的数据集中,它们可用于完成从个体水平到分子/数字化水平的进阶。尽管影像组学的发展尚处于起步阶段,但其在鼻咽癌中的应用已有不少研究。该文就影像组学在鼻咽癌的精确诊断、疗效及预后预测、复发、鉴别诊断等方面的应用做一综述,以期为鼻咽癌的临床精准化、个体化的治疗提供依据。     

影像组学概述及其在肺部疾病中的应用

<正>自从1895年伦琴发现X射线再到后来分子影像的出现,数字化医学影像学已经成为现代医学重要的手段和组成部分。在过去十年中,随着模式识别工具数量的增加和数据集大小的增加,医学图像分析领域呈指数发展~([1])。影像组学作为定量成像中新兴的领域,近年来越来越受到人们的关注,本文主要探讨总结了影像组学的基本概念及其在肺部疾病中的应用。1影像组学的基本概念影像组学的概念最早由荷兰学者Kumar在2012年提     

影像组学在肺癌中的应用现状与存在问题

影像组学是通过计算机软件从大量的影像图像中提取定量特征,经特征筛选和分析建模,从而实现对疾病进行诊疗的一种方法。自2012年影像组学概念的提出,越来越多的国内外学者加入了影像组学的研究。目前,影像组学方法已经涉及肺癌的的多方面研究,包括肺癌的诊断、分型和分期、基因表型预测、疗效及预后评估。本文章对影像组学的研究内容及其在肺癌中的应用现状与存在问题进行综述,旨在提高对肺癌影像组学的认识。     

影像组学在高强度聚焦超声治疗子宫肌瘤疗效预测中的研究进展

高强度聚焦超声（high intensity focused ultrasound，HIFU）作为一种非侵入性治疗技术，可无创治疗子宫肌瘤。患者的异质性和技术的局限性导致患者术后预后存在差异。因此，术前对患者进行疗效预测具有重要意义。影像组学通过医学图像高通量提取定量特征，将医学图像转换为可挖掘的高维数据，利用提取到的特征和现有模型建立相关预测模型，为临床医生提供有效参考。本文综述影像组学在HIFU治疗子宫肌瘤疗效预测中的研究进展，以期为其临床治疗和基础研究提供理论参考。     

大数据在生物医学信息学中的应用

大数据在生物医学信息学研究中的作用日益重要,介绍大数据在生物信息学、临床医学信息学、影像信息学和公共卫生信息学4个领域的应用,列举并总结一些最近的工作进展,对未来大数据在生物医疗领域的发展进行展望。     

骨肉瘤影像组学的研究现状与进展

影像组学从常规影像学图像中提取肉眼不可见的定量成像特征进行数据分析和模型构建来帮助临床决策,可弥补常规影像分析的不足,可能对将来骨肉瘤的精准诊治具有重要指导意义。本文简要介绍骨肉瘤影像组学的工作流程,回顾影像组学在骨肉瘤中的最新应用,并讨论骨肉瘤影像组学的局限性和未来的研究方向。     

急性冠状动脉综合征代谢组学特征的研究现状

代谢组学研究是20世纪90年代中期发展起来一门学科,首先在食品安全领域中得到应用,逐渐成为热点领域并在生物预警中发挥重要作用[1].随着多学科的融合越来越紧密,代谢组学被引入到以医学为主的生命科学领域[2],并以它独特的实时性、动态性和可检测性的生命特征被广泛的应用于生命医学领域[3].并快速的成为多种疾病发生发展和治疗的热点指标[4].而作为当代危及人类生命的首要疾病—冠心病的发病机制至今也未阐明,使得疾病的防治始终未能有突破性进展[5].学者们一直致力于冠心病的发病机制的研究,而代谢组学的介入为研究提供了新的途径和突破方向[6].因此,近年来关于代谢组学和冠心病的研究不断取得进展[7],本文以代谢组学在急性冠脉综合征的发生、发展和转归中的作用和研究进展进行综述.     

急性冠状动脉综合征代谢组学特征的研究现状

代谢组学研究是20世纪90年代中期发展起来一门学科,首先在食品安全领域中得到应用,逐渐成为热点领域并在生物预警中发挥重要作用[1].随着多学科的融合越来越紧密,代谢组学被引入到以医学为主的生命科学领域[2],并以它独特的实时性、动态性和可检测性的生命特征被广泛的应用于生命医学领域[3].并快速的成为多种疾病发生发展和治疗的热点指标[4].而作为当代危及人类生命的首要疾病—冠心病的发病机制至今也未阐明,使得疾病的防治始终未能有突破性进展[5].学者们一直致力于冠心病的发病机制的研究,而代谢组学的介入为研究提供了新的途径和突破方向[6].因此,近年来关于代谢组学和冠心病的研究不断取得进展[7],本文以代谢组学在急性冠脉综合征的发生、发展和转归中的作用和研究进展进行综述.     

影像组学在磨玻璃结节型肺腺癌的应用研究进展

肺癌作为全世界发病率及病死率最高的恶性肿瘤,其早期诊断及治疗对患者生存率的提高极为重要。早期肺腺癌在计算机断层扫描(Computed Tomography,CT)中常表现为磨玻璃结节(Ground-Glass Nodule,GGN),精确诊断GGN型肺腺癌对患者后期治疗具有重大价值。影像组学通过将传统的影像图像转换为可挖掘、可分析的数据信息,可提取到人类肉眼很难观察及分辨的特征数据,并运用于临床的各个环节。本文基于相关文献对影像组学的流程及其在GGN型肺腺癌的应用研究进展进行阐述,旨在提高GGN型肺腺癌正确诊断率,为组织病理、基因预测及治疗疗效评估提供参考。     

动态增强成像影像组学分析鉴别良恶性腮腺病变的价值研究

  目的  腮腺肿瘤类型复杂，动态增强扫描定性分析鉴别腮腺肿瘤的良恶性较为困难，本研究利用腮腺动态增强的定量参数图像进行影像组学分析，判断动态增强成像在鉴别腮腺肿瘤良恶性中的价值。  方法  回顾性分析新疆维吾尔自治区人民医院2019年1月—2022年4月病理证实的51例腮腺占位性病灶磁共振图像，共54个病灶，其中多形性腺瘤12个，Warthin瘤19个，恶性肿瘤8个，其余非肿瘤病变15个。腮腺动态增强图像生成转运常数(K_trans)、血管外细胞外容积分数(V_e)、血浆容积分数(V_p)、回流常数(K_ep)定量位图，通过FAE软件提取影像学特征，建立鉴别腮腺病变良恶性诊断的影像组学模型，并用AUC、敏感性、特异性、准确度等指标对影像组学模型进行评价，判断腮腺良恶性肿瘤样病变鉴别的效能。同时，将多形性腺瘤、腺淋巴瘤和非肿瘤性病变分别与恶性腮腺瘤进行影像组学比较分析。  结果  腮腺动态增强定量图像通过特征提取进行影像组学分析，判断腮腺肿块良恶性的AUC、准确度、敏感性、特异度分别为0.612、0.844、0.500、0.875。多形性腺瘤、腺淋巴瘤和非肿瘤性病变分别与恶性腮腺肿瘤对照进行影像组学分析时，AUC、准确度、敏感性、特异性分别为0.736、0.781、0.909、0.714，0.886、0.880、0.933、0.857，0.805、0.781、0.700、0.818。  结论  利用动态增强功能定量图像进行影像组学分析能够初步判断腮腺肿瘤的良恶性，而在区分不同病理亚型的良性腮腺瘤、非肿瘤性病变与恶性腮腺肿瘤中，影像组学的评估效能更好。      

影像组学在预测非小细胞肺癌分子标志物P63中的应用价值

目的：建立基于非小细胞肺癌(non-small cell lung cancer,NSCLC)肿瘤CT图像的影像组学模型,预测NSCLC 分子标志物P63的表达状态。方法：回顾性分析2014年1月至2018年3月接受CT扫描的245例NSCLC患者。患者均经组 织病理学检查确诊,并在CT检查后2周内进行P63表达状态检测。通过MaZda软件提取CT平扫图像的影像组学特征, 并且定义肿瘤CT图像的主观影像征象。使用Lasso-logistic回归模型进行特征筛选并分别建立影像组学模型、主观影像 征象模型及融合诊断模型。通过受试者操作特征(receiver operator characteristic,ROC)曲线评估每个模型的预测性能, 并采用Delong检验进行比较。结果：在245例患者中,P63阳性96例,P63阴性149例。主观影像征象模型由6个影像征 象组成。通过特征选择,影像组学模型包括8个影像组学特征。主观影像征象模型和影像组学模型预测P63表达状态 的ROC曲线下面积分别为0.700和0.755,二者差异无统计学意义(P>0.05)。融合诊断模型较另2种模型具有最佳预测能 力,ROC曲线下面积为 0.817(P<0.01)。结论：基于CT图像的影像组学模型可以预测NSCLC分子标志物P63的表达状 态;融合影像组学特征和主观影像征象的诊断模型可以显著提高模型的预测性能,有助于无创性了解肺癌细胞分子 水平信息。     

放射组学图像分割法研究进展

放射组学是一门新兴的定量影像学,利用先进的图像处理流程提取纹理特征,客观、定量地描述肿瘤表型。放射组学特征应用于癌症疗效和对遗传表型的潜在预测方面对于个性化和精准医疗至关重要。图像分割作为放射组学实际应用的重要一步,对结果的稳健性至关重要。在这篇技术综述中,主要论述了放射组学图像分割常用方法,并探讨了各方法应用范围和技术问题,以及如何选择放射学图像分割法才对结果更为稳健、高效。     

放射组学图像分割法研究进展

放射组学是一门新兴的定量影像学,利用先进的图像处理流程提取纹理特征,客观、定量地描述肿瘤表型。放射组学特征应用于癌症疗效和对遗传表型的潜在预测方面对于个性化和精准医疗至关重要。图像分割作为放射组学实际应用的重要一步,对结果的稳健性至关重要。在这篇技术综述中,主要论述了放射组学图像分割常用方法,并探讨了各方法应用范围和技术问题,以及如何选择放射学图像分割法才对结果更为稳健、高效。     

CT影像组学在预测非小细胞肺癌淋巴结转移中的价值

目的探讨基于胸部CT影像组学在术前预测非小细胞肺癌淋巴结转移中的价值。方法回顾性分析经术后病理证实的143例非小细胞肺癌病人临床、胸部CT增强影像资料。按照7:3比例,随机分为训练组（n=100）和验证组（n=43）。在静脉期图像上提取肿瘤的影像组学特征,采用最小绝对收缩选择算子（LASSO）逻辑回归用于数据降维、特征筛选。分别基于影像组学特征和临床-影像特征（最大径、毛刺征）构建预测模型。采用受试者工作特征曲线（ROC）的曲线下面积（AUC）评价不同模型的鉴别预测效能,并对模型的ROC曲线行Delong检验;在验证组中评估其预测效能。结果共提取939个影像组学特征,经筛选最终得到6个最优特征并建立影像组学预测模型。对于术前预测淋巴结转移的效能,在训练组中,影像组学模型AUC为0.864（95%CI:0.781~0.924）,大于临床模型的AUC为0.662（95%CI:0.561~0.754）（P < 0.01）;在验证组中,影像组学模型AUC为0.860（95%CI:0.720~0.964）,大于临床模型的AUC为0.664（95%CI:0.504~0.880）（P < 0.05）。结论基于胸部CT增强图像提取影像组学特征及其构建的预测模型,影像组学模型的效能高于临床模型,可以作为一种预测非小细胞癌病人淋巴结是否转移的辅助工具,具有良好的临床应用前景。     

放射科图像存档与传输系统的构建使用及管理体会

<正>随着电子、通信技术的发展,图像存档与传输系统(picture archive and communication system,PACS)在医疗领域的应用日渐兴起[1]。该系统将医院内现有的影像诊断设备通过计算机网络互联,将影像信息以数据形式保存,综合利用各类影像检查手段,实现资源共享,提高医院工作效率,将医学影像带入全数字化、无胶片化管理时代[2]。当我们感受到PACS系统带来的方便、快捷、高效时,如何加强PACS系统的