基于影像组学的肺癌分型预测

目的 基于影像组学特征对肺癌中的两大亚型分类（小细胞肺癌与非小细胞肺癌）进行分型预测。 方法 在131名小细胞肺癌与非小细胞肺癌患者中(其中训练集包含119人,测试集中包含12人),从手动分割的病灶区域提取107维组学特征,使用R统计学软件中的FSelector包对影像组学特征进行关键特征筛选,构建支持向量机模型和k折交叉验证模型对肺癌患者的病理进行表型分类和验证,通过绘制受试者工作特征曲线（ROC曲线）图和计算曲线下面积（AUC）数值来对训练集和测试集中的肺癌分型预测效果进行评估。 结果 挑选出20个主要的影像组学特征用于小细胞肺癌与非小细胞肺癌的分型鉴别,这些特征对于训练集和测试集中的小细胞肺癌与非小细胞肺癌均有较好的区分能力。在测试集中,预肺癌亚型分类的准确率为75%,组学特征的AUC结果为0.69。 结论 通过构建独特的影像组学特征,以用作区分小细胞肺癌与非小细胞肺癌的诊断因素。这对实现非侵入性的肺癌病理有效分型预测,指导肺癌患者后续治疗方案的选择具有重要指导意义。     

基于MRI影像组学鉴别卵巢卵泡膜细胞瘤与阔韧带肌瘤

目的探讨基于MRI影像组学对卵巢卵泡膜细胞瘤(OTCA)与阔韧带肌瘤(BLM)的鉴别诊断价值.资料与方法回顾性分析安阳市肿瘤医院2016年1月—2021年3月经病理证实的76例OTCA和58例BLM的MRI图像,比较两组疾病的MRI特征.于肿瘤最大层面勾画感兴趣区提取T2WI脂肪抑制序列图像纹理特征,采用分层抽样方式按...     

Integrating pathomics with radiomics and genomics for cancer prognosis: A brief review

In the last decade, the focus of computational pathology research community has shifted from replicating the pathological examination for diagnosis done by pathologists to unlocking and discovering “sub-visual” prognostic image cues from the histopathological image. While we are getting more knowledge and experience in digital pathology, the emerging goal is to integrate other-omics or modalities that will contribute for building a better prognostic assay. In this paper, we provide a brief review of representative works that focus on integrating pathomics with radiomics and genomics for cancer prognosis. It includes: correlation of pathomics and genomics; fusion of pathomics and genomics; fusion of pathomics and radiomics. We also present challenges, potential opportunities, and avenues for future work.     

医学影像纹理分析在软组织肿瘤中的研究进展

近年来凭借大数据及深度学习使得以纹理分析(Texture Analysis)为代表的影像组学迅猛发展.随着纹理分析方法及影像新技术的不断研发应用,近年来纹理分析被越来越多的应用于临床研究,为疾病、尤其是肿瘤的诊断、分级与疗效预测评估提供有价值的医学影像依据.本文总结了纹理分析的常用方法、流程,并对软组织肿瘤的研究现况进...     

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.     

18 F-FDG PET/CT在三阴性乳腺癌分子分型诊断中的价值

目的 探究¹⁸F-氟脱氧葡萄糖-正电子体层扫描成像(¹⁸F-FDG PET/CT)在三阴性乳腺癌分子分型诊断中的价值。方法 回顾性分析2010年1月1日至2022年12月31日在天津医科大学肿瘤医院行¹⁸F-FDG PET/CT检查的227例乳腺癌患者的临床和影像学资料,根据乳腺癌原发灶雌激素受体(ER)、孕激素受体(PR)及人表皮生长因子受体2(HER-2)表达状态将患者分为三阴性乳腺癌和非三阴性乳腺癌两组;基于PET图像和CT图像,提取影像组学特征,构建影像组学模型用于预测三阴性乳腺癌的分子分型;并比较两组患者的临床资料、CT形态学特征和PET代谢参数的差异,筛选出差异有统计学意义的指标,建立联合临床特征的综合性影像组学模型。结果 与非三阴性乳腺癌相比,三阴性乳腺癌在肿瘤直径、边缘、合并同侧腋下淋巴结转移、累犯邻近皮肤乳头及PET代谢参数等方面表现出更显著的侵袭性(t=-3.19,χ²=7.30、8.10、5.34,t=3.80、3.30、3.42,P＜ 0.05)。构建的¹⁸F-FDG PET/CT影像组学模型能够有效预测三阴性乳腺癌的分子分型,受试者工作特征(ROC)曲线分析显示,曲线下面积(AUC)为0.83(95%CI 0.78~0.88),预测准确度为75.9%,灵敏度为74.5%,特异度为77.2%。构建的综合性影像组学模型AUC为0.86(95%CI 0.81~0.90),预测准确度为77.2%,灵敏度为78.6%,特异度为75.9%。结论 ¹⁸F-FDG PET/CT在三阴性乳腺癌分子分型诊断中发挥重要价值,构建的影像组学模型和综合性影像组学模型进一步提高了PET代谢参数的预测效能,有助于临床上尽早制定准确的治疗方案,从而改善患者预后。     

肝细胞肝癌CT图像纹理分析分割技术的初步研究

目的 探讨机器自动分割肝癌CT图像纹理特征的可行性。方法 用强度、纹理、形状和边缘的图像特征来描述分割的情况,计算从操作者分割提取的特征与机器分割的相关性,测量不同操作者分割CT图像与机器分割CT图像的一致性。结果 操作者在选择不同层面时并不一致。操作者的分割结果也并非重叠。每个机器分割与其操作者手动分割的平均重叠程度与两个操作者之间的重叠程度相当（74% vs 69%）。机器分割与操作者手动分割组内相关性（ICC）结果表示纹理和强度特征是最显著的,边缘和形状特征最小。结论 本研究通过在每个操作者分割的最大圆来确定机器自动分割,从而有助于临床中可以更快、更准确的对CT图像进行分割。     

影像组学在神经系统疾病中的应用研究

医学影像学在疾病诊断、分期或分级、治疗以及预后判断中都有着不可或缺的地位。影像组学（radiomics）是一种高通量数据分析方法,从影像中获取标准的、量化的数据并以之建立模型,具备准确性、客观性以及可重复性,可结合多种成像方式,为医学影像学在临床实践中提供帮助。这种非侵入性的检查在神经系统疾病的诊治中应用广泛,因此,本文主要综述影像组学在神经系统疾病中应用的最新研究进展。     

多模态功能影像及放射组学预测食管癌早期放化疗反应性研究进展

常规影像技术及消化道内镜等检查对食管癌患者放化疗早期疗效预测准确性不高,而PET-CT、MRI弥散加权成像等功能成像及放射组学可先于形态学变化反映肿瘤功能代谢情况,弥补了传统诊断检查方法不足。本文就早期预测食管癌放化疗反应性成像技术应用现状做综述。