影像组学在肺癌中的应用研究进展

影像组学(radiomics)借助计算机软件高通量地从医学影像数据中挖掘大量的定量信息,筛选最有价值的影像组学特征来解析临床信息,指导疾病的诊疗,在肿瘤的诊断和鉴别诊断、分期分级、基因表型预测、治疗方案决策、疗效评估及预后预测等方面均显示出巨大价值.本文从影像组学概述、在肺癌中的应用研究进展、挑战及展望三方面进行论述,旨在提高对肺癌影像组学的认识.     

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行调查,作一综述。     

影像组学在神经系统非肿瘤性疾病中的应用及研究进展

影像组学作为高通量提取CT、MRI等医学影像放射学特征的一种新兴研究方法,通过量化病灶的异质性并进行定量分析,辅助了影像诊断及临床治疗决策,在临床工作中显示出巨大的应用潜能。目前,影像组学在神经系统主要集中在肿瘤病变研究,而对非肿瘤疾病研究较少。现对影像组学在神经系统非肿瘤病变中的临床应用、研究进展进行综述。     

影像组学在脑胶质瘤中的研究进展

影像组学可以高通量地提取医学影像的特征并进行分析,建立影像与肿瘤异质性、基因表达等信息之间的联系,进而提供更为精准的临床决策。目前脑胶质瘤的影像组学研究基于不同的成像方法,可以提取肿瘤灰度直方图特征、形态特征和表征肿瘤异质性的纹理特征等,主要应用于脑胶质瘤的分级和鉴别、预测基因表达及评估生存期和治疗反应等。就影像组学的流程、基于不同成像的影像组学处理方法以及影像组学方法在脑胶质瘤中的应用进展予以综述。     

影像组学与深度学习在肿瘤放疗中的研究进展

影像组学作为一种非侵入性的图像分析方法,能够深度发掘隐藏在医学影像背后的临床信息。深度学习技术的发展将影像组学研究提升到了新的高度,大量研究结果证实了其在肿瘤放疗中的应用价值。笔者从影像组学的研究背景出发,就其在肿瘤放疗中的研究进展进行综述。     

影像组学在骨关节炎早期诊疗中的研究进展

骨关节炎是一种临床常见病及多发病，具有较高的致残率。影像组学作为精准诊疗的新兴技术，通过人工智能对医学影像图像中的异质性信息进行客观、定量的分析及评价，在骨关节炎的诊断窗口前移及精准化诊疗过程中发挥着巨大潜力。本文就影像组学及纹理分析在骨关节炎早期诊疗中的研究进展进行综述，主要包括影像组学概述、骨关节炎的早期诊断、进展预测、疗效评价、预后评估以及骨骼结构评价等方面的应用研究。     

影像组学在胰腺肿瘤病变影像学评估中的研究进展

【摘要】随着影像学诊断手段的不断丰富,胰腺肿瘤的检出率也随之提高。人工智能在近年来不断应用于医学影像中,为肿瘤影像的发展开启了新时代。腹部肿瘤影像在不断地发掘影像中隐藏的信息,影像组学在胰腺肿瘤病变中的研究聚焦于胰腺肿瘤的诊断与鉴别诊断、生物学行为的评价、预后评估以及放化疗的疗效评估等方面,以期提高对肿瘤病变的诊断效能,更精准地监测肿瘤的进展、预测肿瘤的预后,为个体化及精准化治疗做出贡献。本文旨在综述影像组学在胰腺肿瘤病变影像学评估中的研究现状、存在的问题以及对未来的初步展望。     

基于影像组学的肝癌研究进展

目的影像组学是指从医学影像中提取定量影像学特征,并将图像特征转化为可挖掘的数据,建立肿瘤预测模型,来定量描述肿瘤表型,在肿瘤的诊断、治疗、预后和评估等方面具有重要的应用价值。影像组学作为一项全新的领域,以其客观、可重现、可挖掘、非侵入的特点,将在肿瘤的诊疗中发挥巨大作用。目前,由于肝癌患者数量的不断增多,影像组学也正逐步应用于肝癌的研究中。本文就影像组学及其在肝癌中的应用研究进展进行综述。     

肾脏肿瘤的影像组学研究进展

肾细胞癌是最常见的泌尿系统恶性肿瘤,其准确分型分级有助于选取不同方案进行治疗。影像组学可以从高质量、标准化的医学影像中获取病灶高通量纹理特征来指导临床诊断和预后。近年来,基于CT、MRI的影像组学研究逐渐应用于肾脏肿瘤,如鉴别肿瘤良恶性,对恶性肿瘤分型、分级以及预测恶性肿瘤预后及可能潜在转移部位等,就该研究现况及前景作一综述。     

影像组学在心脏CT成像中的研究进展

心脏CT成像已被广泛用于冠状动脉及心脏结构性疾病的诊断。传统心脏CT影像主要依靠医生通过视觉进行评估。影像组学可以从医学影像中挖掘大量人眼看不见的定量特征,并与机器学习等数据分析方法相结合,构建模型预测疾病状态以及病人的临床结局。就影像组学方法在心脏CT成像领域（包括冠状动脉斑块、冠状动脉周围脂肪、心肌组织及心脏占位）的应用现状予以综述,并探讨面临的挑战及发展方向。     

骨原发性腺泡状软组织肉瘤的CT及MRI诊断

腺泡状软组织肉瘤(alveolar soft part sarcoma,ASPS)是一种组织来源不明的少见的软组织恶性肿瘤,占软组织肿瘤的0.5%~1%[1]。而骨原发性腺泡状软组织肉瘤(primary alveo-lar sarcoma of bone,PASB)极为罕见,仅见零星个案报道,也多为软组织内腺泡状软组织肉瘤骨侵犯或骨转移,未见 PASB 影像诊断报道。由于本病病因不明,发病率低,临床表现缺乏特异性,故影像学诊断对制订治疗方案和判断预后十分重要。为提高对该病的认识,回顾性分析本院5例影像误诊,后经病理证实为 PASB 的 CT 及 MRI 表现,结合其病理及其临床特点,探讨其影像学表现的临床应用价值,以期提高对本病的认识及诊断水平。     

MRI在子宫肉瘤和子宫肌瘤鉴别诊断中的应用进展

子宫肉瘤与子宫肌瘤的治疗方案和预后管理完全不同,对两者的鉴别诊断至关重要。MRI是诊断子宫肿瘤的重要影像方法,尤其是扩散加权成像（DWI）、扩散张量成像（DTI）、扩散峰度成像（DKI）、灌注加权成像（PWI）、MR波谱成像（MRS）、增强梯度回波T₂*加权血管成像（ESWAN）等功能MRI及影像组学,在子宫良恶性肿瘤鉴别、病理分型分级和分子变化等方面可以进行量化分析,从而提供更多有价值的信息。就MRI在鉴别子宫肉瘤和子宫肌瘤中的应用进展作一综述。     

基于MR T1WI的影像组学机器学习模型预测软组织肉瘤分级的价值

目的 探讨基于MR T1WI的最优影像组学机器学习模型及其预测软组织肉瘤分级的价值。方法 回顾性分析2009年5月至2018年11月青岛大学附属医院113例软组织肉瘤患者的术前MR T1WI资料,采用随机分层抽样的方法将患者随机分为训练组(n=80)和验证组(n=33)。根据法国国家癌症研究中心(FNCLCC)系统将软组织肉瘤病理分级分为Ⅰ~Ⅲ三个级别。Ⅰ级为低级别,Ⅱ、Ⅲ级为高级别。训练组中18例为低级别、62例为高级别病变,验证组中7例低级别、26例高级别病变。图像进行标准化后,采用A.K软件对肿瘤感兴趣区进行特征提取,并基于不同特征选择方法(加入和不加入递归式特征消除)、机器学习算法(随机森林和支持向量机算法)和采样技术(不进行过采样、使用少数样本合成过采样技术、使用随机过采样技术),组合成12种机器学习算法组合,应用弃一法交叉验证进行验证,建立分类模型。采用受试者操作特征(ROC)曲线评价模型预测软组织肉瘤病理级别的效能。结果 在12种机器学习算法建立的软组织肉瘤分级预测模型中,联合使用递归式特征消除和少数样本合成过采样技术的随机森林分类算法效能最佳,其在验证组中预测软组织肉瘤分级的ROC曲线下面积为0.909 (95%可信区间为0.808~1.000),准确率、灵敏度和特异度分别为84.85%、86.21%和75.00%。结论 基于影像组学的机器学习方法在预测软组织肉瘤病理分级方面有较大的应用价值。     

淋巴瘤18F－FDG PET/CT影像组学的应用及研究进展

18F-FDG PET/CT是诊断淋巴瘤最重要的检查方法之一, 其在淋巴瘤的诊断分期、疗效评估、预后预测及临床决策等方面发挥着重要作用。影像组学是一种利用复杂的生物信息学方法从医学图像中提取定量信息来表征肿瘤异质性的技术。18F-FDG PET/CT影像组学方法已应用于量化肿瘤内异质性, 在淋巴瘤的研究颇具潜力和价值。该文就18F-FDG PET/CT影像组学在淋巴瘤的应用及研究进展进行综述。     

多模态MRI影像组学在胶质瘤精准诊疗中的研究进展

胶质瘤是成人中枢神经系统（CNS）最常见的原发性恶性肿瘤,治疗前的精准诊断对于病人的治疗和预后具有重要意义。影像组学能够从大量医学影像数据中提取特征并据此对病变异质性进行定量评估,在肿瘤的定性诊断、疗效预测和预后评价方面发挥着重要作用。对多模态MRI影像组学技术在胶质瘤术前诊断、组织学分级、分子分型、治疗和疗效评价中的最新研究进展予以综述,探讨其应用前景和面临的挑战。     

基于影像组学的人工智能在脑胶质瘤 MRI诊断中的应用

影像组学能够从影像大数据中挖掘潜在的信息以利于实现精准医疗。基于影像组学的人工智能（AI）技术能实现计算机模拟人类思维,代替人工高效地进行数据挖掘。医学影像学的AI技术能有效辅助放射科医生对脑胶质瘤的MR影像诊断。综述基于影像组学的AI技术在脑胶质瘤的分级诊断、鉴别诊断、预后评估等方面的应用研究。     

加强机器学习在医学影像中的研究和应用

在临床工作中,医学影像为临床决策提供重要的辅助信息。但传统的影像诊断主要基于放射科医生的主观判断,已不能满足精准医学发展的要求。近年来,以深度学习为代表技术的机器学习方法,为拓展医学影像的临床应用范围提供了巨大的机遇。对机器学习在医学影像中的研究和应用、基本概念、研究现状作简要介绍,以期推动相关研究的开展。     

胸部CT瘤周影像组学在非小细胞肺癌精准诊疗中的应用与挑战

影像组学通过提取医学图像中感兴趣区的定量图像特征,并与肿瘤的生物学特征与异质性进行关联,为个性化精准诊疗提供了关键信息和依据。肿瘤周边蕴含了丰富的微观生物学信息,胸部CT瘤周影像组学通过挖掘肿瘤周围组织的深层异质性信息,为非小细胞肺癌患者提供定量的非侵入性评估方法,展现其在未来临床应用的广阔前景。相信随着计算机、医疗大数据的飞速发展,未来多中心、高质量、大样本数据等工作的深入开展,有望实现影像组学研究的规范化、可重复,推动影像组学研究的临床转化和应用,为肺癌患者精准诊断、治疗和随访等方面奠定基础。     

医学影像结构式诊断报告在肿瘤诊断中的临床应用及思考

肿瘤诊断在很大程度上依赖于影像诊断报告中包含诊断信息的数量和质量.医学影像结构式诊断报告可以提高报告内容的准确性和完整性,并可结合多媒体技术增加报告的可读性和可视性.基于肿瘤的结构式报告以临床需求为中心,更具针对性.本文对基于肿瘤影像结构式诊断报告的应用现状进行综述,并对其未来的临床应用及发展方向提出思考.     

影像组学研究的困境和出路

影像组学研究已经受到了学术界与工业界的广泛关注与研究,然而距离影像组学模型的临床应用,仍面临着诸多挑战。本文从医学影像数据标准化、模型泛化性、生物学可解释性及临床易用性4个方面进行探讨,并提出可行性解决方案。最后,建立医学影像人工智能标准化数据库对推进影像组学在疾病诊疗领域的临床应用具有重要意义。