影像组学在乳腺癌诊疗中的应用进展

影像组学是一项新兴技术,可以提高乳腺癌检出率、评估治疗反应及预测复发风险,在这个精准医疗时代至关重要,因而受到国内外学者的广泛关注。下文就影像组学在乳腺癌诊疗中的应用作一系统综述。     

影像组学在头颈部肿瘤诊疗中的研究进展

因头颈部解剖结构复杂,头颈部肿瘤的精准诊断及治疗对改善患者病情及延长生存时间十分重要。影像组学作为一种影像信息处理方式,具有无创、定量等特点,可用于头颈部肿瘤精准诊疗过程中的肿瘤分期、预测人乳头状病毒（human papilloma virus,HPV）感染状态、预测放疗相关不良反应、靶区勾画、放疗剂量雕刻、预测肿瘤预后、评估颈部淋巴结等方面。本文就影像组学在头颈部肿瘤诊疗中的研究进展进行综述,旨在为临床医师制定精准的医疗决策提供依据。      

影像组学在肺癌中的应用进展

影像学检查是肺癌诊断及疗效评估的重要手段。目前,影像诊断主要依据病变部位的形态学特征,如大小、形状、边缘、均一性和与周围组织关系,但并未对这些图像进行更深入细致的分析。影像组学借助计算机软件,从海量医学影像图像中筛选出定量和最有价值的影像特征,结合临床信息,用于疾病的定性、肿瘤分级分期、疗效评估和预后预测。本文就影像组学的相关概念、处理流程及其在肺癌诊断方面应用状况、发展方向进行综述。     

影像组学在脑肿瘤精准诊疗中的应用和挑战

在强调“精准医学”的今天,对于患者和病理特异性的了解,是实施精准诊疗的关键。影像组学将提取自医学影像感兴趣区域的定量影像特征和肿瘤生物学和异质性等特征联系起来,是一种高通量定量分析方法。它提供了一种无创、便捷、动态和定量的方法了解患者的病理、基因等特异性信息。影像组学在脑肿瘤精准诊疗的应用前景巨大,可用于分子病理学诊断、定义肿瘤边界、预后和并发症的预测等,方便了对每个患者独特的疾病特征采取精确对应的预防、诊断、治疗和预后监控措施。     

影像组学在肺癌中的应用进展

肺癌的死亡率较高,且发病率逐年上升,所以肺癌的早期筛查和诊断变得尤为重要。传统的筛查方法是活检,但存在很多缺陷。而影像组学可以克服这些缺陷,以无创、低成本的方式改善肺癌的诊断、预后等各方面,帮助临床医生在临床实践中做出决策。本文介绍了影像组学的流程、在肺癌中的应用及未来的发展和挑战,期望能为影像组学的进一步发展提供帮助。     

影像组学在精准放疗中的应用

影像组学是一项全新领域,它使用自动化高通量数据特征提取算法将影像数据转化为具有高分辨率可挖掘的影像特征数据。随着数据科学发展,这种非侵入性的、量化的研究方法日益受到国内外精准放疗界同仁重视。本文将简要介绍影像组学的概念以及其在精准放疗中的应用。     

影像组学在宫颈癌中的研究进展

目的 总结影像组学在宫颈癌诊疗方面的应用进展。方法 应用PubMed、中国知网及万方期刊全文数据库检索系统,中文以“影像组学、宫颈癌”为关键词,英文以“Raiomics, cervical cancer”为关键词检索2017年2月-2022年9月发表的相关文献共192篇。纳入标准：(1)影像组学在宫颈癌诊断、疗效及生存预测等的应用;(2)MR、PET/CT和CT影像组学在宫颈癌中的应用。排除标准：综述、重复类文献、低质量和陈旧类文献。最终纳入文献47篇。结果 影像组学可通过挖掘定量高维影像特征与病理生理特征之间的深层关系,进而建立鉴别肿瘤病理类型、组织学分化以及预测肿瘤淋巴结转移、疗效、远处转移和生存的影像组学模型,指导个体化诊疗策略。结论 影像组学作为一种非侵入性的肿瘤鉴别及预测方法,有较好的预测性能,应用前景广阔,期待更多大样本多中心研究及标准化流程,提高泛化性能。     

影像组学在乳腺癌诊断中的应用研究进展

影像组学可无创性地捕捉整个肿瘤的完整异质性,更科学、更准确地评估肿瘤的生物学行为。近年来,影像组学在乳腺癌鉴别诊断、疗效评估、受体状态评估、分子分型和复发预测方面的研究取得了一定的成果。全文总结该领域乳腺X线摄影、MRI影像组学相关研究进展。     

CT影像组学在指导肺癌精准放疗中的应用进展

肺癌的精确诊断、放疗敏感性和正常组织放射性损伤的准确预测是实现肺癌精准放疗的必要前提。影像组学（radiomics）作为肺癌精准治疗发展史上一个具有里程碑意义的辅助工具,可以通过应用自动和半自动算法对肺癌影像资料的感兴趣区域提取大量影像特征,寻找这些特征与临床诊疗数据之间的深层关系,揭示肺癌的发生、发展及临床转归规律。影像组学可以无创获取肺部肿瘤整体异质性信息,在良恶性肺结节的判定、肿瘤基因表型和放疗反应的预测等方面具有巨大临床应用潜能。本文就CT影像组学在辅助肺癌放疗方面的最新研究进行综述。      

CT影像组学在肺结节诊断中的研究进展

随着肺部CT检查的普遍应用,偶然发现了大量的肺结节,这为其诊断和治疗带来了很大挑战。肺结节的诊断方法主要依赖于传统的CT特征,如结节大小、边缘特征、形态特征及周围特征等。然而这些传统CT特征数量较少,且判断结果易受医师主观判断的影响。影像组学可以定量提取更多的结节特征,具有更好的重复性,因此可以更有效的预测肺结节的良恶性。本文阐述了影像组学的基本过程,并概述了影像组学特征分析用于肺结节诊断方面的优势及其在肺结节管理方面的临床应用价值,包括其在预测恶性肿瘤及区分其组织学亚型等方面的应用前景。影像组学作为一种低成本、无创的方法有潜力为肺结节的早期诊断和个性化治疗提供可参考依据。     

影像组学在头颈部肿瘤放疗的研究进展

头颈部肿瘤具有复杂的解剖和高度的异质性,放疗是主要的治疗手段之一,治疗策略和预后评估往往依据TNM分期,缺乏个体化的参考信息。影像组学高通量的提取与肿瘤生物学有关的图像特征,用于无创定量评价整体肿瘤的异质性,为实现精准放疗开拓了新的途径。本文将介绍影像组学近年来在头颈部肿瘤放疗的应用和挑战。     

基于深度学习的超声影像组学在乳腺癌中的研究进展

基于深度学习的影像组学(deep learning radiomics,DLR)通过不同构架从医学图像中提取深层特征,并将提取出的深层特征进一步分析,辅助临床决策。相比传统影像组学,DLR能够自动地提取深层特征,不依赖于医师人工标注,进一步提高其在肿瘤诊断及预测预后中的准确性和可靠性。超声检查是乳腺癌早期诊断的主要方式。全文分析近几年基于超声的DLR在乳腺肿物良恶性的鉴别诊断、乳腺癌分子分型的预测、腋窝淋巴结状态评估、新辅助化疗疗效评估中的研究现状。     

MRI影像组学在鉴别前列腺癌与前列腺增生中的临床应用价值

目的:探讨基于T2WI与表观扩散系数(apparent diffusion coefficient,ADC)的影像组学模型对前列腺癌(prostate cancer,PCa)和前列腺增生(benign prostatic hyperplasia,BPH)的鉴别诊断应用价值。方法:回顾性分析经穿刺活检病理证实的72例PCa患者与64例BPH患者的临床资料及原始MRI图像。使用ITK-SNAP软件手动勾画整个肿瘤(不包括囊变、出血、坏死及钙化)生成三维体积(VOI),采用FAE软件分别从T2WI与ADC图像提取高通量影像组学特征,应用Pearson相关性分析及循环特征消除(RFE)方法进行特征选择,使用支持向量机(SVM)作为分类器构建影像组学模型。采用分层随机抽样的方法将所有病例按7∶3分成训练集与验证集,通过绘制受试者工作特征(ROC)曲线及校准曲线分析评估各个影像组学模型的鉴别诊断效能与校准能力,并使用Delong检验评价模型间的差异。结果:经过特征选择,分别使用12、15、11个图像特征构建基于T2WI/ADC/T2WI+ADC的影像组学预测模型。训练集中T2WI/ADC/T2WI+ADC影像组学模型的ROC曲线下面积(AUC)分别为0.88、0.92、0.96,验证集中T2WI/ADC/T2WI+ADC影像组学模型的AUC分别为0.85、0.89、0.91。Delong检验显示T2WI+ADC联合影像组学模型鉴别诊断效能显著高于单个序列模型,校准曲线显示联合影像组学模型具有较好的预测能力。结论:基于T2WI+ADC的联合影像组学模型有助于术前鉴别PCa和BPH。     

影像组学预测胃癌预后的研究进展

影像组学是一种新兴分析方法,可从医学图像中提取高维影像特征展开定量分析,量化肿瘤异质性,更科学、更准确地评估肿瘤的生物学行为。胃癌是常见消化道恶性肿瘤之一,精准治疗是降低肿瘤死亡率的有效手段。利用影像组学可以预测胃癌患者TNM分期、治疗相关生物标志物表达状态、生存期等预后相关因素,从而指导临床治疗决策,实现个体化精准治疗。全文就影像组学在预测胃癌预后中的研究应用及进展作一综述。     

增强MRI影像组学在构建乳腺癌腋窝淋巴结转移预测模型中的应用研究

目的探讨基于增强MRI影像组学构建的预测模型对乳腺癌腋窝淋巴结转移的诊断效能。 方法根据纳入及排除标准,回顾性分析2016年1月至2020年6月在吉林省肿瘤医院接受手术治疗的376例女性乳腺癌患者的临床、病理及影像资料。患者术前接受乳腺增强MRI检查。用随机数字表法从所有患者中选择20例,由2名放射科医师对其影像独立分割病灶,勾画感兴趣区域(ROI)。采用组内相关系数(ICC)检验对2名医师勾画的ROI进行一致性分析。采用A.K.(Version 3.3.0)软件提取病灶区域的三维纹理特征参数,通过IPMs(Version 2.0.2)软件及最小绝对收缩和选择算子(LASSO)筛选出最佳影像组学特征,用于构建乳腺癌淋巴结转移预测模型。按7∶3的比例将患者随机分为训练组(n＝263)和验证组(n＝113)。采用6种机器学习模型,包括Logistic回归、随机森林(RF)、贝叶斯算法(NB)、决策树(DT)、邻近算法(KNN)和支持向量机(SVM)模型,对2组数据进行处理,采用受试者操作特征(ROC)曲线分析各机器学习模型对乳腺癌腋窝淋巴结转移的诊断效能,根据训练组ROC曲线下面积(AUC)大小,选择最佳模型。用决策曲线分析(DCA)评价最佳模型的临床获益。 结果共有腋窝淋巴结阳性患者114例,腋窝淋巴结阴性患者262例。操作者一致性检验结果显示：2名医师具有很强的操作者一致性(ICC＝0.915,95%CI: 0.894~0.932, P<0.001)。每个病灶提取得到396个三维纹理特征参数,筛选保留7个淋巴结阳性组与淋巴结阴性组间差异明显的影像组学特征,并将其与2个临床指标(年龄和绝经状态)和5个影像学指标(病灶位置、有无钙化、病灶数量、病灶长径和造影剂时间-信号曲线类型)一起,共14个参数,构建预测模型。6种机器学习模型中,Logistic回归模型在训练组中诊断乳腺癌腋窝淋巴结转移的AUC最高(0.798),准确率为73.0%(192/263)、特异度为75.4%(138/183)、敏感度为67.5%(54/80),在验证组的AUC为0.767、准确率为73.5%(83/113)、特异度为77.2%(61/79)、敏感度为64.7%(22/34),为最佳机器学习模型。基于Logistic回归模型的决策曲线分析结果显示：训练组中阈值为0.15~1.00,验证组中阈值为0.10~0.60,有临床获益。 结论基于增强MRI影像组学结合机器学习模型建立的预测模型能够鉴别乳腺癌淋巴结转移,其中以Logistic回归模型的诊断效能更优。     

影像组学在晚期非小细胞肺癌免疫检查点抑制剂治疗中的应用研究进展

近年来,免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)越来越多地应用于晚期非小细胞肺癌(non-small cell lung cancer,NSCLC)的临床治疗中,给患者带来显著的生存获益.影像组学在晚期NSCLC患者ICIs治疗中的研究主要集中在疗效评估相关的三个方面,包括...     

影像组学在非小细胞肺癌诊疗中的应用进展

影像组学作为一种新兴技术,能够用以检出结节,区分良恶性病变,甚至预测病灶组织学分期以及基因型。当其被应用于非小细胞肺癌治疗中时,可以提高疗效评估准确率以及预测复发风险。影像组学有望越来越多地影响非小细胞肺癌的临床治疗实践,优化端到端的诊疗随访链条,本文现对非小细胞肺癌影像组学最新研究现状做一综述。     

影像组学在腮腺多形性腺瘤与腺淋巴瘤鉴别诊断中的应用

目的:探究影像组学在腮腺多形性腺瘤与腺淋巴瘤中的鉴别能力.方法:回顾性研究经病理诊断证实的52例多形性腺瘤与46例腺淋巴瘤患者CT平扫图像,利用MaZda纹理分析软件对肿瘤最大层面感兴趣区(ROI)进行分析,结合B11模块中的原始数据分析(RDA)、主成分分析(PCA)、线性判别分析(LDA)、非线性判别分析(NDA)...     

影像组学对进展期远端胃癌下切缘预测的应用研究

目的:评估术前增强CT影像组学特征对进展期远端胃癌术中下切缘阳性的预测价值。方法:回顾性分析183例进展期远端胃癌患者术前增强CT图像,在CT图像上沿病变边缘手动绘制感兴趣区域（ROI）,并提取影像组学特征。利用Pearson相关性分析和序列前向浮动选择（SFFS）算法筛选特征,并构建影像组学模型、验证模型可靠性。此外,还开发了临床病理学模型,运用受试者工作特征曲线（ROC曲线）及曲线下面积（AUC值）对两个模型诊断性能进行比较。结果:筛选出5种最优影像组学特征,构建的影像组学模型表现出良好的诊断性能（AUC值=0.79）,且比临床病理学模型稍好（临床病理学模型AUC值=0.61）。结论:影像组学模型在术前无创预测术中切缘状态方面表现出良好的潜力。     

影像组学在宫颈癌及子宫内膜癌放射治疗中的应用进展北大核心CSCD

放射治疗是宫颈癌和子宫内膜癌的重要治疗手段,其治疗效果主要取决于精确的肿瘤照射及对正常组织的保护。影像组学以非侵入性方式高通量地从医学影像中获取肿瘤全面的综合信息特征。根据这些特征建立影像组学模型,有助于放射治疗靶区和危及器官的勾画、对放疗疗效及不良反应的准确预测。本文将对利用影像组学方法建立模型的基本流程,及其在宫颈癌和子宫内膜癌放射治疗中的应用进展进行综述。