影像组学在胰腺癌诊治中的应用进展

影像组学正在突破传统影像学评估肿瘤形态学和解剖学的局限性,应用大量的自动化数据特征算法,对医学图像中像素的分布信息进行数学分析,将感兴趣区域的影像数据转化为具有高分辨率的可发掘的特征空间数据,高通量获取一系列肉眼无法识别的量化参数,高保真地获得病变的整体信息,充分反映医学图像底层本质特征。近年来,影像组学在胰腺癌的早期诊断和鉴别诊断、病理特征的预测、新辅助治疗疗效评价、预后预测,甚至在相关基因分类中均取得了一定的成果。本文基于CT和MRI的影像组学在胰腺癌诊治中的应用进展进行综述。     

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。     

CT影像组学在儿童体部常见恶性实体肿瘤中的研究进展

医学图像中包含了大量肉眼不能识别的图像数据,影像组学通过对图像信息的深入挖掘和定量数据分析,在儿童恶性实体肿瘤的鉴别、肿瘤分子表型以及预后预测等方面取得了一定的研究进展,有可能为儿童恶性实体肿瘤的综合治疗提供更为准确的信息,从而有利于临床决策。就基于CT的影像组学在儿童体部常见恶性实体肿瘤中的研究进展进行综述。     

影像组学在胰腺炎中的应用研究进展

【摘要】影像组学领域在过去几年中发展迅速，影像组学代表了以高通量方式提取定量特征的过程，该过程是将影像图像转换为高维数据并对数据进行分析以用于决策支持。影像组学能够以一种非侵入性的方式深入捕捉肉眼无法观察到的大量关于病变异质性的信息，有望弥补传统影像学局限于形态学和解剖学评估的不足。本文基于CT和MRI的影像组学在胰腺炎诊治中的应用进展进行综述。     

影像组学在肝脏非肿瘤性病变中的研究进展

<正>影像学检查是临床疾病诊疗过程的重要组成部分。而传统的影像诊断,仅仅是对医学图像信息定性或半定量的提取,易受诊断者主观因素影响,从而不能全面、客观地对疾病进行评估和诊断,容易造成漏诊或者误诊,影响患者预后,甚至造成患者死亡。影像组学(Radiomics)的出现及发展,打破了传统影像诊断模式,通过高通量的提取、筛选医学图像中肉眼难以发现的病灶信息的影像组学特征并建立影像组学模型,为临床进行疾病的评估、诊断开辟了新的思路,提供了新的参考,     

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。     

不同模态影像组学在甲状腺结节良恶性诊断中的应用

对甲状腺结节进行精准诊疗,成为临床上普遍的问题。影像组学作为新兴临床技术,能够将图像中潜在的影像学特征提取转化为数据信息进行分析,为预测、筛查、治疗临床病症提供了新思路。近年大量学者运用该技术对甲状腺结节展开了大量的研究。本文对近年不同模态影像组学在甲状腺结节中的研究进行综述。     

积极推动影像组学的临床应用研究

近年来,医学影像设备不断升级换代,随着精准医学模式的提出和发展,传统的医学影像阅片方式已不能满足日益增长的影像学数据的客观需求,亟需开发一种新的方法或技术,为此,影像组学(Radiomics)应运而生.2012年,Lambin等[1]首次提出了影像组学的概念,即从影像图像中提取大量影像学特征,通过高通量定量分析,将影像图像转化为具有高分辨率的、可发掘的空间数据.随后,影像组学的概念得到了进一步拓展,即从CT、MRI或PET等影像图像中提取大量数据,并对之进行高通量定量分析,得到高保真的目标信息来综合评价肿瘤的各种空间、时间上的异质性,包括基因、蛋白质、细胞、微环境、组织和器官等诸多层次的信息[2-4].近3年来,影像组学得到了迅猛发展,成为临床医学和生物医学工程领域的研究热点,在临床实践中的指导价值也受到越来越广泛的重视,并取得了相当可观的结果[5-7].     

影像组学方法在软组织肿瘤中的应用研究进展

【摘要】影像组学方法是医学影像学、计算机视觉和机器学习等多学科交叉的产物,能在宏观影像水平间接反映肿瘤微观水平基因或蛋白质的变化,并且不完全依赖于影像医师的专业技能、临床经验及主观因素,所提供的是医学影像相对客观的定量信息,具有传统影像方法难以做到的独特优势。对于软组织肿瘤而言,肉眼从影像上获取的信息十分有限,明确诊断非常困难,而影像组学方法可以辅助影像医生对其进行诊断,进而帮助影像医生和临床医生更全面、更深入、更透彻地认识和理解软组织肿瘤。本文介绍了影像组学方法在软组织肿瘤中应用研究的流程,并对目前影像组学方法在软组织肿瘤良恶性鉴别、术前预测软组织肉瘤分级、评价软组织肉瘤治疗及预后方面应用研究的进展进行综述。     

医学图像融合

图像融合是将来自相同或不同成像方式的图像进行一定的变换处理熏使他们之间的空间位置、空间坐标达到匹配。PET/CT可以进行功能与解剖结构的同机图像融合,是影像医学的一个重要进展。多模式图像融合为不同的影像提供互补信息、增加图像信息量熏有助于更全面地了解病变的性质及与周围解剖结构的关系。就医学图像融合的方式、融合方法及相关研究进展进行综述。     

影像组学技术方法的研究及挑战

【摘要】随着医疗大数据时代的到来,影像组学成为不可或缺的大数据分析及人工智能发展技术手段,它通过高通量特征提取算法,对影像图像进行定量分析,充分深入挖掘和分析隐含在图像中的额外信息,最高效地利用影像学检查结果,从而提供有价值的诊断、预后或预测信息,以支持个性化的临床决策和改善个体化的治疗选择。     

影像组学在预测乳腺癌分子分型中的研究进展

【摘要】乳腺癌的分子分型对患者治疗方案的选择以及预后评估有着重要作用。目前临床主要依靠有创手段取得病理组织并进行免疫组化来确定乳腺癌的分子分型,但其取样和分析存在一定的局限性。影像组学能从影像图像中高通量地提取并分析大量高级且定量的影像学特征,并将其与肿瘤基因表达、细胞分子信息等相关联,以辅助临床进行诊断和治疗。本文对影像组学辅助诊断乳腺癌分子分型的研究进展进行综述。     

医学图像融合

图像融合是将来自相同或不同成像方式的图像进行一定的变换处理,使他们之间的空间位置、空间坐标达到匹配.PET/CT可以进行功能与解剖结构的同机图像融合,是影像医学的一个重要进展.多模式图像融合为不同的影像提供互补信息、增加图像信息量,有助于更全面地了解病变的性质及与周围解剖结构的关系.就医学图像融合的方式、融合方法及相关研究进展进行综述.     

影像组学在肺癌中的应用

【摘要】影像组学作为一种新兴技术，通过应用大量的图像特征对肿瘤表型进行量化，可从图像中提取影像诊断医师肉眼不易看到的信息或不易量化的特征，尽管仍处于早期阶段，但已有多项研究表明影像组学在肺癌早期诊断、风险分层、个体化治疗和总体预后预测等方面具有潜在的应用价值。本综述的目的是总结目前影像组学在肺癌中的研究进展并讨论其临床价值以及未来的目标和挑战。     

验证一种多中心CT影像组学研究的补偿方法

正摘要影像组学能比视觉评估更精确地从图像中提取生物学特征。然而,影像组学特征会受到CT扫描参数(例如重建、层厚)的影响,因此不同的扫描方案会模糊图像重要的生     

影像组学在帕金森病中的研究进展

帕金森病（PD）是一种年龄相关的进行性神经退行性疾病。相较于仅依靠视觉分析及低维度信息的传统影像诊断模式,影像组学可以通过高通量计算快速挖掘医学图像中更深层次的信息,已成为PD研究中的新兴手段,在PD的诊断、分型、进展评估及结局预测等方面得到广泛应用。就影像组学的概况及在PD中的研究进展进行综述。     

CR图像后处理技术应用体会

随着计算机科学技术的发展,放射科影像信息的采集摄取和处理已全面数字化.目前CR、DR成像系统的广泛应用,使影像技术检查图像由传统的模拟成像转向了数字化成像.由于图像的数字化,可以对原始图像信息进行多方面的调节处理,使采集到的信息根据需要进行显示,使图像质量得到有效保证.目前,CR成像设备使用比较广泛,软硬件开发更加成熟,图像处理软件内容比较丰富.CR系统功能很多,怎样才能充分发挥各种功能的作用?如何将这些开发功能适当搭配?将图像内容调节到最佳水平,是我们在使用中值得注意的问题.     

计算机数字采集回写CT、MRI图像网络化管理应用研究

将计算机网络技术用于医院医学影像资料的管理,医学图像和影像医生的报告通过计算机网络系统直接送到临床科室终端显示器上,根据医、教、研需要可以将图像原始数据文件回写到CT、MRI进行后处理或者重新拷贝胶片,使静态图像资料变为动态图像资料,诊断信息的量与面有很大突破。随着计算机技术迅速发展,当前医学影像设备普遍设计配有数字接口,这就为影像设备直接连接到计算机网络中,实现全数字化自动采集、;回写图像信息提供非常方便的手段。     

PET影像组学临床应用进展

影像组学可以从标准医学图像中提取和分析大量特征数据，量化描述肿瘤内部的结构异质性，并探索其与疗效及预后等的相关性，已在放射学领域深入应用。PET影像组学能够提取丰富的肿瘤代谢异质性信息，有助于推动肿瘤临床诊疗，日益得到广泛关注。本文对PET影像组学的概念、工作流程及其临床应用进行系统综述。     

基于IVIM多参数MRI影像组学术前预测直肠癌T分期

【摘要】目的：探讨基于术前体素内不相干运动（IVIM）功能图像和高分辨T2WI图像建立的多参数影像组学模型对直肠癌术前T分期的预测价值。方法：回顾性分析行直肠高分辨率MRI和IVIM扫描,并在2周内进行手术且经病理证实的83例直肠癌患者的临床及影像资料。以7:3的比例将83例患者随机分为训练组和验证组（分别为58例和25例）。由两位放射科医师使用ITK-Snap软件分别在DWI（b=1000s/mm2）、高分辨率T2WI序列图像上对肿瘤原发灶边缘进行三维勾画,并将DWI-ROI映射到IVIM序列（ADCmap、Dmap、fmap）图像上。使用RIAS软件进行特征提取和分析建模,从高分辨率T2WI、DWI、ADCmap、Dmap、fmap序列的每个ROI中分别提取1427个组学特征,每例患者的图像共提取7135个组学特征。通过最小绝对收缩算子算法（LASSO）选择单序列中预测价值最高的影像组学特征,采用逻辑回归模型进行单序列Rad评分的建立;将每个单序列降维后得到的影像组学特征进行融合,再次使用LASSO算法进行降维,最终得到多序列中最有价值的影像组学特征32个,同样采用逻辑回归模型构建多序列融合T分期预测R评分。结果：T1、T2、T3、T4期直肠癌患者例数分别为6、16、47、14例。使用逻辑回归模型建立了单序列及联合序列Rad评分,其中联合序列Rad评分的诊断效能最佳,其在验证组中的ROC曲线下面积为0.929（95％CI：0.78~1.00）,敏感度、特异度分别为0.81、0.75。结论：基于IVIM功能图像和高分辨率T2WI图像建立的多参数影像组学模型对术前预测直肠癌T分期具有一定价值。