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。     

PET/MRI影像组学特征预测肺腺癌与肺鳞癌病理分型价值

目的 探讨PET/MRI影像组学特征预测肺腺癌与肺鳞癌病理分型的价值.方法 回顾杭州市全景影像中心2018年10月至2020年12月初次行PET/MRI检查的53例肺癌患者临床、PET/MRI资料,其中肺腺癌36例,肺鳞癌17例.应用影像组学软件计算和选择与肺癌分型最相关的影像组学特征,通过五折交叉验证方式分为训练组及...     

MR CE-T1WI的影像组学对鼻咽癌复发的预测

目的 探讨MR CE-T1WI的影像组学对鼻咽癌（nasopharyngeal carcinoma,NPC）复发的预测价值。方法收集沭阳医院2016年2月至2020年2月经病理学检查证实的116例Ⅲ～Ⅵb期NPC患者的临床及影像学资料,根据2年内随诊的复发情况将其分为复发组与未复发组,其中复发组52例,未复发组64例。由3D Slicer的分割模块对NPC患者MR CE-T1WI的感兴趣区进行分割,以pyradiomincs提取组学特征。组学特征的筛选由R 4.0.0执行,其中irr包用于计算类内相关系数（intraclass correlation coefficient,ICC）,glmnet包用于重要性特征的筛选。随后利用Logistic回归构建预测模型,并利用受试者工作特征（receiver operating characteristic,ROC）曲线评估其性能。结果 NPC受试者ROI的影像组学特征被成功提取并降维。与未复发组相比,NPC复发组年龄更大（t=2.894,P<0.01）和男性占比更多（χ2=5.396,P<0.05）。与未复发组相比,复发组呈现5个...     

颈部淋巴结疾病影像组学进展

颈部淋巴结丰富,周围解剖结构复杂,相关疾病涉及肿瘤、感染、免疫、转移等多种异常情况.传统影像学明显依赖人肉眼识别能力和个人经验,信息维度受限,存在很多淋巴结疾病诊疗难点.影像组学通过靶区识别,从传统影像中提取大量与细胞生物学相关的特征,通过模型构建和评价,可以对疾病进行更客观和更全面的鉴别诊断、预测和疗效跟踪等,突破了...     

肺腺癌CT影像组学特征与病理结果对照研究

目的 评估电子计算机断层扫描(CT)成像影像组学技术在鉴别肺腺癌浸润性上的预测价值。方法 回顾分析本院收治的121肺腺癌患者的CT影像资料,使用CT影像组学技术提取CT特征,并使用受试者工作特征曲线(ROC)分析相关特征参数在预测肺腺癌浸润性上的价值。结果 浸润组的病灶大小和平均CT值与微浸润组差异显著(P<0.05)。病灶大小的AUC=0.726,特异度为84.48%,敏感度为53.9 7%;平均CT值的AUC=0.781,特异度为87.93%,敏感度为61.9 0%;CT影像组学特征模型对肺腺癌浸润性的AU C=0.962,特异度为94.83%敏感度为82.54%。结论 CT影像组学可以鉴别肺腺癌的浸润情况,特异度和敏感度较高。     

CT影像组学预测胃癌不同预后组织学分型的可行性

目的: 探讨CT影像组学在胃癌不同预后组织学分型预测中的应用价值。方法: 回顾性分析570例胃癌患者的临床资料,按组织学分型分为预后较差组和预后较好组,按照2 ∶1的比例随机分为训练组和验证组。采用软件ITK SNAP从CT图像中分割胃癌原发病灶。采用多因素分析筛选出与胃癌不同预后组织学分型最大相关性的临床特征,并以此构建临床特征模型。从所有分割图像中提取特征,再使用最大相关最小冗余(mRMR)、最小绝对收缩和选择算子(LASSO)回归和逐步回归筛选出有效特征,并以此建立影像组学标签。最后,拟合影像组学标签与临床特征,构建影像组学模型,并用受试者工作特征（ROC）曲线下面积（AUC）进行性能评估。结果： 提取了985个二维图像特征,包括一阶统计量、形状特征、纹理特征等。通过去冗余特征筛选,得到5个最有效特征构建影像组学标签。3个临床特征（年龄、性别、CT M分期）作为构建临床特征模型的参数。相较于临床特征模型和影像组学标签,影像组学模型的预测性能表现最佳,影像组学模型AUC在训练组和验证组分别为0.726 2(95%CI：0.676~0.776),0.707(95%CI：0.632~0.781)。结论： CT影像组学在术前无创预测胃癌不同预后组织学分型方面具有一定的应用潜力。     

重视影像组学的临床应用研究

自影像组学的概念提出以来,国内外学者相继开展了众多关于影像组学的科学研究。国内外研究团队及其相应的研究在影像学上都取得了一定的成果,然而距离影像组学模型的临床应用,仍面临着诸多挑战。关于影像组学的研究热点、存在问题,以及未来的发展方向都需要关注和重视。     

全子宫MRI影像组学特征术前预测Ⅱ型子宫内膜癌的可行性研究

目的 探讨术前全子宫磁共振成像(MRI)影像组学特征对Ⅱ型子宫内膜癌(EC)的预测价值及模型的可行性。方法 研究对象为我院自2017年6月至2022年6月经手术病理证实的Ⅰ型EC(n=68)和Ⅱ型EC(n=22)共90例患者,以随机数表法分为训练集(n=63)和验证集(n=27)。收集患者的一般资料及术前14d内MRI图像。通过MRI图像一致性(ICC)评价和线性相关性检验后,建立LASSO-Logistic回归模型筛选影像组学特征。采用受试者工作特征曲线(ROC)的线下面积(AUC)评估筛选特征预测Ⅱ型EC的精准度。构建术前全子宫MRI影像组学特征的人工神经网络模型,通过训练集Bootstrap自抽样和验证集以ROC、校准曲线评价模型区分度和准确性。结果 Ⅱ型EC患者肌层浸润深度和淋巴结转移高于Ⅰ型EC(P<0.05)。共提取术前全子宫MRI图像轴位DWI和矢状位T₂WI影像组学特征各1132个,全子宫MRI一致性高于EC病灶特征。DWI特征AUC=0.837(95%CI:0.713～0.908,P<0.01),T₂WI特征AU...     

基于DCE-MRI的影像组学在预测乳腺癌Luminal型和非Luminal型中的价值

目的：探讨基于动态增强MRI（dynamic contrast enhanced magnetic resonance imaging,DCE-MRI）的影像组学在预测乳腺癌Luminal型和非Luminal型中的价值。方法：回顾性分析行乳腺DCE-MRI扫描,并经手术病理证实为乳腺癌的42例患者,采用手动分割法在DCE-MRI强化最明显的图像上逐层勾画病灶提取影像组学特征,用最小绝对收缩算子（least absolute shrinkage and selection operator,LASSO）筛选最优影像特征,根据雌激素受体（estrogen receptor,ER）和孕激素受体（progesterone receptor,PR）的表达情况将所有病例分为Luminal型和非Luminal型,构建基于逻辑回归（logistic regression,LR）、随机森林（Random forest,RF）、K近邻（K nearest neighbor,KNN）和支持向量机（support vector machine,SVM）的分类器,并用5折交叉验证法对预测性能进行验证。结果：最终选出4个最优特征值,包括1个形状特征和3个小波特征,其中Original_Shape_Maxi－mum 2D Diameter Row、Wavelet-LLH_GLCM_Idn和Wavelet-HHH_GLCM_Correlation三个特征值与ER和PR的表达情况均具有显著相关性,基于RF的分类器预测乳腺癌Luminal型和非Luminal型的性能最佳,其敏感度、特异度、准确度及曲线下面积（area under curve,AUC）分别为0.838、0.900、0.853和0.876。结论：基于DCE-MRI的影像组学在预测乳腺癌Luminal型和非Luminal型中具有较好的应用价值,基于RF的分类器的预测性能最佳。     

基于超声成像提取影像组学特征构建Rad-score评估肝脏占位性病变良恶性的研究

目的探讨基于超声影像组学方法构建影像组学标签(Rad-score)评估肝脏占位性病变良恶性的可行性。方法纳入该院2016年5月至2020年7月肝脏占位性病变患者79例,所有患者均经穿刺活检或手术切除组织行病理检测确定患者病灶良恶性。患者均于穿刺活检或者手术前1周行超声成像,由该科室高年资医师基于超声影像对病灶进行感兴趣区域(ROI)勾画,提取影像组学特征,将入组患者按照随机原则以7∶3比例分为训练集和验证集,以训练集患者是否为恶性肿瘤为研究目的进行影像组学特征去冗除杂,并构建Rad-score,最后采用受试者工作特征(ROC)曲线进行诊断效能评估。结果共计提取了943个影像组学特征,基于训练组最小冗余最大相关(mRMR)特征去冗除杂,保留了30个特征,继而采用套索算法(LASSO)进行Rad-score构建,最终筛选出6个特征。训练集和测试集中良恶性患者Rad-score差异有统计学意义(P=0.000 vs. 0.016)。基于Rad-score评估训练集和测试集中肝脏良恶性病变的曲线下面积分别为0.854、0.841。结论基于超声成像的影像组学可协助临床评估肝脏占位性病变的良恶性。     

影像组学特征对磨玻璃结节型肺腺癌病理亚型的预测作用

目的 验证影像组学模型鉴别磨玻璃结节(GGN)型肺腺癌病理亚型(浸润与非浸润)的准确性。方法 回顾性收集184例结节影像学表现为GGN、术后病理证实为肺腺癌的180例手术病例,按照7∶3的比例将入组患者的结节随机分为训练组及验证组,训练组有129例结节,验证组有55例结节。选取磨玻璃结节CT图像中的1 mm平扫序列勾画感兴趣区域(ROI),从中提取960个影像组学特征,通过t检验及LASSO回归方法筛选出7个特征。利用支持向量机(SVM)的方法在训练组中构建影像组学模型,并在验证组中验证其准确性。应用受试者工作特征(ROC)曲线评估模型对GGN型肺腺癌病理亚型的预测效能。结果 单因素分析结果显示,性别和病变位置与GGN的病理亚型差异无统计学意义(P>0.05),而年龄及CT图像中结节最大直径与GGN的病理亚型之间的差异有统计学意义(P<0.05)。影像组学模型在训练组的AUC(95%CI)值为0.94(0.89～0.99),准确度为91%、灵敏度95%、特异度为84%;在验证组的AUC(95%CI)值为0.88(0.83～0.93),准确度为83%、灵敏度84%、特异度为8...     

基于影像组学的肝脏脂肪变性研究

目的 利用影像组学与集成学习进行肝脏脂肪变性分级研究.方法 回顾性分析2018年6月至8月于上海市第一人民医院进行MR上腹部mDixon成像序列扫描的成人患者资料,将患者的MRI数据利用影像组学特征提取方法和机器学习进行建模,研究采用3项指标对三种集成学习分类算法(AdaBoost、GBDT与XGBoost)的性能进行...     

磁共振影像组学模型在直肠癌肝转移评估中的临床价值

目的 探究基于不同磁共振序列构建的影像组学模型在直肠癌肝转移评估中的临床应用价值.方法 回顾性纳入2015年4月?2018年5月经病理证实为直肠癌并在我院行治疗前基线磁共振检查的患者140例.根据肝脏穿刺活检、手术病理和影像结果分为肝转移组和未转移组.通过ITK-SNAP软件在T2加权图像(T2 weighted im...     

基于多序列MRI影像组学与深度迁移学习特征的脑胶质瘤分级预测研究

目的：探讨基于多序列磁共振成像（magnetic resonance imaging,MRI）手工影像组学（hand-crafted radiomic,HCR）和深度迁移学习（deep transfer learning,DTL）特征的机器学习（machine learning,ML）模型在术前预测脑胶质瘤分级的效能。方法：选取BraTS2019数据集中332例患者的影像数据［高级别胶质瘤（high-grade glioma,HGG）258例,低级别胶质瘤（low-grade glioma,LGG）74例］,随机抽取30例HGG和8例LGG作为测试数据集,其余294例作为训练集和验证集。从T1、T2 、T1c和Flair 序列中提取病灶的HCR特征和DTL特征,并筛选出影响力前10的特征子集,基于HCR特征、DTL特征和两者组合的深度学习影像组学（deep learning radiomics,DLR）特征,分别建立7种ML模型,评估模型预测HGG和LGG的效能。选择最佳模型后,使用SHAP法对模型特征重要性进行量化及归因分析。结果：基于HCR和DTL组合的DLR特征构建的ML模型预测效能最高,当使用支持向量机的递归特征消除（support vector machine-recursive feature elimination,SVM-RFE）筛选特征后,使用T2+T1c+ Flair序列组合的支持向量机（support vector machine,SVM）分类器的预测模型效果最佳。在验证集上,受试者工作特征曲线下面积达到0.996（95% CI：0.991~1.000）,约登指数、准确度、灵敏度和特异度分别为 0.920、0.976、0.988和0.932,在测试集上同样具有较高的分级预测效能。SHAP特征权重分析显示Flair序列的特征贡献较大,其次为T2及T1c序列,HCR和DTL特征均有重要贡献。结论：基于多序列MRI的DLR特征构建的ML模型可有效预测脑胶质瘤的肿瘤分级,其中经过SVM-RFE筛选后的 T2+T1c+Flair序列组合的SVM分类器模型效能最佳。     

肺癌中Ki-67的作用机制及影像组学的相关研究进展

影像组学是一种新兴的诊疗技术,可以从CT、MR以及PET图像中高通量提取影像组学特征并筛选出与诊疗目的密切相关的特征,对肿瘤或疾病分型、预后或者基因组改变精准预测。Ki-67是一种细胞核蛋白,只存在于增殖分裂中的细胞核,在静止期的细胞核中不表达,因此可以作为细胞增殖能力的预测指标,已被证实与肺癌预后密切相关。本文就Ki-67在肺癌中的作用机制及其影像组学研究进展进行综述。     

肺部扩散加权成像影像组学特征的稳健性及再现性探讨

目的:探讨肺部扩散加权成像（DWI）影像组学特征的稳健性及再现性。方法:前瞻性连续收集2019年1月4日至5月5日广州医科大学附属第一医院放射科行MRI检查的30例肺部结节/肿块患者,其中男16例,女14例,年龄27~69（57±11）岁。所有患者在自由呼吸状态下接受肺部平面回波成像（EPI）-DWI及快速自旋回波（T...     

影像组学及其在肝癌中的进展

肝癌(hepatocellular carcinoma,HCC)是全球癌症相关死亡的第二大原因,因此早期发现和治疗反应的预测对HCC患者有很大益处。 目前,穿刺活检和常规医学成像在HCC患者的管理中发挥重要且基础的作用,而这两种方法分别存在样本误差和操作者依赖性的不足。 影像组学是一种新兴的非侵入性技术,可以突破时空限制来获取肿瘤的综合信息,用以反映肿瘤的情况,从而弥补上述方法的不足。影像组学的基本步骤包括图像的获取,感兴趣区的划分与重建,特征的提取、划分与分类,模型的建立与效能评价。影像组学在HCC的诊断、治疗和评价方面取得了一定的进展,具有应用前景。     

影像组学联合临床病理特征预测早期宫颈癌无病生存期的效能

目的：对比最优磁共振组学参数及临床病理参数预测早期宫颈癌患者无病生存期的诊断效能。方法：回顾性分析2013年1月—2018年6月行根治性子宫切除及淋巴结清扫术的186例早期宫颈癌患者[术前国际妇产科联盟（Federation International of Gynecology and Obstetrics,FIGO）分期ⅠB~ⅡA],搜集患者多模态磁共振组学参数、临床特征、术后病理特征及患者术后无病生存期,用最小决策收缩和选择算子（LASSO）及比例风险回归模型来计算影像组学评分（Rad-score）,构建临床病理特征模型（包括有意义的临床特征和病理特征）、影像组学模型（T1CE、DWI、T2WI、T1CE+DWI、T1CE+T2WI、DWI+T2WI 和T1CE+DWI+T2WI的影像组学评分）及联合模型对早期宫颈癌患者无病生存期的预测效能进行相互比较。结果：在预测早期宫颈癌无病生存期中,T1CE序列的组学模型（C指数：训练集0.798,验证集0.758）优于临床病理模型（C指数：训练集0.746, 验证集0.641）。联合模型（病理类型、淋巴结转移及T1CE的影像组学评分）拥有最高的诊断效能（C指数：训练集0.848,验证集 0.784）。结论：基于T1CE的影像组学评分联合临床病理特征对早期宫颈癌无病生存期具有较高的预测效能。     

脑转移瘤影像组学研究进展

脑转移瘤是成人最常见的颅内肿瘤,发病率呈上升趋势。影像组学可对医学影像进行定量分析处理来指导临床实践。近年来,基于CT、MRI的影像组学逐渐应用于脑转移瘤的精准诊疗,如肿瘤精准检测和分割、与其他脑肿瘤的鉴别诊断、原发肿瘤的判别、疗效评价及预后预测等。本文就脑转移瘤影像组学研究现状予以综述。     

影像组学在乳腺癌分子分型及肿瘤微环境研究中的应用

摘　要：乳腺癌发病率居全球女性恶性肿瘤之首。随着科技进步,乳腺疾病诊断技术也从传统阅片诊断向人工智能 辅助诊断的方向发展,包括影像组学、机器学习和深度学习等技术。影像组学是一种综合利用多模态医学影像数据的定 量分析方法,旨在提取和分析影像中的大量特征,并将其与临床、病理、分子等数据关联,以实现个体化的疾病诊断、预测 和治疗策略的制定。该文旨在综述影像组学在乳腺癌研究中的进展,特别关注分子分型的识别和肿瘤微环境的探索。