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。     

影像组学在肿瘤PET显像中的应用进展

影像组学可从医学图像中高通量地提取影像特征进行定量分析, 进而量化肿瘤异质性, 无创地评估肿瘤的生物学行为。近年来, 影像组学在核医学领域尤其是PET中的应用发展迅速。该文对基于PET的影像组学在肿瘤鉴别与预后评估方面的应用及面临挑战与前景进行论述, 以提高对PET影像组学的认识。     

影像组学在肿瘤PET显像中的应用进展

影像组学可从医学图像中高通量地提取影像特征进行定量分析,进而量化肿瘤异质性,无创地评估肿瘤的生物学行为。近年来,影像组学在核医学领域尤其是PET中的应用发展迅速。该文对基于PET的影像组学在肿瘤鉴别与预后评估方面的应用及面临挑战与前景进行论述,以提高对PET影像组学的认识。     

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。     

CT与PET多模态影像组学在肺癌中的研究进展

CT与¹⁸F-脱氧葡萄糖(FDG)PET/CT已广泛应用于肺癌的诊断、疗效及预后评估和基因型的预测。影像组学高通量地提取病灶的定量图像特征，挖掘病灶的生物学信息，为临床诊断及治疗提供新的依据。目前，大量的研究结果表示PET或者CT影像组学，尤其是多模态的PET/CT影像组学对肺癌的各方面研究均具有重要意义。本文总结近年来CT及¹⁸F-FDG PET/CT影像组学在肺癌诊疗中的研究进展，并简要分析影像组学面临的挑战。     

影像组学在肺磨玻璃结节中的应用研究进展

影像组学能够从CT、MRI或PET/CT影像中高通量地提取和分析大量定量影像特征,可以提供肿瘤表型及病变微环境信息。目前肺磨玻璃结节（GGN）的影像组学研究主要集中在良恶性的鉴别、侵袭性或病理分型的判断及基因变化的预测。就肺GGN概述、影像组学的发展及在肺GGN中的应用研究进展予以综述。     

PET/CT、SPECT/CT影像组学：沟通宏观影像和微观分子的桥梁

PET/CT、SPECT/CT作为典型的多模态成像方式, 既能反映病灶的解剖形态学信息, 又能反映细胞分子水平的功能信息, 为临床肿瘤、心血管疾病等的诊断、疗效监测和预后评估提供了重要参考依据。目前, 基于PET/CT影像的疾病诊断主要依靠大小、形态、位置、密度等形态学征象以及SUV、肿瘤代谢体积(metabolic tumor volume, MTV)和病灶糖酵解总量(total lesion glycolysis, TLG)等半定量功能参数进行判断。然而, 这些指标无法定量评估病灶的结构及代谢异质性, 难以量化疾病的微观结构及代谢改变。近年来, 随着人工智能算法的不断发展, 新的模式识别技术和图像处理技术不断涌现, 影像组学应运而生, 并快速应用于PET/CT、SPECT/CT影像的量化分析中[1,2]。影像组学基于医学图像中的定量影像特征可描述不同疾病的生物学特性这一假设, 利用人工智能方法从PET/CT、SPECT/CT等影像中高通量地挖掘并分析更多客观定量、肉眼难以识别的特征参数, 打通宏观影像信息和微观病理分子信息的关联, 从而为临床疾病的无创诊疗辅助决策提供量化依据。     

基于18F-FDG PET/CT图像建立的多元影像组学模型对乳腺癌原发灶HER-2表达状态的预测价值

目的 评估基于18F-氟脱氧葡萄糖（FDG） PET/CT图像建立的多元影像组学模型对乳腺癌原发灶人表皮生长因子受体2（HER-2）表达状态的预测价值。 方法 回顾性分析2010年1月1日至2019年12月31日于天津医科大学肿瘤医院行18F-FDG PET/CT检查的273例女性乳腺癌患者的临床和影像学资料,年龄26~78（51.8±10.8）岁。根据乳腺癌原发灶HER-2表达状态的不同将患者分为HER-2阳性组和HER-2阴性组,比较2组患者的临床特征和PET/CT代谢参数的差异。勾画原发灶的感兴趣区,提取所有影像组学特征并建立基于PET/CT图像的影像组学特征模型,将样本中70%的患者作为训练集,剩余30%的患者作为测试集,采用受试者工作特征曲线比较PET/CT代谢参数及影像组学模型对乳腺癌原发灶HER-2表达状态的预测能力,采用十折交叉验证计算预测模型的平均性能。采用Wilcoxon秩和检验比较组间各PET代谢参数是否存在差异。计数资料的比较采用χ2检验,计量资料的比较采用两独立样本t检验和Mann-Whitney U秩和检验。 结果 HER-2阳性组患者106例、阴性组患者167例。HER-2阴性组患者合并腋下淋巴结转移的比例较HER-2阳性组患者高[85.03%（80/106）对75.47%（142/167）],且差异有统计学意义（χ2=3.900,P<0.05）。除腋下淋巴结转移情况外,2组患者的年龄、病理学类型及肿瘤分期间的差异均无统计学意义（t=?0.028,χ2=5.429、1.891,均P>0.05）。2组患者的PET代谢参数最大标准化摄取值、平均标准化摄取值、标准化摄取值峰值、肿瘤代谢体积、病灶糖酵解总量之间的差异均无统计学意义（Z=?1.583~?0.064,均P>0.05）。最终筛选出具有较好预测价值的37个影像组学特征建立组学特征模型,其中,PET影像组学参数8个、CT影像组学参数29个。在训练集中,影像组学特征模型曲线下面积（AUC）、准确率、灵敏度和特异度分别为0.913（95% CI:0.871~0.954）、0.882（95%CI:0.832~0.922）、0.849（95%CI:0.759~0.910）和0.910（95%CI:0.841~0.952）;在测试集中,影像组学特征模型AUC、准确率、灵敏度和特异度分别为0.820（95%CI:0.723~0.918）、0.830（95%CI:0.738~0.900）、0.875（95%CI:0.701~0.959）和0.807（95%CI:0.683~0.892）;经十折交叉验证后,影像组学模型的AUC、准确率、灵敏度、特异度的均值分别为0.818、0.847、0.908、0.764。 结论 相较于传统的PET代谢参数,基于18F-FDG PET/CT图像建立的多元影像组学模型对乳腺癌原发灶HER-2表达状态有较好的预测价值,有助于临床医师筛选曲妥珠单抗受试人群,改善患者预后。     

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].     

影像组学在肺癌中的研究进展

影像组学(radiomics)技术在可视化、精准定量化以及人工智能技术的推动下,高通量地从CT、MRI、PET等方面提取并分析大量高级的定量影像学数据,最终通过肿瘤异质性对肿瘤诊断及鉴别诊断、分型及分期、转移、基因表达、疗效评估以及预后等方面展现出巨大的价值,加快了肿瘤学的临床和转化研究。本文从影像组学协助肺癌诊断、评估治疗反应及预测患者预后三方面进行论述,旨在提高对肺癌影像组学的认识。     

基于18F-FDG PET/CT影像组学特征和临床因素预测肺腺癌EGFR突变状态

目的 建立基于¹⁸F-FDG PET/CT影像组学特征和临床风险因素的肺腺癌表皮生长因子受体(EGFR)突变预测模型，并验证其准确性。资料与方法 回顾性纳入2018年7月—2022年1月在新疆医科大学附属肿瘤医院行¹⁸F-FDG PET/CT，并经病理证实且有EGFR基因检测结果的肺腺癌患者155例。按照7∶3随机划分为训练集和测试集。对所有EGFR突变临床风险因素进行单因素及多因素Logistic回归，建立预测肺腺癌EGFR突变的临床风险因素模型。所有图像经过预处理后，分别在PET、CT图像上勾画感兴趣区，提取影像组学特征。经特征降维后，基于最佳影像组学特征建立支持向量机、随机森林分类器(RF)和逻辑回归模型，并预测肺腺癌EGFR突变。采用受试者工作特征曲线评估3种模型的诊断效能。然后选取最佳模型结合临床风险因素构建复合模型，并绘制列线图。应用决策分析曲线评估列线图的临床效用。结果 155例肺腺癌中，EGFR野生型69例，突变型86例。多因素Logistic回归显示吸烟为预测肺腺癌EGFR突变的临床风险预测因子。影像组学分析，经特征提取、特...     

基于18F-PSMA-1007 PET/CT影像组学模型在前列腺癌与前列腺增生鉴别诊断中的价值

目的评估前列腺特异膜抗原(PSMA)PET/CT影像组学模型对前列腺癌和前列腺增生(BPH)鉴别诊断的价值。方法回顾性收集2020年5月至2022年9月在西安交通大学第一附属医院行前列腺穿刺活组织检查和18F-PSMA-1007 PET/CT显像的50例前列腺癌[年龄(70.0±8.8)岁]和25例BPH患者[年龄(66.9±9.4)岁]的资料, 采用随机种子数按7∶3分为训练集(n=53)和测试集(n=22)。基于PET/CT配准图像勾画前列腺ROI, 提取PET和CT影像组学特征, 使用最大相关最小冗余(mRMR)和最小绝对收缩和选择算子(LASSO)算法进行特征筛选。采用logistic回归分别构建PET和PET/CT影像组学模型。通过ROC曲线评价模型的诊断效能, 并与游离前列腺特异抗原(fPSA)/总前列腺特异性抗原(tPSA)比值、PET常规代谢参数以及前列腺癌分子成像标准化评估(PROMISE)等指标和参数进行比较(Delong检验)。结果 PET影像组学模型共纳入7个特征, PET/CT影像组学模型分别纳入3个CT特征和4个PET特征。训练集、测试集中PET和PET/C...     

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。     

PET/MR影像组学和代谢参数在评价鼻咽癌分期中的价值研究

目的 探讨基于PET/MR的鼻咽癌原发灶影像组学特征和最大标准化摄取值(SUVmax)、肿瘤代谢体积(MTV)、糖酵解总量(TLG)3个代谢参数在评价鼻咽癌分期中的临床价值.方法 回顾性分析连续100例鼻咽癌患者PET/MR影像学资料和临床资料,测量所有鼻咽癌患者原发灶的代谢参数,提取与鼻咽癌分期最相关的影像组学特征....     

基于18F-FDG PET/CT影像组学治疗前预测唾液腺癌颈部淋巴结转移

目的研究氟代脱氧葡萄糖正电子发射计算机断层显像(18F-FDG PET/CT)影像组学在预测唾液腺癌颈部淋巴结转移中的价值。方法对北京大学口腔医学68例唾液腺癌患者进行回顾性研究, 随机分为训练组(40例)、验证组(14例)和测试组(14例)。从PET图像中半自动勾画肿瘤原发病灶并提取影像组学特征。经过特征筛选和降维, 构建人工神经网络(ANN)预测模型。采用受试者操作特征(ROC)曲线、ROC曲线下面积(AUC)、准确度、灵敏度、特异度对模型预测性能进行评价, 采用Delong检验对各模型性能进行比较。结果基于影像组学特征构建的影像组学模型AUC为0.88(95%CI:0.78～0.95), 灵敏度为75%, 特异度为92.3%, 准确度为88.2%。结合PET/CT报告的淋巴结状态(cN)和影像组学特征构建的联合模型的AUC为0.97(95%CI:0.89～0.99), 灵敏度为87.5%, 特异度为100%, 准确度为97.1%。Delong检验显示联合模型与cN的差异具有统计学意义(Z=2.27, P<0.05), 影像组学模型与cN差异无统计学意义(P>0.05)...     

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。     

基于18F-FDG PET影像组学区分结节/肿块性肺结核与非小细胞肺癌

目的:探讨18 F-FDG PET影像组学对结节性或肿块性肺结核(PTB)与非小细胞肺癌(NSCLC)鉴别诊断价值.方法:回顾分析本院行18 F-FDG PET/CT的PTB 40例与NSCLC 178例患者,所有患者均经病理证实,按照1:1比例分为训练集和验证集.使用Python软件从PET图像中提取影像组学特征.采...     

18F-FDG PET图像联合可解释的深度学习影像组学模型对原发性帕金森病和非典型性帕金森综合征的鉴别诊断

目的 探究¹⁸F-FDG PET图像结合可解释的深度学习影像组学(IDLR)模型在原发性帕金森病(IPD)和非典型性帕金森综合征鉴别诊断中的应用价值。资料与方法 本横断面研究纳入2015年3月—2023年2月复旦大学附属华山医院帕金森病PET成像基准数据库330例帕金森病患者的¹⁸F-FDG PET图像,其中IPD 211例、进行性核上性麻痹(PSP)59例、多系统萎缩(MSA)60例;包括2个队列(训练组270例和测试组60例)。采集所有受试者的¹⁸F-FDG PET图像及临床信息并进行比较。开发一种IDLR提取特征指标,在影像组学特征的监督下从神经网络提取器收集的特征中筛选IDLR特征,并在测试组中构建二分类支持向量机模型,分别计算构建的IDLR模型、传统影像组学模型、标准化摄取值比值模型、深度学习模型在IPD/PSP/MSA组间两两分类的模型性能指标与曲线下面积。采用100次10折交叉验证在2个队列中进行独立分类与测试。通过特征映射展示大脑相关感兴趣区,使用梯度加权类激活图突出大脑中最相关的信息并可视化,检查不同疾...     

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。     

PET飞行时间技术的现状和再认识

PET和PET／CT在肿瘤、心血管及神经系统等领域发挥的作用越来越显著,但目前PET图像的分辨率还不能满足所有临床诊断和基础研究的需要,即使微型（动物）PET（micro—PET,mPET）系统的空间图像分辨率也未真正达到亚毫米水平,低于CT、MR和超声等影像设备。这一不足不但影响对小病变的探测,而且影响与CT、MR融合影像的质量,尤其不利于对神经系统疾病的诊断。如何在提高PET图像空间分辨率的同时保证理想的系统灵敏度,