肝细胞癌放射治疗的疗效预测及评估的MRI应用进展

放射治疗对肝细胞癌（HCC）的有效性和安全性已得到广泛证实。基于MRI功能序列参数及影像组学的定量分析方法不仅有利于提高评估准确性,也有望通过表征肿瘤内部生物学特征及异质性实现对疗效及预后的早期预测,对指导临床精准实施个体化放疗具有重要意义。就MRI在HCC放疗中的相关研究进展及存在的问题进行综述。     

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。     

基于超声造影的影像组学在肝细胞癌诊断中的研究进展

肝细胞癌（hepatocellular carcinoma,HCC）早期临床表现具有隐匿性和不典型性,如何在HCC发病早期进行精准诊断仍是目前面临的巨大挑战。超声造影（contrast-enhanced ultrasound,CEUS）在HCC的诊断和疗效评估中应用广泛,影像组学的出现极大推动了精准医疗的发展,两者结合有望在HCC早期诊断中成为更有前景的监测工具。本综述阐述了基于CEUS的影像组学在HCC诊断中的应用现状,并展望了未来研究的方向和挑战。     

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。     

脑膜瘤的MRI影像组学应用进展

脑膜瘤是最常见的中枢系统肿瘤,常采用多种影像学检查进行诊断和鉴别诊断。MRI影像组学能够挖掘肉眼无法识别的影像学特征,量化肿瘤的异质性,可用于脑膜瘤术前分型分级、鉴别诊断、肿瘤侵袭性预测、预后评估等方面,辅助临床制定个性化治疗策略。就MRI影像组学在脑膜瘤中的应用进展进行综述。     

影像基因组学在肝细胞癌诊疗中的应用研究进展

肝细胞癌（HCC）的发病率和病死率较高,早期精准诊疗对病人的预后至关重要。以形态学为主的影像诊断模式已不能满足临床需求。影像组学能深度挖掘影像提供的庞大数据信息,采用定量数据分析综合评价基因遗传、细胞分子、组织形态等各层次HCC的表型,从而对HCC进行精准诊疗和无创监测;基因组学从分子及基因层面揭示HCC的发病机制;影像基因组学主要为HCC形态学特征和影像组学表型特征与基因组学的关联。就HCC的影像基因组学研究进展进行综述。     

磁共振成像新技术在腮腺肿瘤中的应用进展

腮腺肿瘤的病理类型复杂,不同的病理类型手术方式不同,因此,准确的术前诊断对肿瘤手术方案的制定具有重要意义.随着MRI新技术的迅速发展,如扩散成像、动脉自旋标记磁共振成像、三维高分辨磁共振成像及影像组学等,在腮腺肿瘤鉴别诊断、预测疾病的发展、制定治疗计划和评估预后方面产生了革新.本文综述了 MRI新技术在腮腺肿瘤中的应用...     

影像组学在乳腺癌的应用研究进展

影像组学可无创地定量描述肿瘤的异质性,能够为乳腺癌的早期诊断、疗效预测及预后评估等提供丰富信息。近年影像组学与基因等数据的结合运用进一步促进了乳腺癌精准医疗的发展。就影像组学在乳腺癌诊断、分子分型预测、疗效评估、预后预测及复发风险等方面的研究进展予以综述。     

基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图预测临床显著性前列腺癌

目的 建立基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图，评价其预测临床显著性前列腺癌(csPCa)的价值。方法 回顾性分析204例患者的资料，进行PI-RADS v2.1评分和影像组学分析。应用受试者工作特征曲线和临床决策曲线评估临床模型、PI-RADS模型、影像组学模型及各联合模型诊断csPCa的效能和临床获益，基于效能最优模型建立列线图并验证。结果 影像组学模型诊断效能显著优于临床模型和PI-RADS评分模型，差异具有统计学意义(P<0.05)。在临床模型或PI-RADS模型中增加影像组学的特征，其联合诊断效能会显著提高(P<0.05)。结论 基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的联合模型所建立的列线图为术前预测csPCa提供了一种无创性的新方法。     

MRI影像组学在前列腺癌诊断及预后评估中的应用

【摘要】尽管多参数磁共振成像（multiparametric magnetic resonance imaging,mpMRI）在前列腺癌(prostate cancer,PCa）的诊断、分期、疗效评价及随访中发挥了重要作用,但仍存在假阳性率较高、观察者间一致性较差等不足。影像组学可从医学影像图像中挖掘高通量的定量影像特征,提高疾病诊断和预测效能。目前,前列腺MRI影像组学已广泛用于PCa的诊断与鉴别诊断、PCa侵袭性评估及预测生化复发等方面。本文就MRI影像组学在前列腺癌诊断及预后评估中的应用进展进行综述。     

影像组学在胰腺肿瘤中的研究进展

随着影像技术的发展,胰腺肿瘤的检出率逐年提高。相较于传统的影像诊断模式,影像组学能够提取肉眼无法识别的高通量影像特征进行定量分析,目前已逐步运用于胰腺肿瘤的诊断与鉴别诊断、组织学分级和预后预测等方面。就影像组学在胰腺癌、胰腺神经内分泌肿瘤、胰腺囊性肿瘤中的应用进展予以综述。     

Advancements of molecular imaging and radiomics in pancreatic carcinoma

Despite the recent progress of medical technology in the diagnosis and treatment of tumors, pancreatic carcinoma remains one of the most malignant tumors, with extremely poor prognosis partly due to the difficulty in early and accurate imaging evaluation. This paper focuses on the research progress of magnetic resonance imaging, nuclear medicine molecular imaging and radiomics in the diagnosis of pancreatic carcinoma. We also briefly described the achievements of our team in this field, to facilitate future research and explore new technologies to optimize diagnosis of pancreatic carcinoma.     

肝细胞癌微血管侵犯的影像特征分析及相关预测模型的研究进展

微血管侵犯（MVI）是影响肝细胞癌（HCC）预后的重要因素。目前研究的热点包括分析HCC肿瘤大小、形态、包膜完整性、强化特征等与MVI相关的影像特征,以及包括Logistic回归分析风险预测模型、列线图模型及影像组学模型等MVI的术前预测模型的研究。对HCC的MVI影像特征及术前预测模型的研究进展予以综述。     

肺癌预后及疗效评价的影像组学研究进展

影像组学通过高通量地提取肺癌影像特征并进行分析,获得可视化的定量参数,已逐步成为评估肺癌病人预后的重要工具。利用影像组学可以预测肺癌病人的生存期、淋巴结转移、远处转移以及经过传统治疗、放化疗、免疫治疗及靶向治疗后病人的预后,为病人进行个性化治疗与评估。就影像组学的概况及其在肺癌预后和疗效评价中的研究进展进行综述。     

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。     

灰阶超声影像组学鉴别肝细胞肝癌与肿块型肝内胆管细胞癌的价值

目的探讨基于常规灰阶超声的影像组学方法对肝细胞肝癌(HCC)和肿块型胆管细胞癌(IMCC)的鉴别诊断价值。资料与方法收集经手术或穿刺病理证实的原发性肝癌124例,其中IMCC 62例,HCC 62例,训练数据与测试数据按7∶3分割,使用MaZda软件手动勾画病灶提取影像组学特征,应用LASSO算法与10折交叉验证方法进行降维与选择特征参数,然后建立多变量Logistic回归模型,并绘制受试者工作特征(ROC)曲线评估其诊断效能。结果特征筛选后,建立基于直方图偏度(β=-5.39,OR=4.55)、直方图99%百分位数(β=-0.02,OR=0.90)、灰度共生矩阵对比度(β=-6.79,OR=1.16)、灰度共生矩阵共生和均值(β=-7.06,OR=1.01)的多因素Logistic回归预测模型,该模型在测试数据中的敏感度为100.0%,特异度为77.8%,ROC曲线下面积为0.94。结论灰阶超声图像同样蕴含肿瘤异型性信息,应用基于灰阶超声图像的影像组学方法对HCC和IMCC有较高的鉴别诊断效能。     

基于MRI征象及影像组学的列线图预测腮腺良性与恶性肿瘤的价值

目的建立并验证基于MRI征象和影像组学的列线图鉴别腮腺良性与恶性肿瘤的效能。方法回顾性收集2015年1月至2020年5月青岛大学附属医院86例经手术病理证实的腮腺肿瘤患者为训练集,收集2013年1月至2020年1月香港大学深圳医院35例患者为独立外部验证集。采用logistic回归基于临床及MRI征象建立临床诊断模型。基于术前平扫T1WI和预饱和脂肪抑制T2WI(fs-T2WI)进行影像组学特征提取,建立影像组学诊断模型。基于影像组学评分及临床诊断模型,通过logistic回归建立影像组学+临床联合诊断模型及列线图。采用受试者操作特征(ROC)曲线评价各模型诊断腮腺良性与恶性肿瘤的效能,ROC曲线下面积(AUC)的比较采用DeLong检验。结果Logistic回归结果显示,腮腺深叶受累(OR值为3.285,P=0.040)和周围组织结构侵犯(OR值为15.919,P=0.013)是腮腺恶性肿瘤的独立影响因素,将二者构建临床诊断模型。基于平扫T1WI和fs-T2WI,共提取19个特征构建影像组学诊断模型。联合影像组学评分以及腮腺深叶受累、周围组织结构侵犯2个常规影像学特征建立联合诊断模型及列线图。临床诊断模型、影像组学诊断模型、联合诊断模型在训练集和验证集中诊断腮腺良性与恶性肿瘤的AUC分别为0.758、0.951、0.953和0.752、0.941、0.964。在训练集和验证集中,影像组学诊断模型、联合诊断模型的AUC均高于临床诊断模型(训练集:Z=3.95、4.31,P均<0.001;验证集:Z=2.16、2.67,P=0.031、0.008),影像组学诊断模型、联合诊断模型间AUC差异无统计学意义(训练集:Z=0.39,P=0.697;验证集:Z=1.10,P=0.273)。结论本研究所建立的MRI影像组学模型以及由腮腺深叶受累、周围组织结构侵犯、MRI影像组学特征组成的联合诊断模型,能有效鉴别腮腺良恶性肿瘤,具有较高的预测效能。