简介:摘要近年来,人工智能技术的发展推动了影像组学的兴起,使得以纹理分析为代表的人工智能图像分析工具在PET图像分析中得到了广泛关注。纹理分析等影像组学图像特征分析工具可从现有影像学图像数据中提取关于病变组织的丰富信息,从而描述肿瘤特征、判断预后以及预测和评估肿瘤疗效。该文着重综述了纹理分析在PET代谢影像组学中的研究进展、挑战与前景。
简介:目的使用影像组学方法构建一个影像组学标签分类模型,对肺肿瘤良恶性进行分类预测。方法分析四川大学华西医院80例怖肿瘤患者的CT影像学数据,分割肿瘤区域,提取肿瘤形状、大小、强化程度、纹理和小波变换共485个影像组学特征。利用Lasso算法筛选出与肿瘤良恶性鉴别最密切的组学特征,并使用Logistic回归构建诊断肿瘤良恶性的预测模型。采用受试者工作特征(receiveroperatingcharacteristic.ROC)曲线及其曲线下面积(areaundercurve,AUC)来评估该影像组学标签在训练集和验证集中的效能。结果选取3个影像组学特征构建出影像组学标签,具有很好的预测分类效果。训练集的AUC为0870(95%CI:0760-0978J,灵敏度为0.870,特异度为0.818;验证集的AUC为0.853(95%CI:0.717-0.989),灵敏度为0.882,特异度为0.778。结论随着CT在临床诊断中的广泛使用,真有望成为辅助检测肿瘤良恶性的非侵入手段。
简介:目的:探讨基于影像组学的肺结节恶性程度预测。方法:对肺部图像影像数据库(TheLungImageDatabaseConsortium,LIDC)-IDRI(ImageDatabaseResourceInitiative)中604例肺结节患者的CT图像进行分析,其中含肺结节的CT图像共2803幅,医师手工勾画肺结节轮廓。根据肺结节诊断标准,共提取96个灰度、形态和纹理高通量特征,输入基于随机森林的多类分类器进行恶性程度预测。恶性程度分为5级,以数字1~5表示。随机选取1000幅CT图像作为训练样本,剩余的1803幅CT图像作为测试样本,实验重复10次。结果:对于单个肺结节,5类恶性程度的平均预测准确率为77.85%。对于每一类预测,曲线下面积(areaundercurve,AUC)均在0.94以上。对于每例患者,肺结节恶性程度的预测准确率为75.16%。结论:该研究提出的基于影像组学的方法对肺结节恶性程度的预测性能良好,可为临床诊断提供可靠的辅助信息,以利于早期发现病灶。
简介:摘要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。
简介:摘要影像组学是通过多种技术从图像中提取病灶的纹理、形态等定量特征以量化肿瘤异质性的一种技术,已逐步运用于肝内胆管细胞癌的诊断、生物学行为预测及治疗后评估等方面。但肝内胆管细胞癌影像组学仍存在数据质量参差不齐、提取的特征缺乏一定稳定性和可重复性、推广适用性较差等局限。作者就影像组学在肝内胆管细胞癌中的应用展开综述。
简介:摘要卵巢肿瘤是常见的妇科肿瘤之一,其病理类型多样,发病率居高不下,传统的影像诊断往往基于影像图像的定性分析,缺乏客观性。近年来,随着人工智能的发展,影像组学的方法逐渐应用于肿瘤类疾病的研究中。这一方法从磁共振、计算机体层摄影及超声医学图像中提取大量定量特征进行客观分析,进而对卵巢肿瘤良恶性进行鉴别,对卵巢癌进行分型和分级以及对卵巢肿瘤预后进行预测,从而为进一步了解卵巢肿瘤的生物学特性提供了新的线索。作者从影像组学的概念、研究步骤、以及在卵巢肿瘤中的进展和面临的挑战和前景这几方面进行综述。