首页 > 文献资料
-
阿尔茨海默病海马结构异常的影像组学研究
目的 探讨阿尔茨海默病(AD)患者的左右侧海马影像组学特征,建立和比较左右侧海马的影像组学分类模型,并分析其在AD患者诊断中的价值.方法 前瞻性对照研究.纳入2016年9月—2018年6月在浙江省人民医院记忆专科门诊就诊的59例AD患者为AD组,健康促进中心44名志愿者为正常对照组(NC组).采用GE 3.0 T MR成像系统对两组受试者行全脑扫描,分别获取三维磁化准备快速梯度回波成像序列(MPRAGE).使用一种基于学习的可变形模型对左右侧海马进行分割.对分割后的左右侧海马两组数据分别进行特征计算和特征选择,基于选择的特征建立logistic回归模型.结果 经过计算后两组数据分别得到385个特征.左右侧海马数据经过特征选择后分别剩下5个特征.右侧海马logistic回归模型评价指标的准确性、曲线下面积、特异度、灵敏度、阳性预测值、阴性预测值分别为0.69、0.74、50％、83％、68％、70％,左侧海马分别为0.75、0.83、79％、72％、81％、69％.结论 海马的影像组学特征具有作为诊断AD的生物标志物的潜力.左侧和右侧的海马影像组学模型有助于AD的诊断,其中左侧海马模型的诊断价值高于右侧.
-
影像组学技术研究进展及其在结直肠癌中的临床应用
医学影像包含着大量人眼无法识别的信息,不仅可以全面表达肿瘤的异质性,还可能反映患者预后等重要信息.近年来,随着图像处理与人工智能技术的发展,应用基于医学影像大数据的分析方法来辅助医生决策或者解决临床实践中的棘手问题成为研究热点,这个新兴的领域被称为“影像组学”.另外,结直肠癌是中国主要发病及致死癌种之一,发病人数和致死人数均逐年上升,在其术前、术中和术后3个不同阶段均有许多热点研究问题.从影像组学的基本原理与技术人手,结合其在结直肠癌临床诊疗中的应用研究,针对术前新辅助放化疗的疗效评估、术中手术方案的决策和术后生存分析这3个不同阶段的不同问题,分别介绍影像学组如何发挥其价值.
-
基于MRI的影像组学在儿童疾病中的应用进展
影像组学作为一种新兴的医学成像领域,通过从医学图像中获取高通量的图像特征进行一系列定性和定量分析,从而提供有关疾病的诊断和预后等信息.影像组学已成为精准医疗的重要组成部分,是目前的研究热点.但目前基于MRI的影像组学在儿童疾病中的应用较少.本文对基于MRI的影像组学在儿童疾病中的应用进展进行综述.
-
CT图像纹理分析鉴别诊断磨玻璃密度肺腺癌的浸润性
目的 探讨CT图像纹理分析鉴别诊断表现为磨玻璃密度结节的肺腺癌浸润性的价值.方法 收集在我院接受肺部CT检查且手术病理证实为肺腺癌患者100例(浸润性腺癌56例,非浸润性腺癌44例).随机选择69例为训练组,31例为验证组.使用A.K.(Analysis-Kinetics)分析软件进行影像特征提取;Kruskal-Wallis非参数检验和Spearman 相关性分析进行特征降维;使用R语言软件包“GLM”函数,建立Logistic回归模型;以交叉验证方法对回归模型进行检验.采用ROC曲线评价独立预测因素的诊断效能.结果 影像特征提取得到396个影像组学特征,经降维终得到与鉴别肺非浸润腺癌与浸润腺癌相关的参数3个,建模后验证Logistic回归模型示其诊断准确率为83.30％,敏感度及特异度分别为77.80％、91.70％.结论 CT图像纹理分析可有效鉴别表现为磨玻璃密度结节肺腺癌的浸润性.
-
促进影像组学的转化研究
影像组学是近年来研究的热点之一,可利用计算机软件从医学图像中提取海量的定量图像特征,在协助肿瘤患者的个体化治疗决策方面具有广阔的应用前景.尽管影像组学方法可量化肿瘤异质性,在肿瘤精准医疗临床决策中有重要辅助价值,且有巨大临床转化潜力,但欲将影像组学研究成果成熟应用于临床实践中仍须面对诸多挑战,希望国内学者能共同努力推动其临床应用转化,辅助个体化临床决策.
-
基于影像组学方法术前预测结直肠癌淋巴血管侵犯
目的 淋巴血管侵犯(LVI)是影响结直肠癌预后的危险因素,治疗前评价淋巴血管状态有重要价值.本研究拟基于影像组学方法术前预测结直肠癌 LVI.资料与方法 从回顾性收集的结直肠癌术前 CT 图像中提取影像组学特征,并构建影像组学标签.评估影像组学标签的预测效能,并对其预测效能进行内部验证.联合具有独立预测效能的临床因素与影像组学标签,建立联合预测因子,并评价其预测效能.结果 由58个影像组学特征构成的影像组学标签与LVI状态有关(P<0.0001).构建的影像组学标签显示了较好的辨别能力[一致性指数(C-index)为0.719,95% CI 0.715~0.723]及分类能力(敏感度为0.726,特异度为0.628),内部验证(C-index为0.720).包含影像组学标签及癌胚抗原的联合预测因子进一步提高了影像组学标签的预测能力(C-index为0.751,敏感度为0.788,特异度为0.667).结论 本研究构建的影像组学标签可于术前个体化预测结直肠癌患者的LVI状态.联合临床危险因素后的联合预测因子进一步提高了预测效能.
-
影像组学在肺癌诊疗中的应用进展
大部分实性肿瘤在基因、蛋白质、细胞、微环境、组织器官等不同水平上具有时间和空间异质性[1];组织活检等侵入性的分子检测方法仅能分析获取到的小部分实性肿瘤组织,不能全面反映肿瘤组织的特点,对实性肿瘤的整体评价和无进展期生存率的预测具有局限性,这为可反映肿瘤整体特点的非侵入性影像学提供了机遇和挑战.
-
18F-FDG PET-CT影像组学鉴别中低分化肝细胞癌和肝内胆管细胞癌
目的 探讨18F-氟脱氧葡萄糖(18F-FDG)PET-CT影像组学方法鉴别中低分化肝细胞癌(HCC)和肝内胆管细胞癌(ICC)的可行性.方法 本前瞻性研究对象为2015年6月至2018年4月在中山大学附属第三医院行18F-FDG PET-CT检查的36例原发性肝癌患者.患者签署知情同意书,符合医学伦理学规定.其中男31例,女5例;年龄21～74岁,中位年龄52岁.中低分化HCC 26例,ICC 10例.利用3D Slicer软件在18F-FDG PET-CT图像上勾画病灶感兴趣区体积,提取每个病灶的影像组学特征.105个影像组学特征经LASSO回归模型进行筛选和优化,构建影像组学标签诊断模型.采用受试者工作特征(ROC)曲线检验该模型在鉴别中低分化HCC和ICC中的诊断效能.结果 每个病灶均得到105个PET-CT影像组学特征,筛选和优化后得到2个PET-CT影像组学特征Sphericity和ZoneVariance,纳入Logistic回归模型,得到影像组学标签诊断模型为logit(P)=-8.984+10.506×Sphericity+61.341×ZoneVariance.该模型的ROC曲线下面积为0.923,95％CI:0.84～1.00,敏感度为1.00,特异度为0.73.结论 18F-FDG PET-CT影像组学能较好地鉴别中低分化HCC和ICC,具有较高的敏感度和特异度,诊断价值高.
关键词： 癌 肝细胞 胆管上皮癌 正电子发射断层显像术 影像组学 -
影像组学在肺癌中的应用进展
影像学检查是肺癌诊断及疗效评估的重要手段.目前,影像诊断主要依据病变部位的形态学特征,如大小、形状、边缘、均一性和与周围组织关系,但并未对这些图像进行更深入细致的分析.影像组学借助计算机软件,从海量医学影像图像中筛选出定量和有价值的影像特征,结合临床信息,用于疾病的定性、肿瘤分级分期、疗效评估和预后预测.本文就影像组学的相关概念、处理流程及其在肺癌诊断方面应用状况、发展方向进行综述.
-
肺癌放射组学研究进展
目的 传统影像学在肺癌早期诊断、病情评估、疗效评价方面处于主导地位,但具有主观性和半定量等缺点.新兴放射组学能够挖掘大量客观且量化的影像特征,并建立肺癌诊断预测模型、基因表型模型和疗效评价模型等一系列临床应用模型,有望成为肺癌精准医疗的重要方法.本文总结放射组学在肺癌各个方面研究进展.方法 应用PubMed、万方及CNKI数据库检索系统,以“肺癌,放射组学”或者“肺癌,影像组学”为关键词,检索2003-11-01-2017-05-30的相关文献.纳入标准:(1)放射组学在肺癌诊断中的研究进展;(2)放射组学在肺癌分期及转移方面的研究进展;(3)放射组学在肺癌疗效评价中的研究进展;(4)放射组学对肺癌基因表型的预测.根据标准共纳入分析40篇文献.结果 放射组学作为一种新兴的研究方法,初主要用于评估肺癌放疗效果,然后逐步在肺癌的鉴别诊断、分期、转移评估、疗效判断及基因突变预测等方面展开探索,而且取得了一定的成果.大量研究证实,联合放射组学特征评估肺癌患者可达到更精准的预测效果,促进实现精准医疗及个体化医疗.结论 放射组学在肺癌中具有良好的研究前景和临床应用价值.
-
影像组学在精准放疗中的应用
影像组学是一项全新领域，它使用自动化高通量数据特征提取算法将影像数据转化为具有高分辨率可挖掘的影像特征数据。随着数据科学发展，这种非侵入性的、量化的研究方法日益受到国内外精准放疗界同仁重视。本文将简要介绍影像组学的概念以及其在精准放疗中的应用。
-
影像组学在肺癌中的应用进展
肺癌的死亡率较高,且发病率逐年上升,所以肺癌的早期筛查和诊断变得尤为重要.传统的筛查方法是活检,但存在很多缺陷.而影像组学可以克服这些缺陷,以无创、低成本的方式改善肺癌的诊断、预后等各方面,帮助临床医生在临床实践中做出决策.本文介绍了影像组学的流程、在肺癌中的应用及未来的发展和挑战,期望能为影像组学的进一步发展提供帮助.
-
影像组学可重复性问题研究进展
随着精准医疗的深入发展,影像组学发挥了不可替代的作用.在影像组学研究中,影像特征稳定性至关重要,直接关系到建模分析的准确性.本文针对影像组学标准流程中图像获取与重建、ROI分割、影像特征提取及建立模型4个关键步骤中可重复性问题新进展进行了综述,并对目前常用影像组学相关软件进行简介.
-
分析FDG PET-CT与MRI影像组数在口咽鳞癌术后精确放疗的应用价值
目的 分析18FDG PET-CT与MRI在口咽鳞癌术后精确放疗中应用价值.方法 53例口咽鳞癌患者在术后2周内行PET-CT与MRI检查,以病理活检结果作为判断标准对比二者在术后残存病灶及淋巴结转移方面的阳性检出率,并比较基于PET-CT与MRI确定的肿瘤靶区及临床靶区体积之间的差异性.结果 14例患者术后残留,PET-CT诊断的敏感性、特异性、阳性预测值、阴性预测值及准确率为92.86%、94.87%、86.67%、97.37%、94.34%,MRI为57.14%、76.92%、47.06%、83.34%、71.70%,在诊断阳性淋巴结方面各值PET-CT均高于MRI (P均<0.05),但在敏感性及阴性预测值方面相近(P均>0.05).14例存在术后残留患者,GTVPET-CT为(45.62±22.13) cm3,GTVMRI为(60.61±23.12) cm3(P=0.034);CTVPET-CT为(125.54±17.53) cm3,CTVMRI为(142.18±21.22) cm3(P=0.011).39例无术后残存患者术区及高危区照射体积CTVPET-CT为(117.87±17.66) cm3,CTVMRI为(128.05±20.65) cm3(P=0.099).结论 判断口咽鳞癌术后残存病灶及阳性淋巴结方面,PET-CT较MRI有优势,有助于放疗计划的制定.
-
高通量纹理分析鉴别脑内单发转移瘤和高级别胶质瘤
目的 探讨高通量纹理分析鉴别脑内单发转移瘤( SBM)和高级别胶质瘤( HGG)的可行性,并验证建立的诊断模型.方法 回顾性收集病理确诊的SBM和HGG患者各43例,患者术前均行常规头部MRI扫描.从86例患者的MRI图像中选取236幅包含肿瘤信息的FLALR图像,将每幅图像视为1个样本.训练组200幅,其中SBM 106幅,HGG 94幅,用于建立诊断模型.验证组36幅,其中SBM 19幅,HGG 17幅,用于验证所建立的诊断模型.经过图像预处理、图像分割、特征萃取、特征选择,终建立影像组学诊断模型.采用受试者工作特征( ROC)曲线评价诊断模型的诊断效能.采用分层聚类分析评价所提取图像特征数据的质量和诊断模型的分类效果.采用独立的验证组对模型进一步检验.结果 每个样本有629个图像特征被萃取和量化,筛选出其中的41个特征建立特征子集,构建了诊断模型模型,分类决策函数为f(x)＝sign [∑N i＝1 aiyiK(x,xi)+ b] ,核函数为K(x,xi)＝exp(－‖x－xi‖2/2σ2).在训练组中,诊断模型鉴别SBM和HGG的准确性为0.845,灵敏度为0.849,特异度为0.840,阳性预测值为0.857,阴性预测值为0.832,ROC曲线下面积达0.939.模型在验证组中具有相似的结果 .结论 高通量纹理分析对SBM和HGG的鉴别诊断具有较高准确性.
-
影像组学在肿瘤研究中的应用
影像组学从海量的医学影像数据中提取大量的定量特征,通过量化分析进行诊断和预测.影像组学分析的主要步骤包括图像采集、确认感兴趣区并进行图像分割、提取并分析定量特征、构建分类或预测模型.与传统影像学特征相比,影像组学利用计算机技术对医学图像进行深度挖掘,提取特征更加高效、相对客观,特征种类更为丰富;但影像组学分析对图像质量和图像采集参数的一致性要求较高,特征提取主要局限于勾画的肿瘤范围内.影像组学在肿瘤早期筛查、准确诊断、分级和分期、治疗和预后、分子学特征等方面有广阔的应用前景,与传统影像学相辅相成、相互结合,可以提高对肿瘤的诊断和预测能力.
-
影像组学在乳腺癌应用中的研究进展
随着乳腺癌的发病率及死亡率逐年上升,提高其早期诊断准确率成为临床亟待解决的问题.影像组学是一种高通量提取特征的无创性的新技术,近年来,其在临床诊疗中的应用得到广泛关注与研究.笔者通过阅读文献,就影像组学在乳腺癌应用中的研究进展进行综述.
-
影像组学在脑胶质瘤分级中的应用研究
目的 利用影像组学与常规磁共振图像对脑胶质瘤进行分级.材料与方法 利用BRATS2017公开数据集,自动从图像中的感兴趣区域提取多种特征,包括形态特征、灰度特征、纹理特征等,并运用特征选择方法进行特征选择,后根据选出的特征对脑胶质瘤的高、低评级进行区分.对支持向量机、决策树与K近邻法等3种分类方法进行比较,也比较了基于遗传算法的包装方法和过滤方法这两种特征选择算法.结果 采用过滤方法进行特征选择,支持向量机方法具有高的准确率91.93％,受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)值为0.90.进一步采用遗传算法进行特征选择,准确率提升至93.33％,AUC值为0.94.结论 基于常规磁共振图像,利用影像组学方法,选择合适的特征组合,可以对脑胶质瘤进行自动分级.
-
影像组学在脑胶质瘤中的研究进展
影像组学可以将医学影像学数据分析、提炼和量化,从而实现对肿瘤的分子(基因)病理、临床生物学行为的深入了解,进而指导治疗和判断患者预后.笔者就影像组学在脑胶质瘤的应用现状和未来发展进行论述.
-
基于T2WI图像的影像组学列线图预测直肠癌同步肝转移的价值
目的 探讨基于T2WI图像的影像组学列线图预测直肠癌同步肝转移的价值.方法回顾性分析2012年4月至2018年5月浙江省人民医院收治的261例原发性直肠癌患者的影像和临床资料,其中101例伴有同步肝转移,将患者分为为训练组(n=182)和验证组(n=79).选取每例患者的T2WI图像通过AK分析软件提取纹理特征,然后对训练组使用小绝对收缩与选择算子算法(LASSO)进行降维后建立影像组学标签.使用单因素逻辑斯回归筛选独立临床危险因素并使用多变量逻辑斯回归结合影像组学标签构建预测模型并制作列线图.使用ROC评估列线图和影像组学标签在训练组中的准确性并通过验证组进行验证,后基于列线图计算每例患者的同步肝转移风险系数评估其临床效能.结果从T2WI图像中共提取了328个纹理特征,使用LASSO算法降维后筛选出7个价值较大的特征,其中共生矩阵3个、游程矩阵4个.使用多因素逻辑斯回归构建包含了MRI肿瘤T分期和影像组学标签的预测模型并制作列线图,列线图预测同步肝转移的准确率在训练组和验证组中分别为0.862和0.844,评估列线图、影像组学标签和肿瘤T分期在所有患者中的准确性分别为0.857、0.832和0.663.基于列线图区分的高风险组与低风险组中的同步肝转移患者数差异无统计学意义(P>0.05).结论基于T2WI图像的影像组学列线图可作为一种量化工具预测直肠癌同步肝转移.
