影像组学

摘要： 目的 探讨基于多参数磁共振T;WI及弥散加权成像序列的影像组学模型在鉴别非典型纤维性腺瘤与浸润性乳腺癌中的价值。方法 回顾性分析154例因乳腺肿块就诊患者的影像资料。其中包括经乳腺影像报告和数据系统评估为4类但病理活检证实为纤维腺瘤的ABF43例,病理活检为IBC的111例。利用达尔文科研平台将数据集按照4∶1随机分成训练集和测试集,提取所勾画病灶上的影像组学特征,利用支持向量机建立影像组学鉴别模型,通过对受试者操作特征曲线、敏感度、特异度及准确率进行分析,探讨单独T;WI图、单独DWI图及T;WI联合DWI图像三种模型在ABF组和IBC组间的鉴别价值。结果 T;WI图和DWI图训练集及测试集的ROC曲线下面积分别为0.80、0.75,0.75、0.70;T;WI图像联合DWI图像模型训练集及测试集的ROC曲线下面积分别为0.85,0.79。结论 T;WI联合DWI图像影像组学模型对鉴别ABF及IBC具有一定价值,可辅助临床更精准的判断患者肿块类型,尽可能避免不必要的活检。

摘要： 肺癌包括非小细胞肺癌和小细胞肺癌,吸烟或长期暴露于二手烟环境、长期肺部感染、粉尘环境等均是其诱发因素。作为世界上癌症死亡的主要原因,肺癌的早期诊断对治疗方案的选择具有重要意义。影像组学是指从CT、正电子发射断层显像或磁共振成像获得的医学图像中获取大量先进的定量影像特征,并选择最有价值的影像组学特征分析临床信息。影像组学有助于肿瘤的诊断和鉴别,对肿瘤分型分期、疗效评估以及预测预后均具有重要价值。

摘要： 目的 探讨磁共振成像(MRI)影像组学在胶质瘤术前分级评估中的应用价值。方法 回顾性分析2017年6月~2020年6月在本院接受手术治疗的胶质瘤患者50例,根据中枢神经系统肿瘤病理学将患者分为低级别胶质瘤组(Ⅰ~Ⅱ级)23例和高级别胶质瘤组(Ⅲ~Ⅳ级)27例。两组均行弥散加权成像(DWI)扫描和横向T;流体衰减反转恢复序列(T;FLAIR)定量分析,观察其影像特征。比较两组信号强度计算弥散系数(ADC)、分布扩散系数(DDC)和拉伸因子(α);以组织病理学作为“金标准”,计算DWI、T;FLAIR单独诊断及联合诊断胶质瘤分级的价值;绘制受试者操作特性(ROC)曲线,计算曲线下面积(AUC)。结果 本研究共纳入胶质瘤患者50例,其中低级别胶质瘤23例,高级别胶质瘤27例;在DWI和T;FLAIR检查中,高级别胶质瘤组ADC、DDC和α值均明显低于低级别胶质瘤组(P<0.05);DWI诊断敏感度、准确度为77.78%、76.00%(Kappa=0.517);T;FLAIR诊断敏感度、准确度为8 8.8 9%、84.00%(Kappa=0.676);DWI联合T;FLAIR诊断敏感度、准确度为96.29%、90.00%(Kappa=0.796);DWI、T;FLAIR诊断胶质瘤分级的AUC分别为0.758和0.836,DWI联合T;FLAIR诊断胶质瘤分级的AUC为0.895(P<0.05)。结论 MRI影像学组在鉴别高、低级别胶质瘤方面具有较高的诊断价值。

摘要： 脑转移瘤是发病率高且预后差的颅内恶性肿瘤,以肺癌脑转移在临床中最为常见。MRI作为颅内肿瘤首选影像诊断方法,MRI影像基因组学逐步应用于脑转移瘤的精准个体化诊疗。伴随着对基因与肿瘤之间联系的不断深入研究,肿瘤的诊断正向分子遗传学方向延伸,影像基因组学是一种将影像表型与基因分子融合的方法,运用无创精准的方式检测活体肿瘤的分子遗传学改变,在肿瘤的发现、指导治疗及预后预测等方面已广泛应用。现基于颅脑的MRI图像,对影像基因组学在肺癌脑转移应用的可行性及研究进展予以综述。

摘要： 目的:构建基于影像组学特征的预测模型,以预测非小细胞肺癌患者接受序贯放化疗(sequential chemoradiotherapy,SCRT)或同步放化疗(concurrent chemoradiotherapy,CCRT)后的病情部分缓解(partial response,PR)可能性。方法:回顾性收集2016年01月至2020年06月确诊为非小细胞肺癌并接受SCRT或CCRT患者资料。符合条件的患者纳入本研究中,并随机分为训练集和验证集。采用单因素方差分析及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法,在训练集中筛选出最佳影像组学特征。在训练集中进行机器学习(Logistic regression,LR;Decision tree,DT;AdaBoost)模型构建。受试者工作特征曲线下面积(area under curve,AUC)、敏感性和特异性用于评估模型性能,使用列线图对模型进行可视化,决策曲线分析法检验模型应用效能。结果:共纳入75例患者,随机分为两组,训练集52例,验证集23例。在进行单因素方差分析和LASSO回归分析后,筛选出了6个放射学特征,使用机器学习方法构建预测模型。在训练集中,LR、DT、AdaBoost的模型的AUC为0.919、0.773及0.832,在验证集中为0.795、0.723及0.638。使用LR模型构建决策曲线表明,当风险阈值为0.1~0.92时,可增加患者的净效益。结论:本研究开发并验证了一个影像组学预测模型,可以预测接受SCRT/CCRT后肺癌患者的缓解概率。

摘要： 目的:探讨直肠充盈对直肠壁CT影像组学特征的影响。方法:收集95例宫颈癌后装治疗定位CT扫描图像,患者在直肠填充苦参凝胶前后分别进行CT扫描,手动勾画直肠壁,计算提取7类共计851个特征,包括形态、统计、灰度相关矩阵、灰度游程矩阵、灰度共生矩阵、灰度区域矩阵及邻域灰度差分矩阵特征,采用一致性相关系数评估特征稳定性,威尔科克森符号秩检验分析直肠充盈对直肠壁CT影像组学特征的影响。结果:直肠充盈前后较稳定(一致性相关系数值小于0.8)的特征占总数的13%(113/851),有显著性差异(P<0.05)的特征占总数的92%(782/851)。结论:直肠充盈对直肠壁CT影像组学特征影响较大,应予以关注。

摘要： 脑出血指非外伤性脑实质内出血,发病急,进展迅速,致死率和致残率高。对于疑诊急性脑出血患者,CT为首选影像学检查手段。影像组学高通量从CT图像中提取特征信息,结合机器学习算法,能快速、准确地诊断疾病、评估病情和预测预后。本文就基于CT影像组学和机器学习脑出血研究进展进行综述。

摘要： 腮腺肿瘤是一种比较少见的组织学异质性肿瘤,由于其病理类型复杂且临床表现不具有特异性,因此术前区分肿瘤良恶性及不同亚型对治疗策略规划非常重要。近年来,磁共振成像技术发展迅速,各种技术的应用使磁共振检查在鉴别腮腺肿瘤良恶性及评估预后方面具有重要意义。笔者主要对扩散加权成像(diffusion-weighted imaging,DWI)、酰胺质子转移(amide proton transfer,APT)成像、动脉自旋标记(arterial spin labeling,ASL)灌注加权成像、影像组学评估腮腺肿瘤的研究进展进行综述,为鉴别诊断腮腺肿瘤良恶性及分型,规划治疗方案和评估预后提供依据和参考。

摘要： 目的建立一种新的临床—影像组学列线图模型,用于预测经皮肾镜取石术(PCNL)治疗上尿路结石后出现全身炎症反应综合征(SIRS)的发生风险。方法208例PCNL治疗成功的上尿路结石患者,按照术后是否出现SIRS分为SIRS组和对照组。对比两组患者的临床资料及基于CT的影像组学资料,采用多因素Logistic回归分析建立临床—影像组学列线图模型,通过计算受试者工作特征曲线下面积(AUC)、GiViTI校准曲线带和临床决策曲线进行验证评估模型性能。结果208例PCNL受试者中,共有34例(16%)术后发生了SIRS。多因素Logistic分析结果提示:性别(OR=3.389,95%CI:1.187~10.231,P=0.025)、术前中段尿培养(OR=4.463,95%CI:1.605~12.411,P=0.004)、术前发热(OR=8.146,95%CI:1.195~41.814,P=0.007)、手术时间(OR=1.030,95%CI:1.011~1.052,P=0.003)、Guy′s分级(OR=2.565,95%CI:1.465~4.842,P=0.002)和影像组学评分(OR=2.601,95%CI:1.568~4.443,P<0.001)与PCNL术后SIRS的发生密切相关,将这些因素选入列线图。PCNL术后发生SIRS的临床—影像组学预测模型的AUC为0.915(95%CI:0.869~0.961),GiViTI校准曲线带展示出模型校准度良好,决策曲线分析表明模型具有较高的临床收益。结论成功建立临床—影像组学预测模型,其对PCNL术后SIRS的发生其有较好的预测能力,可以为临床是否需要使用药物干预提供一定参考。

摘要： 目的探讨前列腺病变周围区域的磁共振成像(MRI)影像组学特征诊断前列腺癌(PCa)的价值。方法收集2017年8月至2020年8月于本院接受MRI检查且病理证实为PCa的64例患者的病历资料。在T2加权成像(T2WI)、表观弥散系数(ADC)及动态增强序列(DCE)图像上勾画病变周围区域,将MRI影像组学特征从中摘录提取出来,构建最小绝对值收敛和选择算子(LASSO)回归预测模型,采用受试者工作特征(ROC)曲线评估分析预测模型诊断PCa的价值。结果预测模型诊断PCa的曲线下面积(AUC)、95%CI、敏感度、特异度及准确度分别为0.852、0.788~0.915、79.69%、90.63%、87.50%。结论前列腺病变周围区域的MRI影像组学特征诊断PCa的价值较高,对患者病情诊断意义重大。

摘要： 目的:本研究的目的是建立与验证影像组学列线图,其中包括影像组学标签和临床危险因素,用于百草枯(PQ)中毒肺损伤、肺炎的鉴别.本研究提出了纳入影像组学标签和临床危险因素的影像组学列线图，对百草枯中毒暴露史不清的患者，可提高传统影像科医生鉴别百草枯中毒肺损伤与肺炎的能力，为精准医疗及个体化治疗提供了良好的契机。

摘要： 建立和评估影像组学模型在预测急性百草枯中毒患者预后中的有效性.影像组学标签可以有效预测APP患者预后,血液实验室指标添加到列线图，增加了模型预后预测价值。综合预测模型提高了APP患者预后预测准确率，有助于中毒早期准确评估急性病情严重程度，可靠预测死亡风险，可以指导调整临床个性化治疗方案，为降低死亡率和致残率以及减轻患者医疗费用提供了依据。本研究为影像组学在非肿瘤性、弥漫性病变方面的研究提供了依据。

摘要： 2017年7月20日,中共中央国务院办公厅印发《新一代人工智能发展规划》规划指出:研发人机协同临床智能诊疗方案,实现智能影像识别、病理分型和智能多学科会诊.针对国家重大战略发展需求，顺应国际人工智能发展趋势，创新智能医疗核心关键技术，驱动重大疾病临床诊疗发展，影像组学结合医学影像、基因和临床大数据，利用人工智能方法挖掘肿瘤信息，实现临床辅助决策。

摘要： 生命组学、液态活检、影像组学、大数据及人工智能技术,虚拟现实技术在生命科学的"落地生根",冲击着整个医学,正酝酿着一次新的颠覆性突破.基于物理工程技术的精准放疗,包括精确计算、精确计划及精确投照,精准度可以达到毫米级.然而,生物和影像学的进步正在把放疗带向一个新的"拐点",即生物精准放疗,包括放疗指征的精准、精准的生物靶区、生物剂量的精准、生物评价及生物修饰的精准等.本文拟从科学背景、基本概念、现状分析及未来展望等方面探讨人工智能与放射治疗生物精准这一热点问题.

摘要： 本发明涉及影像组学技术领域，揭露了一种基于影像组学的影像数据特征自动生成方法，包括：利用边缘检测算法，划分放射影像图，得到初始放射影像区块图，利用边缘连接算法，连接分段边缘分割线，得到目标放射影像区块图，接收区块确定指令，确定兴趣区块生长点及初始兴趣区块，对目标兴趣区块的影像组学特征进行特征选择，得到放射影像图的影像数据特征。本发明还提出一种基于影像组学的影像数据特征自动生成装置。本发明可以解决半自动分割法及完全自动分割法没有统一的方案及标准，手动分割法存在可重复性低、耗时久、效率低的问题。

摘要： 本申请提供一种基于影像组学的肾脏影像分析方法、装置、设备和介质，通过收集肾脏的原始图像；对所述原始图像的肾脏感兴趣区域进行勾画，并提取肾脏感兴趣区域的影像组学特征；对所述影像组学特征进行降维以选出具有显著性差异的特征；通过交叉验证将训练集输入机器学习模型进行训练以得到预测模型，据以对测试集进行预测获得最终分析结果。本申请通过影像组学方法挖掘医生肉眼无法观察到的特征来对肾脏发育缺陷及早期损害进行预测。可以客观、定量判断组织特性、早期病变反应，并预测患者的预后成为一种非侵袭性但有效的诊断工具，能够很好地帮助影像医生发现肾脏发育缺陷及早期损害，减少漏诊，提升诊断效率。

摘要： 本发明属于影像分析领域，具体涉及一种基于肿瘤影像的多区域的影像组学特征提取方法，包括基于肿瘤影像中肿瘤微环境的区域划分，将所述肿瘤影像分割成对应的目标区域；分别基于与各目标区域对应的神经网络模型，提取各目标区域的高维定量特征；对各个目标区域的高维定量特征进行融合，得到用于分类预测的融合特征。与现有技术中直接采用CT卷中依据CT数据的强度值进行特征提取的方法相比，采用本发明所述基于肿瘤影像的多区域的影像组学特征提取方法提取的肿瘤特征能够更全面的量化肿瘤，为肿瘤的诊疗提供更全面的数据支持。

摘要： 一种用于预测肝细胞肝癌的组织学等级的基于钆塞酸二钠增强MRI的影像组学特征采集方法。现有的缺少一种基于钆塞酸二钠增强的MRI影像组学特征提取方法。一种用于预测肝细胞肝癌的组织学等级的基于钆塞酸二钠增强MRI的影像组学特征采集方法，针对MRI的HCC病理信息的患者设置纳入标准和排除标准，并统计能够纳入影像组学特征采集的患者总数量，纳入标准的患者接受常规Gd‑EOB‑DTPA增强MRI检查；将获得的钆塞酸二钠增强MRI的部分进行影像组学特征提取。本发明作为预测肝细胞肝癌的组织学等级的数据基础，具有特征提取准确的优点。

摘要： 一种基于钆塞酸二钠增强的MRI影像组学预测肝细胞肝癌的组织学等级的方法。现有的缺少一种利用基于钆塞酸二钠增强的MRI影像组学预测肝细胞肝癌的组织学等级的方法。一种基于钆塞酸二钠增强的MRI影像组学预测肝细胞肝癌的组织学等级的方法，获取钆塞酸二钠增强的MRI影像组学特征；使用ICC评估提取的各组MRI影像组学特征的观察者之间的一致性；将ICC值低于0.75的影像组学特征剔除；将获得的各一致性的平均值用作最终结果；通过决策树筛选特征参数并构建预测肝细胞肝癌的组织学等级的模型，包括：血清AST水平、AUClow和mode这2个肝胆期影像组学特征、energy、inversevariance、IDMN、maximum这4个动脉期影像组学特征。本发明能够简单准确的预测肝细胞肝癌的组织学等级。

摘要： 本发明涉及一种阿尔兹海默症风险预测技术，特别涉及一种基于影像组学的阿尔兹海默症风险预测平台，包括如下步骤：步骤1、对于影像的预处理获得标准化影像，然后对样本数据进行主成分分析，然后分别以三组sMRI的均值表型样本的年龄、性别、受教育程度和前10个主成分分析值作为协变量通过线性回归的方法进行全基因组关联分析；最后通过模板提取特征数据；步骤2、将步骤1获得的影像特征数据的80％对六个机器学习模型进行训练调参，六个模型为支持向量机、BP神经网络、基于CART分类树的AdaBoost模型、提升决策树GBDT、逻辑回归模型、多项贝叶斯模型；通过比对分析得到支持向量机模型准确率较高，稳定度最好。

摘要： 本发明涉及医学影像技术领域，具体的说是基于影像组学的肿瘤风险辅助诊断设备，包括一对固定板，一对所述固定板上连接有展开结构，所述展开结构上连接有限位结构，一对所述固定板上连接有照明结构，所述固定板上连接有用于为照明结构提供电力的供电结构，所述照明结构上连接有用于对影像片进行固定的固定结构，所述固定板上连接有用于对固定板进行支撑的支撑结构；通过展开结构便于将装置打开，收起时便于进行携带，在限位结构的作用下，能够对展开结构进行限位，通过固定结构便于对影像片的固定，通过照明结构能够将影像片照亮，供电结构能够为照明结构提供电力，支撑结构能够对装置进行支撑，避免装置倾倒。

摘要： 本发明公开了一种基于影像组学的PD‑1疗效预测模型及其构建方法。所述模型的构建方法包括：收集肝癌患者影像数据，提取放射组学特征，利用LASSO逻辑回归筛选关键特征、通过回归系数加权构建得到相应的基于影像组学的PD‑1疗效预测模型。本发明发现采用了基于病变的方法，在病变水平上评估和预测提取的特征，通过研究发现影像组学评分可能是抗PD‑1治疗的肝细胞癌患者病灶反应性的预测因素，且平均影像组学评分可能具备筛选接受抗PD‑1治疗劣效患者的能力，具有一定的临床价值。

摘要： 本发明提出一种结合深度学习与影像组学的结直肠癌图像分类方法及系统，针对深度学习模型训练种小样本问题，充分利用已有的数据进行数据增强（旋转，平移、图像变换等）为了解决医生手工标记耗时耗力的问题，引入深度学习的自动分割网络模型，实现自动的从图像中标注感兴趣区域。针对深度学习模型提取的特征可解释性差，获取特征信息不够全面的问题，采用影像组学特征、深度学习特征和临床病理信息三者融合获取更多更全面的特征信息，进一步提高影像组学的分类准确性和可靠性。

摘要： 本发明提出了一种基于影像组学的癌患者肿瘤图像勾画方法，通过从CT图像中高通量地提取大量影像信息，实现肿瘤特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘分析来辅助医师做出最准确的诊断。本发明将其应用在放疗肿瘤区域勾画中，不需要进行图像配准，可解决传统的自动勾画方法仅依靠图像的像素值，依赖参数较少的问题。也可解决深度学习方法勾画准确度仍高度依赖勾画人员经验的问题。