密封油无声鼠标在过去十年中，随着模式识别方法的增加和数据集大小的增加，医学图像分析领域的研究越来越多。这些研究促进了对图像定量特征高通量提取过程的发展，从而将图像转换为可挖掘数据特征，并随后对这些数据进行分析，以提供临床决策支持；这种做法被称为影像组学。这与将医学图像仅视为用于视觉解释的图片的传统做法形成了对比。影像组学特征包含一阶、二阶和高阶统计量。这些数据与其他患者数据相结合，并结合复杂的生物信息学方法进行挖掘，以开发能够提高诊断、预后和预测准确性的模型。由于影像组学分析旨在使用标准图像进行，因此将数字图像转换为可分析的数据最终将成为常规做法。本文描述了影像组学的流程、面临的挑战以及发挥更好的临床决策的潜在能力，尤其是在癌症患者的预后方面。本文发表在Radiology杂志。
通过高通量计算，现在可以从断层图像（计算机断层扫描[CT]、磁共振[MR]或正电子发射断层扫描[PET]图像）中快速提取大量定量特征。将数字医学图像转换为可挖掘的高维数据，这一过程被称为影像组学，其目的是通过定量图像分析，可以揭示生物医学图像包含反映潜在的病理生理学的信息。尽管影像组学是计算机辅助诊断和检测（CAD）系统的自然延伸，但硅凝胶贴膜
它与计算机辅助诊断和检测（CAD）系统有着显著的不同。CAD系统通常是独立的系统，由食品和药物管理局指定用于检测或诊断疾病：(1). CAD的早期成功在乳腺癌成像方面最为显著。与CAD系统不同，CAD系统的目标是提供单一答案（即，是否存在病变或癌症），影像组学是一个明确的过程，旨在从数字图像中提取大量定量特征，将这些数据放入共享数据库，随后，挖掘数据以生成假设、进行检验或两者兼而有之。Radiomics旨在开发决策支持工具；因此，它涉及将影像数据与其他患者特征（如可用）相结合，以提高决策支持模型的能力。由于影像组学旨在从标准图像中提取最大信息，因此可以预见将数百万患者的大量影像组学数据（以及理想情况下的其他补充数据）结合起来的数据库的创建。尽管影像组学可以应用于许多情况，但由于国家癌症研究所（NCI）定量成像网络（QIN）的支持以及NCI癌症成像项目的其他举措，影像组学在肿瘤学领域得到了最充分的发展。正如本文后续章节所述，随着知识和分析工具的发展，影像组学在肿瘤学决策支持方面的潜力也在增长。基于强度、形状、大小或体积以及纹理的定量图像特征提供了有关肿瘤表型和微环境的信息，这些信息不同于临床报告、实验室测试结果以及基因组或蛋白质组分析所提供的信息。这些特征，连同其他信息，可以与临床结果数据相关联，并用于临床决策支持（图1）。影像组学似乎提供了几乎无限的成像生物标记物，可能有助于癌症的检测、诊断和，预后评估、反应预测和疾病状态监测。 图1，流程图显示了影像组学过程以及在决策支持中的使用。患者检查需要将来自不同来源的信息合并到一个连贯的模型中，以描述病变的位置、部位和作用。影像组学从获取高质量图像开始。从这些图像中，可以识别包含整个肿瘤或肿瘤内的子区域的感兴趣区域（ROI）。这些图像通过分割，最终以三维（3D）形式呈现。从这些感兴趣区中提取定量特征以生成特征，该特征与其他数据（如临床和基因组数据）一起放置在数据库中。然后对这些数据进行挖掘，为感兴趣的结果开发诊断、预测或预后模型
挖掘影像数据以检测与基因组模式的相关性被称为影像基因组学，它在研究界引起了特别大的兴趣。为避免混淆，应注意，影像基因组学一词也用于影像肿瘤学领域，旨在基于全基因组分析来确定影像敏感性变异的遗传原因。此后，在本文中，我们将仅将影像基因组学称为影像特征与基因组数据的结合，以实现决策支持。影像基因组学的价值源于这样一
个事实：尽管几乎所有癌症患者在期间都会在某个时间点进行成像，而且往往是多次，但并不是所有患者都对其疾病进行了基因组分析。此外，当进行基因组分析时，固定位置进行，并且易受样本误差影响。因此，影像基因组学有两种潜在用途，将在影像基因组学结果部分的示例中详细描述。首先，影像数据的一个子集可以用来提示基因表达或突变状态，这可能需要进一步的检测。这一点很重要，因为影像数据来自整个肿瘤（或多个肿瘤），而不仅仅是样本。因此，影像组学可以提供有关样本基因组学的重要信息，并可用于交叉验证。其次，影像特征的一个子集与基因表达或突变数据没有显著相关性，因此有可能提供额外的独立信息。这一影像特征子集与基因组数据的结合可能会提高诊断、预后和预测能力。虽然影像组学最初起源于基础研究，但最近它也引起了临床研究人员以及日常临床实践人员的兴趣。对于临床影像科医生来说，影像组学有可能帮助诊断常见和罕见的肿瘤。肿瘤异质性的可视化对于评估肿瘤的侵袭性和预后可能至关重要。例如，研究已经表明，影像组学分析有助于区分前列腺癌和良性前列腺组织，或增加有关前列腺癌侵袭性的信息。在肺癌和多形性胶质母细胞瘤的评估中，影像组学已被证明是评估患者预后的工具。为影像组学开发的工具可以帮助日常临床工作，而影像科医生可以在持续构建的用于未来决策支持的数据库方面发挥关键作用。XX-组学是源于分子生物学学科的一个术
轴流风机启动
语，用于描述生物分子的详细特征，如DNA（基因组学）、RNA（转录组学）、蛋白质（蛋白质组学）和代谢物（代谢组学）。现在，这个术语也被用于其他医学研究领域，这些领域从单个物体或样本中生成复杂的高维数据。组学数据的优势是这些数据是可挖掘的，因此可以用于探索和假设生成。组学概念很容易应用于多层定量断层成像：来自一名患者的一张多层面或三维图像可能很容易包含数百万个体素。此外，一个肿瘤（或其他异常实体）可能包含数百个描述大小、形状和纹理的可测量特征。影像组学分析是精确医学追求的缩影，在精确医学中，分子和其他生物标志物被用来预测在正确的时间对正确的患者进行正确的。可靠且经过验证的生物标志物的可用性对于推进精准医学至关重要。全世界都在努力提高这类生物标志物的可用性，而在美国，这一努力最显著的是通过精准医学倡议。这项倡议将为一种新的以患者为动力的研究模式提供资金，该模式有望加速生物医学发现，并为临床医生提供新的工具、知识和疗法，从而实现更精确的个性化护理。针对癌症的影像组学方法的一个主要优点是，几乎每一位癌症患者都能获得数字影像图像，所有这些图像都是潜在的来源的影像组学数据集。仅在美国，每年就有大约160万新的癌症病例。大多数患者将接受多重CT、MR成像和PET检查。在未来，所有这些研究的图像解释都有可能通过使用影像组学来增强，从而建立一个前所未有的大数据源，扩
大发现有用相关性的潜力。尽管影像组学将通过基因组学的新应用和改进的分型方法更好地描述患者及其疾病，但它也将增加数据管理的挑战，我们将在本文后面讨论。 影像组学为肿瘤生物学的评估提供了重要的优势。人们现在认识到，大多数临床相关实体瘤在表型、生理学和基因组水平（13-15）上具有高度异质性，并且它们会随着时间的推移不断进化。在这个靶向的新兴时代，值得注意的是，大多数反应都不是持久的，而且效益通常是以月而不是年来衡量的。例如：（a）表皮生长因子受体突变型肺癌患者使用吉非替尼，（b）人类表皮生长因子受体2（或HER2）过度表达乳腺癌患者使用曲妥扎单抗，（c）b-Raf突变型黑素瘤患者使用维穆拉非尼。同一患者肿瘤内和转移瘤部位的基因组异质性是失败和出现耐药性的主要原因。因此，精确医学不仅需要体外生物标记物和辅助诊断，而且还需要在空间和时间上分辨的肿瘤生物标记物。推动影像组学研究的一个核心假设是，影像组学有可能实现肿瘤内和肿瘤间异质性的定量测量。此外，影像组学提供了在监测和优化或主动监测中纵向使用的可能性。尽管影像组学的此类应用尚待深入探索，但它们可能提供了最具价值的未来。应该强调的是，影像和影像基因分析可用于确定相关性，而不是病理机制；因此，它们不能仅通过成像对组织的遗传或其他内容进行最终评估。然而，影像学数据与基因组或其他组学数据的相关性不仅可以决定是否检
测活检样本中的某些基因改变，还可以决定活检部位的选择。它还可以提供证实性信息，以支持组织病理学发现。这一点很重要，因为据估计，癌症组织病理学的错误率可能高达23%。病理组织学中的错误是由于采样错误和观察者的可变性造成的；因此，非常需要额外的定量诊断信息。我们相信，影像组学正在迅速超越最佳研究领域，并正在成为一种转化技术。因此，现在是开始建立数据提取、分析和建立标准的适当时机。本报告的目的是向包括影像科医生在内的广大临床医生介绍影像组学的实践，让更广泛的社区参与建立标准。在这样做的过程中，我们将描述影像组学技术所涉及的过程和它提供的独特信息，以及它所面临的挑战和潜在的解决方案。我们还将重点介绍一些最新的重要发现，最后为未来的影像组学提供展望。
定位板
影像组学流程虽然从概念上讲很简单，但影像组学的实践涉及不连续的步骤，每个流程都有相对的挑战。这些步骤如图1所示，包括：（a）获取图像，（b）识别感兴趣的体积（即，可能包含预后价值的体积），（c）分割体积（即，用计算机辅助轮廓描绘体积的边界），（d）从体积中提取和确认描述性特征，（e）使用这些数据填充可搜索的数据库，以及（f）挖掘这些数据以构建分类器模型，单独或结合其他信息（如人口统计学、临床、共病或基因组数据）预测结果。我们将依次讨论这些过程。
图像获取现代CT、MR成像和PET/CT组合使得在采集和图像重建协议方面有很大的差异，而医疗成像中心通常缺乏这些协议的标准化。在临床实践中使用的常规影像学特征的识别中，这通常不是问题。然而，当对图像进行数值分析以提取有意义的数据时，采集和图像重建参数的变化可能会导致非潜在生物效应引起的变化。这一点在新兴的定量成像领域得到了广泛认可，该领域的目的是生成具有可描述的偏差和方差限制的医学图像。换句话说，仅仅报告一个或一组从图像中提取的数字是不够的；相反，我们还必须能够提供误差标准，就像其他所有可靠的实验室测量一样。在过去的15年里，为推进定量成像做出了多项努力，包括确定采集和重建标准（26,27）。QIN是NCI发起的一个合作网络，其目标是开发定量成像方法，以提高新癌症疗法临床试验的有效性。“QIN”是NCI的一项重大倡议，可以被视为新成像方法的前沿，包括影像组学。并且北美影像学会（RSNA）和美国国家生物医学成像和生物工程研究所（National Institute for Biomedical Imaging and Bioengineering）赞助了定量成像生物标记物联盟（QIBA），这是定量成像领域的一项重大努力（29）。QIBA的目标是通过将参与其开发和实施的所有团队聚集在一起，实现定量成像的标准化。QIBA的主要产品是一种新型文件，称为剖面图，该文件就特定用途的定量成像生物标记物的测量精度以及达到该测量精度水平所需的要求和程序达成共识。超过10
强电井0名参与者参与创建了最初的齐巴氟脱氧葡萄糖PET/CT档案，该档案于2014年发布（30,31）。美国医学物理学家协会（American Association of Physicals in Medicine）正在以成像仪操作和测试的模式相关报告的形式提供定量成像的技术指南。最后，相关专业协会，如美国影像学会、RSNA、核医学和分子成像学会、国际医学磁共振学会和世界分子成像学会，正在越来越多地将定量成像基础的各个方面纳入其指南。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议