胶质瘤影像组学概述及工作流程

　　胶质瘤起源于神经胶质细胞，是较常见的中枢神经系统肿瘤，约占颅脑肿瘤的50%~60%，发病率逐年上升。国际卫生组织将胶质瘤分为低级(一、二)和高级(三、四)。四级胶质母细胞瘤恶性度较高，10年生存率不到3%，中位生存率约12~14个月。虽然传统的MRI特征和前沿的功能磁共振技术有助于胶质瘤的分级和患者生存期的评估，但评估肿瘤的分子状态和治疗反应仍然具有挑战性。

　　目前，脑组织活检仍然是组织学和遗传分类的主要标准。然而，这种方法是有创的，胶质瘤的异质性可能会影响其诊断的准确性和预后判断。此外，在立体定向活检中，约7%~15%的患者病理结果仍不清楚。影像组学是一种非侵入性诊断方法。借助计算机，深入挖掘人类肉眼无法识别的深层肿瘤信息，多方位评价肿瘤异质性。近年来，MRI影像组学广泛应用于脑胶质瘤。本文介绍了影像组学概念和MRI影像组学在脑胶质瘤中的临床应用。

　　胶质瘤影像组学概述及工作流程

　　图像组学是Lambin提出的。它是一种新的、无创的医学图像诊断方法，将计算机技术与X线、MRI、CT、正电子发射型计算机断层显像(positronemissiontography、PET)、超声等医学图像数据相结合，通过特征值反映病变的形状大小、纹理等信息，以量化的方式揭示与微观组织异质性间接相关的宏观组织异质性。

　　影像组学具有广泛的临床应用，如疾病分子表估计、分期付款、预后判断等，显示出较大的潜力。MRI图像组学也是图像组学的一部分，可能包括以下过程：MRI图像的收集、感兴趣区域的绘制和病变分割、MRI图像特征的提取、图像特征的选择、评估模型的建立和验证。磁场强度、空间分辨率、信噪比和不同的脉冲序列等图像采集参数都会影响MRI图像组学的特征。然而，MRI软组织分辨率高，多序列成像可以补充纹理信息，优于CT或PET等成像模式。

　　采集的图像通过开源或商业软件对感兴趣区域进行勾画和图像分割、强度标准化、灰度降级等预处理，可以提高像素特征和信号强度的标准化和统一。勾画感兴趣区是图像组学分析的基础，包括手动、半自动和全自动勾画。手动勾画被认为是较准确的方法，费时费力，有个体差异。全自动勾画省时省力。对于边界模糊、周围水肿的肿瘤，勾画范围无法与实际情况相匹配。下一步是提取图像特征，包括描述病变形状和大小的语义特征，无需计算机辅助即可获得；另一方面是非语义特征，主要是反映病变像素强度的纹理特征，可以通过统计、模型、变换等数学方法提取。

　　基于统计方法的常用纹理特征包括一级（描述单个体素的分布）、二级和高级特征（描述两个或两个以上像素之间的空间分布强度关系，通过灰度共生矩阵和灰度游程矩阵获得）。纹理特征的广泛应用导致了大量的图像组学特征，因此需要在初步筛选特征后进行统计分析，以解决冗余和过度拟合问题。提取的图像特征与临床数据、基因等相关性分析后，建立评估模型，通过模型完成病理生理、生物学等特征的评估。