inc国际神经外科医生集团
导航
出国看病咨询电话

INC——
国内外神经外科学术交流平台

INC——国内外神经外科学术交流平台
当前位置:INC > 神外资讯 > 神外前沿

胶质瘤诊断——图像组学简介

栏目:神外前沿|发布时间:2022-01-19 16:16:23 |阅读: |胶质瘤诊断

  胶质瘤诊断——图像组学简介。图像组学(Radiomics)的概念是由荷兰学者LAMBIN等于2012年提出的,是利用医学图像大数据进行定量分析和评估的新兴合适方法,其过程主要包括图像采集、病变分割、图像特征提取、评估模型构建和临床验证。近年来的快速发展为探索图像定量特征与病理学之间的联系提供了有力的工具。

  基于医学大数据图像的图像组学分析已成功应用于肿瘤学研究。2014年,AERTS等发表在《NatureComunications》上的论文详细阐述了图像组学的研究框架及其在医学图像定量分析中的重要作用。文章指出,利用新兴的大数据挖掘技术,自动提取医学图像的定量特征,分析图像特征与临床数据和基因数据的关系,建立癌症评估模型,自动分期、分类、评估患者生存期,提高医学图像信息的可信度和合适性,大大提高疾病早期诊断的准确性,为医生选择合理的治疗方案提供定量建议。本文以1000多例肺癌和头颈癌的数据为例,验证了图像组学分析的合适性和可靠性,为该方法的进一步发展奠定了基础。

  虽然影像组学是一个新兴的跨学科研究领域,但自其概念提出以来,医学影像图像不再仅仅是图像医生主观判断的图像,而是可以进行数据挖掘的对象,包含了肉眼无法识别的深层特征,可以用来指导临床实践。2016年初,美国Moffit癌症研究中心GILLIES等影像学较具影响力的期刊《Radiology》发表了一篇论文,总结了过去几年影像组学的发展过程,指出深入挖掘医学影像信息将对肿瘤的早期诊断、合适治疗和疗效评价发挥重要作用。

  2017年,LAMBIN等文章在《NatureviewsClinicaloncology》上发表评论,提出了具有划时代意义的影像组学量化评价标准。影像组学基于从传统医学图像中提取的高通量定量特征,使肿瘤学家能够在肿瘤检测、分割、诊断、治疗反应评价和预后分析中提供更个性化的医疗护理。影像组学方法为肿瘤学的决策支持提供了强有力的工具。本文将从胶质瘤的自动分割、诊断和预后入手,分别介绍影像组学的应用。

提示:本文内容来自网络用户投稿,仅供参考,不做为诊断依据,任何关于疾病的建议都不能替代执业医师的诊断。请以医生诊断为准,不代表本站同意其说法,请谨慎参阅,本站不承担由此引起的任何法律责任。