影像组学及其在肿瘤研究与临床中的应用
专家讲坛影像组学在肿瘤研究中的应用进展
专家讲坛影像组学在肿瘤研究中的应用进展第 258 期编者的话Radiomics，一次对影像图像数据挖掘的革命，已经离我们如此的近。
以后做一次CT或MR扫描，医生们得到的再不仅仅是图像，而是可以“判你生死”的数据。
Radiomics，已经被视为介于临床与基因之间的第二层重要数据。
为了让年轻医生对影像组学这个高大上的新生事物有一个快速的了解，本期公众号请来天津医科大学附属肿瘤医院叶兆祥主任为大家揭开影像组学的面纱。
—— Clinical 临床的———— Radiomic 影像组学的———— Genomic 基因组学的——近年来，影像组学（radiomics）成为新的研究热点，广泛应用于各类疾病，尤其是肿瘤的诊断、治疗、预后等各个方面的研究，为肿瘤的精准治疗提供了新的依据。
影像组学究竟是什么？影像组学又称放射组学，是深度挖掘图像信息，从海量的医学影像数据中提取大量的定量特征，通过量化分析来提高诊断准确率并进行预测。
影像组学结合其他检查信息可以为临床提供一个全面量化的肿瘤表型，提高个性化的治疗选择和监测。
随着图像质量的提高、计算机技术的进步，使得我们能够对图像进行比较精细的分析。
传统意义上，影像医师对病灶特征只进行定性描述，如密度是否均匀、形态是否规则、有无分叶等。
部分医师将这些特征半定量化，如根据病灶的形态规则程度进一步分为圆形、椭圆形、不规则、极度不规则，分别评为1-4分。
而影像组学则是依赖于计算机进行图像分割和自动提取特征，将病灶特征定量化，比如球形程度（roundness），即计算病灶的形状与椭圆的相似程度，结果为一数值。
影像组学以整个肿瘤为研究对象，可以整体分析肿瘤内部的异质性，获取临床及传统影像学分析无法提供的信息。
影像组学分析步骤图1 影像组学分析步骤影像组学分析的主要步骤为图像采集，确认感兴趣区并进行图像分割，提取定量特征，分析定量特征并构建分类或预测模型（如图1）。
目前研究较多的是CT、MRI、PET图像等。
医学影像数据分析与肿瘤诊断研究
医学影像数据分析与肿瘤诊断研究医学影像数据分析是在医学诊断中不可或缺的一部分，它通过对图像和数据的处理和分析，为医生提供了更多的信息，以辅助诊断和治疗决策。
肿瘤诊断作为医学影像领域的一个重要分支，也受益于医学影像数据分析的进展。
本文将回顾医学影像数据分析与肿瘤诊断的研究进展，并探讨目前存在的挑战和未来的发展方向。
在肿瘤诊断中，医学影像数据分析具有多种应用，包括早期筛查、定量评估、辅助诊断和治疗监测等。
其中最常见的就是利用医学影像数据进行肿瘤定量评估。
通过分析肿瘤的大小、形状、密度等特征，可以帮助医生进行肿瘤分级和预后评估，以制定合理的治疗方案。
此外，医学影像数据还可以用于辅助肿瘤的早期筛查，通过对大量患者的影像数据进行比对和统计，找出可能存在的异常信号，并进行进一步的检测和诊断。
医学影像数据分析与肿瘤诊断研究的发展受益于人工智能和机器学习的进步。
传统的医学影像数据分析是基于人工经验和规则的，但随着人工智能技术的发展，利用机器学习算法来自动地从大量的医学影像数据中学习和提取特征，已经成为一个研究热点。
例如，卷积神经网络（CNN）可以自动提取影像中的特征，并用于分类和分割，已经在肿瘤诊断中取得了许多令人鼓舞的成果。
此外，深度学习模型还可以与传统的医学影像分析方法相结合，形成更强大的诊断模型，提高肿瘤诊断的准确性和效率。
然而，医学影像数据分析与肿瘤诊断研究还面临许多挑战。
首先，医学影像数据通常具有高维度和复杂度，这给数据处理和分析带来了很大的挑战。
其次，医学影像数据的标注成本非常高，需要医生进行手动标注，耗时费力且容易出现标注误差。
此外，由于医学影像数据的私密性和保密性，数据的共享和交流也面临一定的难题。
解决这些挑战需要医学影像数据分析与肿瘤诊断研究者加强合作，不断改进算法和方法，提高数据标注的效率和准确性，并制定相关的数据共享和隐私保护政策。
未来，医学影像数据分析与肿瘤诊断研究仍有许多发展方向值得探索。
田捷影像组学及其在肿瘤研究与临床中的应用.pptx
田捷影像组学及其在肿瘤研究与临床中的应用.pptx第五届华美影像论坛影像组学及其在肿瘤研究与临床中的应用田捷IEEE, SPIE, IAMBE, AIMBE, IAPR Fellow中国科学院分子影像重点实验室背景—国家重大需求：2015年9月，国家卫计委、发改委等16个部门联合印发《中国癌症防治三年行动计划（2015-2017年）》4项定量指标：重点地区、癌症早诊率达到50%肿瘤登记覆盖全国30%以上人口癌症防治核心知识知晓率达60%成人吸烟率下降3%背景—癌症生存率无突破%N=1,950,388. Updated May 12, 2014Data from National Cancer Institute of NIH (2014)经过五十年的努力，癌症的五年生存期并没有得到明显的提高挑战——缺乏定量评估手段英国伦敦大学癌症研究中心Charles Swanton, MDGerlinger et al. N Engl J Med 366, 883-92 (2012). 被引用2368次肿瘤基因组的时空异质性限制了靶向治疗的效果我们缺乏有效的手段去全面定量评估肿瘤异质性背景—癌症生存率无突破原因医疗软件方面医疗设备方面肿瘤>5mm才能被诊断缺乏早期诊断手段时空异质性影响治疗缺乏定量评估方法癌症的五年生存率没有实质性提高N. Engl. J. Med. 2010, 363(1):4-6. N. Engl. J. Med. 2012,366, 883-92. 影像组学定量分析方法分子影像早期诊断手段机遇——影像组学5~20年1~3年肿瘤大小基因异常细胞表达生物分子异常新陈代谢异常器官结构异常1kg左右肿瘤5mm时间正常基因异常开始增殖前癌病变出现病状死亡形成癌灶转移影像组学？基因技术检测早期基因异常传统成像技术难以实现早期微小肿瘤成像影像组学融合基因信息和影像多模态信息，为实现精准诊断提供了新机遇影像组学（Radio。
放射组学及其在肿瘤研究与临床中的应用 ppt课件
Balagurunathan et al., Translational Oncology, accepted, 2014
肺癌Radiomics(7/35)—数据检测挑战
➢ 对于部分匿名影像，必要数据重建可能困难 ➢ 不同医院的影像，不是每个标注都相似 ➢ 由于不同的设备和协议，很难识别出关键参
数去检测 ➢ 识别对应影像的疾病实例（序号） ➢ 计算不同（诊断影像，外科影像及治疗影像） ➢ 组织的影像层厚 ➢ 其他参数也可变？
原始CT影像
肋骨检测
模型初始化
强的主动形状 模型匹配
主动形状模型分割方法总框架
约束的优化面 搜索
Shanhui Sun et al., IEEE Transactions on Medical Imaging, 2011:30(2), 266.
肺癌Radiomics(14/35)—图像分割
主动形状模型法分割结果 Shanhui Sun et al., IEEE Transactions on Medical Imaging, 2011:30(2), 266.
肺癌Radiomics(5/35)—影像特征
序号 1
2 3 4 5
影像特征种类 形状
尺寸
边界
与肺的关系 强度与各向异
性
代表性特征
a. 紧密度 b. 主要方向 c. 部分各向异性 d. 形状索引
a. 体积 b. 最长的直径 c. 厚度
a. 边界梯度 b. 维度 c. 边界长度
a. 肺的边界 b. 解剖位置
放射组学(Radiomics)概念(2/4)
➢ 以肺癌为例，2010年中国共54万发病率，45万死 亡率，且在过去30年以465%的速度增长
➢ 肺癌居恶性肿瘤首位，在非小型细胞肺癌患者中， 五年存活率依然很低
影像组学在脑恶性肿瘤中的应用及研究进展
·171CHINESE JOURNAL OF CT AND MRI, MAY. 2023, Vol.21, No.05 Total No.163【第一作者】李宇飞，男，硕士在读，主要研究方向：颅底肿瘤方向。
E-mail：****************【通讯作者】王宏勤，男，主任医师/教授，主要研究方向：颅底肿瘤方向。
E-mail：*****************and Research Progress of Copyright ©博看网. All Rights Reserved.中国CT和MRI杂志 2023年05月 第21卷 第05期 总第163期子甲基化状态，最终模型的AUC为0.88，准确率为80%。
Xi及其同事[9]回顾性分析研究了98例经病理证实为原发性高级别胶质瘤(WHO IV级)的患者，其中48例为MGMT甲基化肿瘤，50例为非甲基化肿瘤。
选择其T1加权，T1增强，T2加权图像描绘肿瘤的感兴趣区域，计算并提取了1665个影像组学特征。
预测MGMT启动子甲基化状态的最佳分类系统来自其中36个特征生成的模型，准确率为86.59%。
Kong和同事[10]回顾性研究了107例经病理证实的原发性胶质瘤患者，基于[18F]FET-PET的影像组学，提取了1561个特征来预测MGMT启动子甲基化状态。
利用支持向量机(SVM)分类器，选择了5个放射组学特征构建放射信号。
该模型在验证队列中的AUC为0.94，在测试队列中的AUC为0.86。
因此，基于无创、高效的影像组学图像分析在预测MGMT启动子甲基化状态上取得了满意的效果。
1.3 对IDH基因型和1p/19q状态的测定治疗方案(包括放射治疗的剂量、分割以及化疗的顺序)主要取决于肿瘤在分类中的分子特征[11]。
许多研究小组已经证明，这些分子特征可以通过影像组学的方法获得，为脑胶质瘤基因亚型术前诊断提供可能[12]。
2016年更新的WHO胶质瘤诊断标准将IDH突变状态作为分类参数，强调了其在决定预后方面的关键作用[13]。
医学影像技术在肿瘤诊断中的应用分析
医学影像技术在肿瘤诊断中的应用分析一、背景介绍肿瘤是指细胞不受控制地生长和分裂，形成异常组织。
在医学领域，诊断肿瘤需要通过多种方法进行检测、分析和判断，其中医学影像技术是非常重要的一种诊断手段。
医学影像技术可以通过对人体内部进行非侵入性或微创性检查，使用图像形式展现人体解剖结构和生理功能，识别异常部位并辅助医生进行诊断。
二、医学影像技术分类医学影像技术按照不同的特点可以分为不同的类型，常用的医学影像技术有以下几种：1. X线检查X线是用于照射人体并在底片或电子显示器上显示人体内部结构的电磁辐射。
X线检查可以较为准确地识别骨骼和肺部的异常情况，适用于诊断骨折、肺炎、肺结核等疾病。
2. CT检查CT（computed tomography）是一种层析成像技术，即通过对人体进行X线扫描获取静态图像，然后将图像进行数字化处理，再通过计算机重建成各级薄层图像。
CT检查在肿瘤诊断中应用广泛，可以对软组织、脏器和骨骼全面的进行检查，具有高分辨率、鲜明、清晰的优点。
3. MRI检查MRI（magnetic resonance imaging）是小分子核磁共振成像技术，通过对人体进行磁共振扫描得到图像，可以显示出更加清晰的软组织结构，在肿瘤诊断中有着非常重要的应用价值。
4. PET-CT检查PET-CT（positron emission tomography-computed tomography）技术是结合PET放射性示踪剂成像和CT成像的一种体内断层成像技术，可以结合代谢和功能的信息，在诊断肿瘤中更具有指导意义。
三、医学影像技术在肿瘤诊断中的应用分析1. 肿瘤发现肿瘤的早期发现对于治疗和治愈极为重要。
医学影像技术能够在早期检测到肿瘤，帮助医生及时发现异常的肿块并进一步诊断疾病类型。
比如低剂量的CT可以扫描肺部，发现较小的肺结节，进而对肺癌的早期诊断起到重要的作用。
2. 肿瘤分型肿瘤诊断的一个重要部分就是肿瘤分型。
医学影像处理技术在肿瘤诊断中的应用分析
医学影像处理技术在肿瘤诊断中的应用分析随着医学影像处理技术的不断发展和完善，其在肿瘤诊断中的应用越来越广泛。
本文将从多个角度探讨医学影像处理技术在肿瘤诊断中的应用。
一、医学影像处理技术简介医学影像处理技术是指将医学图像进行数字化和处理，在计算机上进行各种操作和分析，以提高医学图像的质量和准确度。
常见的医学影像处理技术包括CT（计算机断层扫描）、MRI（磁共振成像）、PET（正电子发射断层成像）等。
二、医学影像处理技术在初筛肿瘤方面的应用医学影像处理技术在初筛肿瘤方面的应用主要是通过图像分析来发现肿瘤病灶，进而进行进一步诊断。
目前，计算机辅助筛查系统（CAD）已经成为了肺癌、乳腺癌、结直肠癌等多种癌症的初筛方法之一。
CAD系统可以利用计算机对医学影像进行处理，并通过人工智能算法进行分析，可快速、准确地发现肿瘤病灶，并进行初筛诊断。
三、医学影像处理技术在诊断肿瘤方面的应用医学影像处理技术在诊断肿瘤方面的应用主要是通过医学影像的定量分析和图像诊断，最终确定肿瘤的位置、大小和形态等信息，并评估肿瘤的病理学变化，从而对肿瘤进行准确的诊断和治疗。
例如，利用CT图像进行肺部肿瘤的诊断，可以清晰地显示肺部病变范围、密度和分布情况；利用MRI图像进行脑肿瘤的诊断，可以清晰地显示肿瘤与周围组织的关系、血管供应和代谢情况等重要信息。
四、医学影像处理技术在治疗肿瘤方面的应用医学影像处理技术在治疗肿瘤方面的应用主要是通过图像引导技术，对肿瘤进行精准治疗。
例如，利用CT和MRI图像进行肿瘤放射治疗，可以精确计算放射线的照射范围和强度，从而减少对健康组织的损伤，提高治疗效果；利用PET-CT图像进行肿瘤介入治疗，可以精确定位肿瘤病灶，选择合适的介入治疗方式，减少手术切除量和手术时间。
五、医学影像处理技术在肿瘤转移方面的应用对于部分肿瘤患者，肿瘤可能会在体内转移到其他部位，往往给治疗带来更大的挑战。
医学影像处理技术可以通过对不同部位的医学影像进行对比分析，发现肿瘤的转移情况，进而确定治疗方案和预后评估。
医学影像技术在肿瘤疾病中的应用
医学影像技术在肿瘤疾病中的应用肿瘤疾病是一种常见的疾病，其中肺癌、乳腺癌、胃癌、肝癌居高发。
现代医学影像技术的应用可以为肿瘤的早期诊断、治疗和预防提供重要的帮助。
因此，研究专家们综述了医学影像技术在肿瘤疾病中的应用和发展趋势。
一、医学影像技术的优势医学影像技术在肿瘤疾病中的应用已经逐步成为一种标准的检查手段，其应用带来了很多的优势，包括如下几个方面：1. 非侵入性现代医学影像技术的应用可以为医生提供更多非侵入性的检查，如CT、MRI等检查方法。
通过这些方法的应用，医生可以有效、快速地检查肿瘤的位置、大小、形态和特征等，为医生制定治疗方案提供必要的指导。
2. 无痛在医学影像技术的应用中，病患无需进行手术或其他疼痛的检查，同时也减少了患者吸入过多的药物，因此在减轻患者疼痛方面起到了重要的作用。
3. 判断精准度高通过医学影像技术手段进行检查，可以获得连续、层次分明的影像，能够更加精确地判断肿瘤的位置和范围，而这是其他检查手段无法比拟的。
二、1. X光摄影技术X光摄影技术是一种常见的检查手段，其适用于肿瘤的早期诊断。
通过X光检查，医生可以获得患者的肿瘤位置、形态、大小等信息，并对患者进行确诊。
2. CT扫描技术CT扫描技术是一种对肿瘤进行诊断的重要手段。
CT扫描技术具有快速、精确、无痛的优点，通过对患者进行CT扫描，可以检查患者的肿瘤病变部位、疾病范围、边界等信息，提供治疗方案的重要依据，同时也可以帮助医生进行肿瘤的治疗进程中进行精确定位。
3. MRI扫描技术MRI扫描技术是一种对深部组织的检查手段，其应用在肿瘤的检查上具有不可替代的地位。
MRI扫描技术是一种高精度的检查技术，通过对患者进行MRI扫描，可以获得患者的肿瘤病变部位、范围、疾病分级等信息，并对患者进行更加精确的治疗。
4. PET/CT联合检查技术PET/CT联合检查技术是一种将PET（正电子发射断层扫描）和CT（计算机断层扫描）技术相结合的检查手段，通过这种手段的应用，可以更准确地探测患者的病变部位，同时也更加精确地判断肿瘤的病理特征和细微的病理变化，由此为制定治疗方案提供了重要的依据。
医学影像识别技术在肿瘤诊断中的应用
医学影像识别技术在肿瘤诊断中的应用一、引言近年来，随着医学影像技术的不断发展，医学影像识别技术逐渐成为肿瘤诊断的重要手段。
医学影像识别技术通过对影像信息的获取和分析，可以实现对肿瘤的早期筛查和诊断，对于提高肿瘤治疗效果具有重要意义。
本文将围绕医学影像识别技术在肿瘤诊断中的应用展开探讨。
二、医学影像技术在肿瘤诊断中的应用1.医学影像技术的种类医学影像技术包括X线摄影、CT（计算机断层成像）、MRI （磁共振成像）、PET（正电子发射断层成像）等多种技术。
其中，CT技术适用于测量肿瘤的大小、形态和位置，MRI技术能够更加准确地测量肿瘤的大小与形态，PET技术能够检测肿瘤的代谢情况。
医学影像技术具有非侵入性、方便、快速等优点，因此在肿瘤诊断中得到广泛应用。
2.医学影像技术在肿瘤诊断中的应用(1)早期鉴别诊断：在早期，肿瘤并不会引起症状，因此常常无法及时发现。
医学影像技术可以实现对人体内部的情况进行非侵入式检测，帮助医生在早期对肿瘤进行筛查和鉴别诊断。
(2)诊断肿瘤的类型：通过医学影像技术，医生可以了解肿瘤的位置、形态、大小等情况，并能够更加准确地鉴别出不同类型的肿瘤。
(3)评估肿瘤的严重程度：医学影像技术可实现对肿瘤的生长情况、病灶范围等情况进行评估和分析，帮助医生制定更合理的治疗方案。
(4)手术前的测量：对于需要手术治疗的肿瘤，医学影像技术可以帮助医生在手术前测量肿瘤的大小、形态等情况，有利于手术效果的预测和治疗方案的制定。
三、医学影像识别技术在肿瘤诊断中的应用医学影像识别技术是目前热门的科技领域之一。
在肿瘤诊断中，医学影像识别技术可以通过对数千张医学影像的训练学习，快速地鉴别出肿瘤病变。
医学影像识别技术具有快速、精准、无需人机交互等优点，特别是针对大规模肿瘤筛查，具有更高效、更优化的优势。
根据不同的特点，医学影像识别技术可以分为基于传统图像处理技术的医学影像识别技术和基于深度学习的医学影像识别技术。
医学影像技术在肿瘤治疗中的应用
医学影像技术在肿瘤治疗中的应用一、前言随着肿瘤治疗技术的不断发展，医学影像技术在肿瘤治疗中的应用越来越广泛。
医学影像技术可以帮助医生更加准确地诊断疾病，制定更有效的治疗方案，并且实时监测疾病的进展情况。
本文将简单地介绍医学影像技术在肿瘤治疗中的应用。
二、医学影像技术的种类医学影像技术是指通过不同的物理学原理，利用各种仪器设备对人体内部进行成像，以达到诊断和治疗的目的。
常见的医学影像技术包括：1. X线成像技术X线成像技术是指利用X射线对人体内部进行成像。
该技术广泛应用于各种疾病的诊断和治疗。
2. CT成像技术CT成像技术是指利用X射线旋转扫描人体内部，通过计算机处理，生成高清晰度的断层图像。
3. MRI成像技术MRI成像技术是指利用磁场和射频波对人体内部进行成像。
4. PET成像技术PET成像技术是指利用放射性标记的药物通过体内代谢反应，产生的辐射信号进行成像。
三、医学影像技术在肿瘤诊断中的应用医学影像技术在肿瘤诊断中的应用是其最早被广泛应用的场景之一。
医生可以通过医学影像技术获取患者身体内部的图片，进而对肿瘤的位置、大小、形态等进行准确诊断。
同时，医生还可以对肿瘤的活动程度、恶性程度以及患者的整体健康状况进行定量分析和评估，以制定更加精准的治疗方案。
四、医学影像技术在肿瘤手术中的应用医学影像技术在肿瘤手术中的应用也日益广泛。
医生可以通过医学影像技术获取精准的肿瘤位置，以确保手术的准确性和安全性。
此外，医生还可以通过医学影像技术对手术过程进行实时监测，及时判断手术效果，从而降低手术风险和提高手术成功率。
五、医学影像技术在肿瘤治疗中的应用医学影像技术在肿瘤治疗中的应用是其最为广泛的应用场景。
医生可以通过医学影像技术制定更加个性化的治疗方案，包括手术治疗、放疗和化疗等。
在放疗和化疗治疗过程中，医生还可以通过医学影像技术对疗效进行实时监测，以及针对患者的个体化差异调整治疗方案，提高治疗效果和患者的生存率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
重点地区、癌症 早诊率达到50%
肿瘤登记覆盖全 国30%以上人口
癌症防治核心知 识知晓率达60% 成人吸烟率下降 3%
2
癌症诊疗的挑战(1/2)
N=1,950,388. Updated May 12, 2014
2013年4月1日时代杂志封面
我们已经得到 大量肿瘤基因 数据 , 但癌症仍 然无法被治愈
影像组学流程
影像数据
结构影像 功能影像 分子影像 特征 提取
高维特征
强度 形状 纹理
诊疗决策
预测 肿瘤分型 合作 算法 优化
肿瘤分期 生存期
推广应用
提高疾病 早诊率 提高病人 生存期 减轻患者 医疗负担
小波
基因病理 其它 诊疗方案
缓解医院 就诊压力
影像组学利用大数据挖掘技术定量肿瘤异质 性，实现精准诊疗决策，提高病人生存期 8
Gerlinger et al. N Engl J Med 366, 883-92 (2012) Richard et al. J Clin Oncol 22, 277-285 (2004 )
——改自武汉大学周强教授
9
影像组学定位(2/2)
2011年美国基因组学与 生物医学界的智库发表 了《迈向精准医学：建 立生物医学与疾病新分 类学的知识网络》
基于临床数据的分期和预测算法研究 一连串 利用工科优势，开展临床数据的分期和预测算 关键技术 法研究，发表高影响因子学术论文
预测诊断软件开发 一整套 研发一套专门读取临床影像数据并自动进行分 影像软件 期、生存率预测和治疗方案建议的软件系统 19
合作医院
国内超过30余家合作医院
哈医大 附属第四医院 301医院 协和医院 天坛医院 佑安医院 中日友好医院 医科院肿瘤医院
Aerts et al. Nature Communications, 2014, 5: 4006.
18
影像组学研究进展
20余家三甲医院长期合作 一大批 已经与北京、长三角、珠三角、河南等地区的 合作医院 一批三甲医院建立长期合作关系
Radiomics资源数据库建设 一系列 收集一系列格式规范、信息完整的临床影像数 数据资源 据和基因数据，并整理成资源数据库
上海肺科医院 上海长征医院
河南省 人民医院 郑大一附院 西京医院
广东省人民医院 广州医学院一附院 汕头大学附属肿瘤医院
20
影像组学数据规范
=
大量数据 大数据 影像组学大数据是格式规范、信息 完整的病人数据
21
影像组学数据规范
标准DICOM格式的CT断层数据，平扫和增强， 支持MR、PET、超声等数据，复查数据 单幅图像>512*512像素，数据层厚：0.6252.5mm 病理分类、TNM分期、致病基因突变、肿瘤中心 定位等 年龄、性别、是否吸烟等
数据 库的
整合
系统
存储 及共 享
重建
数据
可重
存储
复性
验证
多信息
低冗
余度
Radiomics算法处理流程
24
肿瘤分割(1/3)
分割算法流程 肺支气管分割结果
Wei Shen, A Novel Principal Component Analysis based Airway Segmentation method. IPMI 2015.
影像组学及其在肿瘤研 究与临床中的应用
田捷 Ph.D
Fellow of IEEE, SPIE, IAMBE, AIMBE, IAPR
中国科学院分子影像重点实验室
2017年8月13日
1
国家对癌症的重视
2015年9月，国家卫计委、发改委等16个部门联合印 发《中国癌症防治三年行动计划（2015-2017年）》
影像组学定位(1/2)
免疫系统 可排除
肿瘤微环境导致 微小癌分子和癌细胞
5mm
1kg左 右肿瘤
正 常
基因 异常
开始 增殖
前癌 病变
发 生 癌 症
出现 病状
转 移
死 亡
基因诊断
肿瘤异质性 不确定性高
影像组学
基因+影像+病理 早期诊断,精准医学
常规影像
PET,CT,MRI,超声 无法诊断5mm以下肿瘤
基因病理
基因层次
7
Virendra Kumar et al, Magnetic Resonance Imaging, 2012, 30:1234. (被引55次) Philippe Lambin, European Journal of Cancer 2012;48: 441-446.(被引100次)
—中国癌症调查报告，2013
11
国际研究进展(1/7)
数据 分割 特征
强 度
分析预测
病理信息
形 状
小 波
美国莫菲特 癌症中心 Robert J. Gillies
纹 理
影像特征
基因表达
影像组学通过融合基因和病理信息可 量化微环境，早期定量肿瘤的异质性
Aerts et al. Nature Communications, 2014, 5: 4006.
——改自武汉大学周强教授
？
Gerlinger et al. N Engl J Med 366, 883-92 (2012) Richard et al. J Clin Oncol 22, 277-285 (2004 )
5
缺乏定量评估手段
英国癌症研究中心 伦敦研究所
Charles Swanton MD Gerlinger et al. N Engl J Med 366, 883-92 (2012). 被引用2368次
25
肿瘤分割(2/3)
与上海长征医院合作肿瘤自动分割，精度提高10%
2D
3D
LIDC公开数据集819例数据的精度为81.57%. 较之于水平集方法和图割方法，精度提高 14.95%(p<0.0005)和10.18%(p=0.004).
Jiangdian Song, A New Automated Lung Nodule Segmentation Algorithm Based on Toboggan and region growing. IEEE TMI, 2015, accepted.
预示验证 H&N cancer cohort
预示验证 H&N cancer cohort
与基因表达式 的关系
Aerts et al. Nature Communications, 2014, 5: 4006.
14
国际研究进展(4/7)
影像特征种类 代表性特征
a. b. c. d. a. b. c. d. 最大值 标准方差 能量 范围 紧密度 最长的三维直径 表面面积 体积
10
肺癌影像组学
以肺癌为例， 2010 年中国共 54 万发病率， 45 万死
亡率，且在过去30年以465%的速度增长
肺癌居恶性肿瘤首位，在非小型细胞肺癌患者中， 五年存活率依然很低，不足19%。
中国每年花在肺癌治疗上的费用近400亿
各大医院开始关注肺癌的检测。肺癌筛检中假阳性 较高，活检代价较大
数据格式
病理信息
治疗信息 预后信息
药物治疗、手术治疗、放化疗、基因靶向治疗等 药物用量、治疗次数、靶向药物类型等
2年以上的病人随访记录，明确死亡时间 控制删失数据在10%
详细参考《中国科学院分子影像重点实验室合作医院影像组学数据规范细则》 22
影像组学数据资源
已建立多中心、多肿瘤、多模态数据资源平台，含 五类癌症数据逾5000例；预计年底扩充至8000例。
2015年1月份美国总统 奥巴马宣布了“精准医 疗计划” (Precision Medicine Initiative)，探 索个体精准诊疗方法。
影像组学通过全面评价肿瘤的异质性，可 以使医学诊疗更精准
Aerts et al. Nature Communications, 2014, 5: 4006.
45
46
c
161
162
163
164
165
166
155
156
157
158
159
160
161
162
163
164
165
166
155
156
157
158
159
160
实质性肺结节自动分割结果
GGO肺结节自动分割结果
27
Jiangdian Song, A New Automated Lung Nodule Segmentation Algorithm Based on Toboggan and region growing. IEEE TMI, 2015, accepted.
脑胶质瘤 肺癌 3家合作医院 4000余例 3家合作医院 400余例 乳腺癌 1家合作医院
100余例
肝癌
1家合作医院 50余例
胰腺癌 1家合作医院
60余例
23
影像组学关键技术进展
特征提取 及量化
特征 空间 自动 提取
影像数据
CT MRI …
肿瘤分割
预测分析 治疗决策
PACS
采集
金标准 全自动
信息 分析
个数
14
1
强度
2
形状
8
3 4
纹理 小波
a. 最大可能性 b. 和平均 c. 和熵 a. 肺的边界 b. 自由与粘贴面积比 c. 解剖位置
33
共计440个特征
Aerts et al. Nature Communications, 2014, 5: 4006.