田捷_影像组学及其在肿瘤研究与临床中的应用
肿瘤功能影像组学
(第二一பைடு நூலகம்期)
肿瘤功能影像组学
侯祖军 博士
新加坡费莎医疗科技公司 2019年6月21日(周五) 下午 3:00-4:00
新波谱楼M-1217报告厅
报告人简介：侯祖军，新加坡国立大 学博士，新加坡费莎医疗科技公司 负责人，温州医科大学兼职教授。他 长期从事计算机图像处理的算法与应 用方面的研究，曾任新加坡科技研究 局生物特征实验室主任，博士生导师 ，新加坡教育部与科研局基金评委。 发表SCI文章23 篇，EI 文章45 篇。
主办单位:武汉物数所理论与交叉研究部
王佳舟--影像组学在放疗中的初步应用
特征提取
• 纹理特征 / Texture feature
– 灰度共生矩阵 / Gray Level Co-occurrece Matrix (GLCM)
• 统计特征 / Statistical feature • 直方图特征 / Histogram feature • 形状特征 / Shape feature • 分形特征 / Fractal feature • 小波特征 / Wavelet feature
Байду номын сангаас
灰度共生矩阵 / Gray Level Cooccurrece Matrix (GLCM)
• 计算相邻像素之间的关系
形状特征 / Shape feature
• Volume • Surface area • Curvature • etc…
Lee et al. Med. Phys. 42 (9), September 2015
影像组学在放疗中的初步应用
王佳舟
• 钟浩宇 • 周震 • 胡盼盼 • 胡伟刚 • 申丽君 • 章真
感谢
关键问题
影像组学
• AAPM和ASTRO热点之一
内容
• 什么是影像组学？ • 如何进行影像组学的分析？ • 影像组学在放疗中会有什么用？
什么是影像组学
• Genomics 基因组学 • Proteomics 蛋白组学 • Radiomics 影像组学(放射影像组学)
获取影像
• 两个问题：
– 影像采集的影响？ – 不同设备的一致性？
• 开展重复性和一致性的研究
如何进行影像组学的分析
• 获取影像 • 轮廓勾画 • 特征提取 • 分析建模
轮廓勾画
• 自动勾画 • 半自动勾画 • 手动勾画 • 一致性研究
基于薄层CT的影像组学和形态学特征联合模型在预测磨玻璃样肺腺癌浸润程度的价值
•64•临床放射学杂志2022年第41卷第1期V胸部影像学A基于薄层CT的影像组学和形态学特征联合模型在预测磨玻璃样肺腺癌浸润程度的价值许昌，刘玉霞，郭兰田，张强，张骞，张虎*【摘要】目的探讨基于薄层CT的影像组学和形态学特征联合模型在预测磨玻璃样肺腺癌中的原位癌（AIS）、微浸润腺癌（MIA）、浸润性腺癌（IAC）的价值。
方法回顾性分析2018年6月至2021月3月经病理证实的327例肺腺癌患者（335个病灶）术前肺部CT检查图像，随机选取201个为训练集，134个为测试集:肺腺癌参照病理金标准分三种亚型，分别为AIS、MIA、IAC：评估肺癌的常规CT影像征象;应用3D Slicer软件在每个病灶最大层面勾画感兴趣区（ROI）并提取851个影像特征，采用r检验和应用最小绝对收缩和选择算子（LASSO）算法进行降维：采用10倍交叉验证的方法进行过拟合，建立三种Logistic回归模型，即形态学模型、影像组学模型和联合诊断模型：采用受试者工作特征曲线（ROC）评价三种预测模型效能:结果病灶的大小、类型、血管及支气管改变、CT值、影像组学标签在训练集和测试集的差异均具有统计学意义"形态学模型、影像组学模型和联合诊断模型，在训练集中ROC曲线下面积（AUC）分别为0.833（95%CI0.775-0.886）,0. 842（95%CI0.786-0.895）,0.869（95%CI0.819-0.916）,在测试集中分别为0.858（95%CI0.789-0.917）,0.872（95%CI0.808-0.935）,0.908（95%C10.855-0.958）;联合模型诊断效能最佳。
结论结合薄层CT的影像组学和形态学特征构建联合诊断模型，能有效地预测磨玻璃样肺腺癌浸润程度【关键词】肺腺癌分化程度影像组学磨玻璃密度影Radiomics Features Combined with Morphological Signs Based on Thin-Slice CT for Predicting the Invasive of Pulmonary AdenocarcinomaAppearing as Ground-Glass NodulesXU Chang,LIU Yuxia,GUO Lantian,et al.Department of Radiology,Affiliated Hospital of Binzhou Medical College,Binzhou,Shandong Province256603,P.R.China[Abstract）Objective To explore the value of a combined model of radiomics features and morphology based on thin-slice CT for predicting AIS,MIA,and IAC in ground-glass lung adenocarcinoma.Methods Retrospective analysis of327 lung adenocarcinoma patients（335lesions）from June2018to March2021lung CT scan images before surgery,201were randomly selected as the training set and134were selected as the validation set.Lung adenocarcinoma is divided into three subtypes according to the pathological gold standard AIS,MIA,an（lIAC.Evaluate the conventional CT radiomic signs of lung cancer,3D Slicer software was used to extract851radiomic features from ROl at the largest level,and then Z-test and LASSO was used to select and construct radiomic signature.A10-fold cross-validation method was used for overfitting,and three Logistic regression models were established morphology model,radiomic model and combined diagnosis model.The receiver operating characteristic curve was used to evaluate the effectiveness of the three prediction models.Results Size,type,vascular and bronchial changes,CT value,a n d radiomic signature were statistically significant in the training and validation set.The area under the ROC curve of the morphological model,radiomic model and combined diagnosis model in the training set were0.833[95%CI,0.775-0.886],0.842[95%CI,0.786-0.895],0.869[95%CI,0.819-0.916],in the validation set were0.858[95%CI,0.789-0.917],0.872[95%CI,0.808-0.935],0.908[95%CI,0.855-0.958],the本研究系山东省医药卫生科技发展计划项目（编号:202009010691）;教育部产学合作协同育人项目（编号：202101160002）作者单位=256603滨州医学院附属医院放射科（许昌、郭兰田、张强、张虎）；病理科（张骞）;264003烟台，滨州医学院（烟台校区）图书馆（刘玉霞）；*通讯作者临床放射学杂志2022年第41卷第1期・65・combined model has the best diagnostic performance.Conclusion The combined diagnosis model based on the CT morphological and radiomic features has a high application value in predicted extent of ground-glass lung adenocarcinoma.[Key words]Lung adenocarcinoma Differentiation Radiomics Ground-glassopacity在我国肺癌是现阶段最常见且死亡率最高的恶性肿瘤⑴。
多模态影像组学在肺癌中的研究进展
·181CHINESE JOURNAL OF CT AND MRI, DEC. 2022, Vol.20, No.12 Total No.158【第一作者】齐淑娜，女，硕士研究生，主要研究方向：胸部肿瘤的影像诊断。
E-mail：****************【通讯作者】王广丽，女，副主任医师，主要研究方向：胸部肿瘤的影像诊断。
E-mail：***************Advances in Multimodal Imaging in Lung Copyright ©博看网. All Rights Reserved.中国CT和MRI杂志 2022年12月 第20卷 第12期 总第158期型，得到的训练集及测试集的AUC值分别为0.850、0.838，其对应的敏感度、特异度分别为92.0%、76.0%和89.0%、80.0%；若将其影像学特征模型与CT特征模型联合起来，训练集及测试集得到的AUC值分别为0.879、0.869，其对应的敏感度、特异度分别为94.0%、90.0%和92.0%、89.0%，显而言之，影像组学联合CT特征模型的预测精度较好。
这说明结合了影像组学的常规CT 能进一步较好的进行术前的鉴别，为晚期的肺癌患者提供早期的个性化治疗。
随着CT技术的提升，能谱CT也逐渐成为临床诊疗过程中一项全新的CT技术，能谱CT可以同时获取两个不同能量级的数据，将原始的单参数、多能量成像转换为多参数、单能量成像[12]。
Liang G[13]等通过对153例患者进行分析，提取了1130个影像学特征，通过PCA分析法分别选取22、25、35个主成分构建三个模型(ModelAP、ModelVP和ModelCombination),结果得知ModelCombination的AUC值最高(0.8772)，并通过Delong检验证明，ModelCombination的AUC值分别与ModelAP、ModelVP 的AUC值差异有统计学意义，而ModelAP的AUC值与ModelVP的AUC值差异无统计学意义；说明能谱CT的动脉期与静脉期结合模型在临床的实用性高于其他模型。