影像组学在神经系统疾病中的应用研究(1)
摘要：医学影像学在疾病诊断、分期或分级、治疗以及预后判断中都有着不可或缺的地位。影像组学(radiomics)是一种高通量数据分析方法，从影像中获取标准的、量化的数据并以之建立模型，具备准确性、客观性以及可重复性，可结合多种成像方式，为医学影像学在临床实践中提供帮助。这种非侵入性的检查在神经系统疾病的诊治中应用广泛，因此，本文主要综述影像组学在神经系统疾病中应用的最新研究进展。
关键词：影像组学;脑胶质瘤;阿尔兹海默病;动脉粥样硬化
中图分类号：R739.41 文献标识码：A DOI：10.3969/j.issn.1006-1959.2019.16.015
文章编号：1006-1959(2019)16-0047-04
Abstract：Radiomics has an indispensable role in disease diagnosis， staging or grading， treatment and prognosis. Radiomics is a high-throughput data analysis method that acquires standard and quantified data from images and models them with accuracy， objectivity， and repeatability. It can be combined with multiple imaging methods. Helping medical imaging in clinical practice. This non-invasive examination is widely used in the diagnosis and treatment of neurological diseases. Therefore， this paper mainly reviews the latest research progress in the application of radiomics in neurological diseases.
Key words：Radiomics;Glioma;Alzheimer's disease;Atherosclerosis
影像组学是一种非侵入性的图像分析方法，以医学影像学为基础，基于机器学习或统计学方法，筛选出可量化、可再现的分析指标并构建模型，为临床医师提供详实而准确的信息以辅助临床决策[1]。2012年，荷兰学者Lambin P等[1]由放射基因组学(radio-genomics)启发，衍生提出影像组学(radiomics)的概念，并将之定义为“采用高通量技术从放射图像中提取成像特征，创建可利用的数据库。”神经病学在十九世纪才真正诞生并进入发展期，目前人们对于神经系统疾病的了解尚有限，也缺乏相关的检查手段，多数疾病的最初认识都源于解剖以及活检[2-5]。随着影像学的发展以及医工结合的大势所趋，以影像组学为基础的非侵入性的诊疗模式成为神经科研究者所关注的重点之一[6]。本文将简介影像组学的工作流程，并综述影像组学在神经系统疾病的临床应用新进展。
1影像组学工作流程
有别于传统影像学，影像组学是整合CT、MRI、PET和超声等各种影像学手段，联系多学科知识和技术的产物[7]。其主要流程包括获取图像、分割图像、提取特征和筛选、建模和分析等[8]。需要注意的是，影像组学的工作建立在大数据分析的基础上，图像采集设备、参数等会对影像組学提取的特征产生影响，故需使用标准化成像方案来消除不必要的混杂因素[9]。
获取大量标准化医学影像数据后，图像分割即对目标组织进行分割的准确性也将影响影像组学的分析结果。操作者可借助手动、半自动和全自动图像分割软件[10]，不同方式的准确性亦有所差异，导致放射性特征的评估引入中会存在偏差[8]。研究表明，基于3DSlicer的半自动分割方法的可重复性优于手动分割的可重复性[11，12]。但这并非唯一解决方式，实践中应根据不同的病灶特点选择合适的分割方式。
特征提取和筛选是借助计算机视觉将图像转化为量化的数据并在此基础上分类分析。常用影像组学特征有形态学特征，一阶、二阶及高阶统计输出等[13]。特征的筛选可能导致最终结果的偏差或者过度拟合，从而影响分析结果的敏感性和特异性。
建模和分析是工作的最后一步，通过统计方法、机器学习和人工智能等途径，结合临床数据，可辅助临床诊断、鉴别诊断、治疗决策和预后观察，预测和评估所提问题[8]。
2影像组学在神经系统疾病中的应用
2.1脑胶质瘤 脑胶质瘤源自神经胶质细胞，是脑和脊髓中最常见的原发性肿瘤[14]，其年发病率约为6/10000[15]。临床工作中其评级等向来需要严格的病理学检查，但由于胶质瘤在病理特征上的异质性，组织活检常常致误诊和错误分期[16]，通常需要借助MRI协助诊断。因此MRI作为基础无侵入性的影像组学技术在胶质瘤的临床应用是当期的研究热点[17]。肿瘤影像反映了包括基因表达、瘤细胞增生和血管形成等在内的肿瘤的形态学和微小尺度的生物学动态变化，对不同表观特征的脑肿瘤形成了具有应用价值的不同组学标签[18]。通过从脑肿瘤的放射图像中提取定量信息，神经肿瘤的影像组学为早期脑肿瘤的检测、检测及诊断提供了工具，并使检测神经肿瘤的生物学行为成为可能。, http://www.100md.com(黄梦倩 张瑞恒 刘楚浩 杨守博)
关键词：影像组学;脑胶质瘤;阿尔兹海默病;动脉粥样硬化
中图分类号：R739.41 文献标识码：A DOI：10.3969/j.issn.1006-1959.2019.16.015
文章编号：1006-1959(2019)16-0047-04
Abstract：Radiomics has an indispensable role in disease diagnosis， staging or grading， treatment and prognosis. Radiomics is a high-throughput data analysis method that acquires standard and quantified data from images and models them with accuracy， objectivity， and repeatability. It can be combined with multiple imaging methods. Helping medical imaging in clinical practice. This non-invasive examination is widely used in the diagnosis and treatment of neurological diseases. Therefore， this paper mainly reviews the latest research progress in the application of radiomics in neurological diseases.
Key words：Radiomics;Glioma;Alzheimer's disease;Atherosclerosis
影像组学是一种非侵入性的图像分析方法，以医学影像学为基础，基于机器学习或统计学方法，筛选出可量化、可再现的分析指标并构建模型，为临床医师提供详实而准确的信息以辅助临床决策[1]。2012年，荷兰学者Lambin P等[1]由放射基因组学(radio-genomics)启发，衍生提出影像组学(radiomics)的概念，并将之定义为“采用高通量技术从放射图像中提取成像特征，创建可利用的数据库。”神经病学在十九世纪才真正诞生并进入发展期，目前人们对于神经系统疾病的了解尚有限，也缺乏相关的检查手段，多数疾病的最初认识都源于解剖以及活检[2-5]。随着影像学的发展以及医工结合的大势所趋，以影像组学为基础的非侵入性的诊疗模式成为神经科研究者所关注的重点之一[6]。本文将简介影像组学的工作流程，并综述影像组学在神经系统疾病的临床应用新进展。
1影像组学工作流程
有别于传统影像学，影像组学是整合CT、MRI、PET和超声等各种影像学手段，联系多学科知识和技术的产物[7]。其主要流程包括获取图像、分割图像、提取特征和筛选、建模和分析等[8]。需要注意的是，影像组学的工作建立在大数据分析的基础上，图像采集设备、参数等会对影像組学提取的特征产生影响，故需使用标准化成像方案来消除不必要的混杂因素[9]。
获取大量标准化医学影像数据后，图像分割即对目标组织进行分割的准确性也将影响影像组学的分析结果。操作者可借助手动、半自动和全自动图像分割软件[10]，不同方式的准确性亦有所差异，导致放射性特征的评估引入中会存在偏差[8]。研究表明，基于3DSlicer的半自动分割方法的可重复性优于手动分割的可重复性[11，12]。但这并非唯一解决方式，实践中应根据不同的病灶特点选择合适的分割方式。
特征提取和筛选是借助计算机视觉将图像转化为量化的数据并在此基础上分类分析。常用影像组学特征有形态学特征，一阶、二阶及高阶统计输出等[13]。特征的筛选可能导致最终结果的偏差或者过度拟合，从而影响分析结果的敏感性和特异性。
建模和分析是工作的最后一步，通过统计方法、机器学习和人工智能等途径，结合临床数据，可辅助临床诊断、鉴别诊断、治疗决策和预后观察，预测和评估所提问题[8]。
2影像组学在神经系统疾病中的应用
2.1脑胶质瘤 脑胶质瘤源自神经胶质细胞，是脑和脊髓中最常见的原发性肿瘤[14]，其年发病率约为6/10000[15]。临床工作中其评级等向来需要严格的病理学检查，但由于胶质瘤在病理特征上的异质性，组织活检常常致误诊和错误分期[16]，通常需要借助MRI协助诊断。因此MRI作为基础无侵入性的影像组学技术在胶质瘤的临床应用是当期的研究热点[17]。肿瘤影像反映了包括基因表达、瘤细胞增生和血管形成等在内的肿瘤的形态学和微小尺度的生物学动态变化，对不同表观特征的脑肿瘤形成了具有应用价值的不同组学标签[18]。通过从脑肿瘤的放射图像中提取定量信息，神经肿瘤的影像组学为早期脑肿瘤的检测、检测及诊断提供了工具，并使检测神经肿瘤的生物学行为成为可能。, http://www.100md.com(黄梦倩 张瑞恒 刘楚浩 杨守博)