發(fā)布時(shí)間：2020-09-07所屬分類：醫(yī)學(xué)論文瀏覽：1次
摘 要： [摘要]影像組學(xué)是將數(shù)字圖像處理技術(shù)和數(shù)字建模技術(shù)與醫(yī)學(xué)影像學(xué)相結(jié)合，通多自動(dòng)和半自動(dòng)算法對影像資料的感興趣區(qū)(ROI)提取大量影像學(xué)特征，在統(tǒng)計(jì)數(shù)據(jù)分析的基礎(chǔ)上，尋找影像學(xué)特征與臨床診療數(shù)據(jù)之間的相關(guān)性。本文就影像組學(xué)在肺結(jié)節(jié)良惡性鑒別中的應(yīng)用
[摘要]影像組學(xué)是將數(shù)字圖像處理技術(shù)和數(shù)字建模技術(shù)與醫(yī)學(xué)影像學(xué)相結(jié)合，通多自動(dòng)和半自動(dòng)算法對影像資料的感興趣區(qū)(ROI)提取大量影像學(xué)特征，在統(tǒng)計(jì)數(shù)據(jù)分析的基礎(chǔ)上，尋找影像學(xué)特征與臨床診療數(shù)據(jù)之間的相關(guān)性。本文就影像組學(xué)在肺結(jié)節(jié)良惡性鑒別中的應(yīng)用研究進(jìn)行綜述。
1.影像組學(xué)概述
影像組學(xué)將數(shù)字圖像處理技術(shù)和數(shù)字建模技術(shù)與醫(yī)學(xué)影像學(xué)相結(jié)合，探究腫瘤影像學(xué)特征與臨床診療數(shù)據(jù)的相關(guān)性，總結(jié)肺癌的發(fā)生發(fā)展規(guī)律，從而精準(zhǔn)鑒別肺結(jié)節(jié)的良惡性。[1-3]。
2.影像組學(xué)工作流程
2.1圖像采集
圖像采集主要通過CT、MRI、PET-CT等掃描技術(shù)獲得，CT因其具有較高的空間分辨率和灰度對比度，能有效分析腫瘤和淋巴結(jié)的形狀、密度、紋理等特征，而廣泛的而應(yīng)用在肺結(jié)節(jié)良惡性鑒別[2]。
2.2圖像分割
對感興趣區(qū)的分割有三種方法：人工分割法、半自動(dòng)分割法、自動(dòng)分割法。人工分割法準(zhǔn)確度高，對不規(guī)則邊界勾畫精細(xì)，但容易受主觀因素的影響[4];半自動(dòng)和自動(dòng)分割法是影像組學(xué)發(fā)展的未來方向，可重復(fù)性高5]。
2.3圖像體征提取和量化
利用GLCM、GLRLM、GLSZM、NGTDM等數(shù)學(xué)方法對影像學(xué)特征進(jìn)項(xiàng)量化，例如用灰度均值、灰度方差等數(shù)值描述圖像的灰度分部。目前常用的特種提取方法，如ROI分割算法和特征提取算法在特征提取中的速度和精度較慢，難以滿足實(shí)時(shí)高效的研究要求，是目前影像組學(xué)多應(yīng)用于回顧性分析的重要限制因素[6]。
2.4 特征選擇
特征選擇的過程即標(biāo)準(zhǔn)制定過程，根據(jù)量化數(shù)據(jù)的穩(wěn)定性和相關(guān)性制定評分標(biāo)準(zhǔn)，對量化數(shù)據(jù)進(jìn)行篩選。常用的選擇方法有：ASSOCox回歸模型、mRMR、RELIEF、PCA等分析方法，其中ASSOCox回歸模型利用罰對數(shù)似然函數(shù)最大化，是目前最常用的特征數(shù)據(jù)選擇處理方法[3]。
2.5 建立模型
影像組學(xué)的特征和分類模型建立方法主要有：logistic回歸模型、隨機(jī)森林(random forest)、“leave-one out”交差驗(yàn)證、支持向量機(jī)(SVM)等。：logistic回歸模型建立過程簡單，容易實(shí)現(xiàn)，成為目前主要的模型建立方法，在影像組學(xué)預(yù)測模型建立的過程中需要大量的專業(yè)人員對量化的影響特征進(jìn)行整理，建立影像學(xué)特征和腫瘤表型的相關(guān)性關(guān)系[7]。
3、影像組學(xué)在肺結(jié)節(jié)良惡性鑒別中的研究
傳統(tǒng)的CT掃描對典型的良惡性肺結(jié)節(jié)診斷精確，但對于不典型的肺結(jié)節(jié)，例如肺小結(jié)節(jié)，傳統(tǒng)的CT掃描圖像特異性較低，白春學(xué)[8]設(shè)計(jì)提出肺結(jié)節(jié)的高通量特征為：肺結(jié)節(jié)的大小、形狀、密度與強(qiáng)化程度、邊緣毛刺程度等。形態(tài)特征指肺結(jié)節(jié)的大小和規(guī)則程度等。Peikert 等[9]經(jīng)利用LASSO COX回歸模型篩選出 7 個(gè)量化的影像組學(xué)特征，在肺結(jié)節(jié)良惡性鑒別中，特異性為0.856，敏感性為0.9。Chen等[10]采用影像組學(xué)分析方法構(gòu)建的分類器對于鑒別良惡性肺 結(jié)節(jié)表現(xiàn)出的敏感性 92. 9% ，特異性為 72. 7，準(zhǔn)確性為 84. 0% 。Choi等[11]在低劑量 CT 中比較了LASSO COX回歸模型與ACR 研究的Lung - RADS 系統(tǒng)，結(jié)果表明 LASSO COX模型具有更高的敏感性和特異性。
相關(guān)知識推薦：醫(yī)學(xué)影像高級職稱評審論文材料
4.討論
研究表明，影像組學(xué)特征與肺結(jié)節(jié)的良惡性間存在一定的相關(guān)性，可以無創(chuàng)提取腫瘤特征，在肺癌的篩查、診斷、預(yù)后、療效評估全過程中起重要的輔助作用，但由于缺少標(biāo)準(zhǔn)化的圖像處理方法，目前影像組學(xué)仍停留在回顧性分析階段，難以在臨床診斷中廣泛應(yīng)用。如何提高影像組學(xué)特征提取精度和速度，標(biāo)準(zhǔn)化掃描過程是影像組學(xué)應(yīng)用發(fā)展亟待解決的問題。——論文作者：李麗 1 王敏 2 ( 通訊作者)
