影像组学的临床应用研究.ppt

《影像组学的临床应用研究.ppt》由会员分享，可在线阅读，更多相关《影像组学的临床应用研究.ppt（35页珍藏版）》请在装配图网上搜索。

1、郭小芳 概念 处理流程 影像组学的临床应用 影像组学的优势 结构成像 功能成像 分子生物学 分子影像学 数字化医学影像学 基因组学 影像组学 radiomics 医学影像学 最早由荷兰学者在 2012年提出； 指从影像（ CT、 MRI、 PET等）中高通量地提取大量影像信息，实现肿 瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层 次的挖掘、预测和分析来辅助医师做出最准确的诊断。 直观地理解为将 视觉影像信息 转化为深层次的特征来进行 量化 研究。 定义：一种规模大到在获取、存储、管理和分析等方面都 大大超出了传统数据库软件工具能力范围的数据范围。 主要特征： “ 4V” Vol

2、ume：海量的数据规模 Velocity：快速的数据流转 Variety：多样的数据类型 Value：价值大，价值密度低 （ 1）影像数据的获取； （ 2）图像的分割与绘制； （ 3）特征的提取和量化； （ 4）影像数据库的建立； （ 5）分类和预测。 影像数据的获取 入组数据需要具有相同或相似的采集参数， 保证数据不会受到机型、参数的影响。 CT： 可能是最为直接且最容易进行比对的，信号强度能与组织密 度联系起来 PET-CT： 主要的挑战是对示踪剂计量的校对和代谢容量或 VOI 的重建问题 MRI： 磁共振影像信号强度变量，来源于组织各种内在固有属性复 杂的相互作用 NSCLC肿瘤中，影像

3、组学特征的可变性与不同的 CT扫描的图像有关。应考 虑这些相互扫描的差异，并在未来的研究中尽量减少它们的影响。 Measuring Computed Tomography Scanner Variability of Radiomics Features 异质性优化框架（ HOF） 降低由于采集 MR图像的仪器、方案的不同对 肿瘤的异质性分析所造成的影响。 质控指南的开发： 影像特征 (分辨率、重建以及参数获取 ) 临床参数 (疾病阶段、疾病的类型和结果 ) 图像的分割与绘制 将图像分割为感兴趣容量 (volumes-of- interest VOI) 人工手动 ： 精度最高 ，费时费力，重复

4、性低 半自动： 速度提高 ，准确性较低，依赖操作者经 验 自动： 重复性好 ， 研究阶段 图像分割算法 基于阈值的分割方法：广泛 基于边缘的分割方法 基于区域的分割方法 特征提取与量化 广义：通过变换的方法用低维空间表示高维度特征数据； 狭义：将 ROI分割完成后，就可以对其进行特征提取。 特征： 常见描述病变的术语（形状、大小、密度、边缘等） 病变定性的描述 通过计算机分析提取的不可视特征（直方图、纹理、分形 维等） 定量描述病变的异质性（肿瘤） 数据库的建立与共享 个体化数据分析 在分析定量 Radiomics特征时 ， 需要考虑影像采集参数 不同、呼吸运动位移带来的干扰 ， 使用合理的方

5、法 筛选 抗噪声能力强的 Radiomics特征 ， 并通过调整参数 ， 提 高影像特征的稳定性。 ROI的勾画应具有较好的 可重复性及准确性 。 模型的建立应通过努力扩大样本数量、选择合适的机器 学习演算法 ， 提高预测效能、 尽量降低过拟合风险 。 Radiomics的研究结果必须具有可重复性 ， 得到多中心 研究的验证。为了实现较高的可靠性与可重复性 ， 在 Radiomics研究流程的各个步骤和临床上 , 均有不同的 困难需要克服 。 1、良恶性病变的鉴别诊断及肿瘤分期 辅助诊断肺结节的良恶性 ： Radiomics可以提高肺部结节 诊断的准确性。 与良性结节相比 , 恶性结节的 CT

6、密度直方图具有更高的峰 度和更低的偏度 , ROC曲线下面积 0.710.83。利用肺结 节的分形维度可以将肺癌与肺炎、结核区分开。综合利用 形状、大小、直方图特征 , 可以将判断结节良恶性质的 ROC曲线下面积从 0.79提高到 0.84 Radiomics of Lung Nodules: A Multi-Institutional Study of Robustness and Agreement of Quantitative Imaging Features Radiological Image traits Predictive of Cancer Status in Pulmon

7、ary Nodules Effects of contrast-enhancement, reconstruction slice thickness and convolution kernel on the diagnostic performance of radiomics signature in solitary pulmonary nodule A Clinical Model To Estimate the Pretest Probability of Lung Cancer in Patients With Solitary Pulmonary Nodules （ PET）

8、SCREENING AND EARLY DETECTION OF LUNG CANCER 11 papers related to computed tomography (CT) Radiomics, 3 to Radiomics or texture analysis with positron emission tomography (PET) and 8 relating to PET/CT Radiomics. There are two main applications of Radiomics, the classification of lung nodules (diagn

9、ostic) or prognostication of established lung cancer (theragnostic). Radiomics applied to lung cancer( 2016 ) CT对纵隔淋巴结分期的价值有限，纹理分析可以测量肉 眼不能见的肿瘤异质性， CT 纹理分析可能准确的鉴别 良恶性淋巴结。 Quantitative CT texture and shape analysis: Can it differentiate benign and malignant mediastinal lymph nodes in patients with pr

10、imary lung cancer? 2、肿瘤的异质性，肿瘤的治疗反应及疗效评估 由于在 CT上，辐射诱发的肺损伤与复发的肿瘤表现 相似，因此评估 SABR的疗效是复杂的，目前推荐 CT， PET-CT评价，但是效果欠佳，使用新方法如纹理分 析等影像组学，形成大数据，可以作为常规，早期、 精准的评价。 New techniques for assessing response after hypofractionated radiotherapy for lung cancer（ 2014） 利用 Radiomics方法 , 可以提高肿瘤体积测量的精度。 在体积之外的参数中 ， CT密度变异度

11、可独立预测肿瘤对 TKI治疗的反应 。 Cunliffe等观察到 12个与放射性肺损伤的发生密切相关的 Radiomics特征。可帮助临床医生提早发现放射性肺损伤 的发生 ，并 及时进行干预 ，可 提高 NSCLC放疗安全性。 Radiomics辅助治疗方案的制定和随访 联合铂类的化疗方案引起肿瘤代谢的改变，肿瘤的异质 性会发生变化，也会引起整个肿瘤或局部一定程度的纹 理特征改变，这个改变对于预测局部晚期 NSCLC患者的 治疗反应和生存期有一定的价值。 Early Change in Metabolic Tumor Heterogeneity during Chemoradiotherapy

12、 and Its Prognostic Value for Patients with Locally Advanced Non-Small Cell Lung Cancer 3、肿瘤转移及预后的预测模型 In radiation oncology, these models combine both predictive and prognostic data factors from clinical, imaging, molecular and other sources to achieve the highest accuracy to predict tumor response

13、 and follow-up event rates。 - Predicting outcomes in radiation oncology multifactorial decision support systems。 肿瘤转移及预后的预测模型 纹理特征可以作为一种预后指标预测软组织肉瘤是 否发生转移。同时用影像组学特征构建预测模型， 纹理作为一种肿瘤内部异质性的生物标记物，可以 帮助医师对病理进行更深入的分析。 肿瘤基因表型预测 Yoon等将 CT和 PET中提取的 Radiomics特征与年龄、肿 瘤分期、最大 SUV值结合起来建模 , 可区分 ALK、 ROS1、 RET融合基因阳

14、性和阴性的肺腺癌。 Aerts等发现 ,， GLCM和 CLRL中提取的 CT纹理特征与基 因表达模式强烈相关。 Radiomics特征能反映生物组学信息的可能 ， 将为指导靶 向和免疫治疗个体化以及疗效监测和治疗方案的调整带来 更多机会。 影像组学基于数据进行分析，提取高维图像特征作为新的 生物标记物来帮助临床决策。用影像组学特征预测突变型 表皮生长因子受体（ EGFR）的文献中提到，用 5个影像组 学特征集和病理分级、是否抽烟等临床特征相结合，可以 将仅由临床特征预测突变得到的曲线下面积由 0.667提高 到 0.709。 影像学检查 无创 , 可获得更好的患者依从性 , 并减轻对 患者的

15、创伤。 影像学检查获取的是肿瘤在人体内的信息 , 可以实现对 肿瘤生物学特性的 在体监测 。而活检等方法是对离体标本 进行检测 , 其结果可能与在体肿瘤有差异。 Radiomics是对肿瘤 整体的特征 进行分析 , 反映整个肿 瘤的生物学特性 , 不受标本大小、位置、质量的限制 , 且 能反映肿瘤内部的异质性。 Radiomics可以采用 类似系统生物学 反映肿瘤整体生物 学特性。 在整个治疗过程中 , 可 对患者 多次进行影像学检查 ， 追 踪影像特征的变化 ， 动态监测疗效 ,，早期 发现复发和转 移迹象。 四、影像组学的优势 Radiomics分析使用 定量 的影像特征 , 从医学影像中挖 掘更多的信息并将其量化 , 为制定和调整治疗方案提供更 准确的参考。 Radiomics的分析可 通过计算机完成 ,， 不增加费用。 医学影像 图像作 为数字信息 ， 可通过互联网进行远距离 的、大数据量的 传播与共享 ， 从而有能力进行多中心、大 数据的研究 ， 提高结论的可靠性和可重复性 。 目前 , Radiomics研究多数停留在用组学信息描 述肿瘤生物学特性方面 , 绝大多数是基于回顾性 资料所做的工作 。 临床应用研究。 前瞻性研究，预测模型的建立。