文章来源:中华放射学杂志,,54(08):-
作者:刘佳崔磊
摘要影像组学作为一门新兴学科在肺肿瘤性病变中应用广泛,该学科定量分析的前提是图像特征具有较高的可重复性。多数研究表明组学特征稳定性的影响因素颇多,胸部生理运动更增加了病灶图像特征应用价值的不确定性。本文旨在对原发性肺癌影像组学在CT、MRI及PET-CT中的可重复性研究进展进行综述。肺癌是肺内最常见的恶性肿瘤,居国内癌症患病率和病死率首位[1]。影像学检查是发现及评估肺肿瘤的重要手段。随着大数据时代的到来,人工智能在影像医学上有了新的突破,机器学习作为人工智能的核心技术旨在发掘图像隐藏纹理信息,为影像组学在精准医疗的发展提供新机遇。然而,多数研究显示图像特征稳定性的影响因素颇多[2],不稳定的特征直接影响预测模型的诊断效能[3,4]。对于胸部来说,特征稳定性除涉及技术层面外,还需考虑呼吸、循环等生理运动带来的影响[5],这进一步增加了肺癌影像组学研究的难度。因此,笔者旨在综述原发性肺癌影像组学在CT、MRI及PET-CT中的可重复性研究进展,试图寻找影像组学在肺癌开展研究的合适方式和相