【影像组学导论】第一部分:官方定义解读。这咋整?读懂这个频道就够了!
【影像组学导论】第一部分:官方定义解读。这咋整?读懂这个频道就够了!
公众号:挺烦的统计
“请问特征提取之后我该如何分析?”
“我想找出有统计学差异的特征,要用什么统计学方法?”
“LASSO的内涵是什么?真的这么厉害?”
“Rad-score是什么?到底要怎么算?”
“那张一条一条的横线,有分值的….,对就是 落-寞-gram! 是什么意思?怎么画??”
“鄙人课题简单粗暴,有哪些高大上的统计图可以撑场面”?
“我想做一批基于影像组学的胶质瘤鉴别应用研究,最少需要搜集多少病例?”
“这是我的病例集、数据分布情况,请问我可以怎么分析?”
“我的Statistical analysis写的不好,你帮检查检查?!”
“老铁,这课题咋设计?至少需要多少病例”
“影像组学还可以在哪些方面应用?核心是什么?怎么实现?”
“我需要具备什么才能上手radiomics?怎么做?能发几分儿啊?有什么瓶颈?未来“K”线图走向?”
“有人说影像组学就是统计学的一种高级应用?是这样吗?”
“……???”
这些问题是否经常困扰你影像组学多年的科研旅程?
几年前鄙人刚开始接触影像组学的时候也有过类似的困惑,经过这几年的摸爬滚打,深入学习,我对这块更加熟悉,终于能总结出一些方法经验和简化代码。希望基于本公众号平台,可以给大家在影像组学Radiomics和医学统计学等方面上提供一些思路和参考。
影像组学作为一门新生学科,需要不断深入研究和探索,希望通过此平台,与各位路人和大神多沟通,多学习,共同进步。
由于篇幅过长,我将分成多期推送,希望大家在研究的路上张弛有度,高效学习。
第一部分 影像组学的官网定义
“Radiomics”最早是由荷兰的学者Philippe Lambin提出来的(见下图),简言之,旨在用“高级特征分析法”从医学影像中提取出更多的信息来协助临床的一种辅助诊断方式。
解读:“高级特征法”其实就是针对“影像”中的某个“区域”,用特定的“工具”提取“信息”、“分析”信息,进而对临床进行“辅助诊断”。
“影像”:常见的有平扫/增强CT、磁共振MRI、PET影像、超声、X-ray等(甚至简单至单张图片也可以执行,但基本不做),图像搜集完毕后可能需要进行格式转化、配准的内容。
“区域”:区域就是指需被研究的内容,官方称“ROI,即Region Of Interest感兴趣区域”,这个ROI是需要被勾画出来的,也可以称“分割”,目前分割的方法有①全自动分割法(滑降区域生长法(region-growing methods)、图割法(graph cut methods)、基于容量CT的分割法(volumetric CT-based segmentation)或是基于深度学习模型结晶而成等等);②半自动分割算法(semiautomatic segmentations);③打工人手动分割法(ITK-SNAP(地址http://www.itksnap.org/pmwiki/pmwiki.php)、3D-slice(地址https://www.slicer.org/))是目前最常用的,为什么?你懂得。
“工具”:目前常用的、公认的有①Pyradiomics(网址:https://pyradiomics.readthedocs.io/en/latest/index.html),这是一个基于Python语言环境下的开源库,可以理解为R语言内的函数包,可以用来提取特征,但需在Python环境下进行编码,才能完成,也有很多其他资料,请参考官网;②IBSI(Image Biomarker Standardisation Initiative),这是特征的定义、公式等纯理论具体内容,常用MATLAB、C++等语言实现;③IBEX,是MATLAB的一个程序,也是可以用于提取特征;④公司开发的软件,比如GE公司的AK、IF等。
“信息”:目前为止大家绝大多数在探索组学特征,常用有①IBSI(Image Biomarker Standardisation Initiative),因此也可以称影像组学特征为影像(肿瘤/病理)标志物;②Pyradiomics。这些本质上是基于计算机视觉领域的图像分析领域-数据图像,因为说白了图像就是数字本身,因此可以通过一定的公式运算,形成有计算机含义的特征,①②基本上是一样的,只是在分类和数量上有点差异,大家选择其一使用即可。公式中存在几个如步长、翻转角的参数,改变他们就可以算出同名系列特征,这就是为什么有的人只提取几百个,而有的人能提取几千个特征的区别,但不一定越多越好,这目前尚无实证研究。特征的种类大致有以下几类(参考Pyradiomics)
中文可以这么翻译:一阶统计特征、2D/3D形状特征、灰度共生矩阵、灰度游程长度矩阵、灰度大小区域矩阵等等。找一个感受一下:
“信息”指的就是这些晦涩难懂的特征变量,研究到目前,除了组学特征,目前还常常引入稍微好理解的基因数据、病理、临床指标。
“分析信息”:具体指的就是统计分析,影像组学绝大部分都是在做统计分析的工作,挖掘内在联系和模型构建与验证,这部分内容比较多,后续将一一推出核心内容和实现方法。
“辅助诊断”:没错,就是字面意思。医学影像辅助诊断,辅助是的临床大夫对疾病的判断(比如肺结节的良性or恶性,肠癌/胃癌等良恶性判断、肿瘤分子分型、病理分级、疗效评估、预后预测等等,还有什么?那还不赶紧关注公众号,下期分享)起初是针对肿瘤,除了良恶性判断,慢慢延伸至量化病情、治疗方案等,这具有重要的临床意义。影像均为数字图像,因此也成为“计算机辅助诊断(computer aided diagnosis,CAD)”
影像组学(&深度学习)也是医工交叉类的产物,具有广阔与深远的前景。虽然目前影像组学看似很完善,但其实流程上还有很多不足和难题,慢慢将在后期推出各种难题供大家思考,先卖个关子,比如最常见的Rad-score结合临床发现radiomics比临床贡献度更大,真的是这样吗?你品,你细品。
上图也是影像组学开山之作paper内的一张图,简单阐述了其运作模式:
获取图像 -> 勾画 -> 特征提取 -> 统计分析
其中,前三步骤是一个“清洗”与“标准化”的过程,目的是为统计分析做准备,因此重点在最后的统计分析模块。说到底,影像组学核心底层实际上就是统计分析内容,比如特征数据的清洗、不平衡处理、PCA等特征筛选、机器学习模型构建,预测手段和评价指标,基本都是统计学领域,本公众号“挺烦的统计”就是专门研究和探索Radiomics、Medicine Statistics Analysis等等方面的频道。
希望大家在“挺烦的统计”这里能够消除烦恼,我尽量把所谓黑匣子打开,让大家尽可能往里面看一看,摸一摸。
PS:以上内容属笔者整理,如有不妥,敬请批评指正!
如果觉得内容不错,欢迎点赞和转发。
欢迎关注微信公众号,共同交流学习!
往期回顾:
(老铁,这是第一期,关注我,科研旅途再不麻烦)
【影像组学导论】第一部分:官方定义解读。这咋整?读懂这个频道就够了!相关推荐
- 影像组学训练营 第一天(共三天)
文章目录 影像组学简介 影像组学流程 第一步:Imaging,图像收集获取 第二步:ROI/VOI分割 第三步:图像特征提取 Feature extraction 第四步:特征选择和建模 课后思考和答 ...
- 影像组学|影像组学导论
前言 "请问特征提取之后我该如何分析?" "我想找出有统计学差异的特征,要用什么统计学方法?" "LASSO的内涵是什么?真的这么厉害?" ...
- 影像组学|特征定义以及提取
一. 影像组学特征分类 1.1 影像组学特征分类 1.1.1 一阶统计特征 一阶统计特征,反应所测体素的对称性.均匀性以及局部强度分布变化.包括中值,平均值,最小值,最大值,标准差,偏度,峰度等. 1 ...
- Radiology:影像组学:图像不仅仅是图片,它们还是数据
在过去十年中,随着模式识别方法的增加和数据集大小的增加,医学图像分析领域的研究越来越多.这些研究促进了对图像定量特征高通量提取过程的发展,从而将图像转换为可挖掘数据特征,并随后对这些数据进行分析,以提 ...
- 影像组学训练营 第三天(共三天)
文章目录 影像组学论文剖析 文章宏观分析 文章背景介绍 影像组学模型构建 高质量标准化MRI影像数据获取及分析 感兴趣体积VOI分割 图像预处理 特征提取 特征一致性评价 第七步 特征选择 数据库 一 ...
- 放射学中基于影像组学和人工智能预测癌症预后
人工智能(AI)在医学影像诊断中的成功应用使得基于人工智能的癌症成像分析技术开始应用于解决其他更复杂的临床需求.从这个角度出发,我们讨论了基于人工智能利用影像图像解决临床问题的新挑战,如预测多种癌症的 ...
- 精准医学中的深度学习和影像组学
影像科正在经历一种范式转变,即使用人工智能与机器集成以及深度学习与影像组学更好地定义组织特征,从而实现计算机科学与影像学的共生关系.研究的目标是使用集成的深度学习和具有影像学参数的影像组学来为患者进行 ...
- 影像组学ibex_影像组学的基本概念与临床应用
近年来大数据技术与医学影像辅助诊断的有机融合产生了新的影像组学方法,其通过从影像中提取海量特征来量化肿瘤等重大疾病,可以有效解决肿瘤异质性难以定量评估的问题,具有重要的临床价值.影像组学技术来源于计算 ...
- 影像组学:医学影像学与个性化精准医疗的桥梁
影像组学是一种从标准医学影像图像中高通量挖掘定量图像特征的技术,能够在临床决策支持系统中提取和应用数据,以提高诊断.预后和预测的准确性,在癌症研究中变得越来越重要.影像组学分析利用先进的图像分析方法, ...
最新文章
- Spring Cloud第六章:配置中心Config
- 小米+尚美的下沉CP,为酒店业释放了什么信号?
- MySQL / 自带的四个数据库介绍
- 云计算将使IT人失业?惠普推云计算裁员九千!程序员如何面对即将到来的产业大调整?...
- 解决安装kali 2020.1版本后的中文乱码问题:只需要安装中文字体(而不需要像之前版本那样需要选择locales和编码)。
- 有关Vs2008 由代码转化到设计器时死掉问题
- PaperNotes(9)-Learning deep energy model: contrastive divergence vs. Amortized MLE
- 只显示小方格_excel中最有效率的插件——方方格子
- 【漏洞分析】dedecms有前提前台任意用户密码修改
- patterns practices: Mobile Architecture Pocket Guide
- Linux 档案与目录管理
- 视频教程-备战2020毕业季—毕业设计论文实战课程讲解-.NET
- Django 框架图
- Emlog程序纯黑色调CYP音乐模板源码
- Mac环境下Tron 部署教程
- Scala中Seq转Map的方法(:_*)
- keil c支持汇编语言吗,keil中用汇编实现hello.c的功能
- spring中自带的缓存springcache
- c语言windows库函数,C语言访问Windows COM组件函数
- DIY主机:华硕B450m+AMD2600x