跳到主要内容
检索

# 影像组学

8 篇关联报道

订阅更新
  1. researchsquare.com

    阿尔茨海默病诊断换用双视图脑图:AD与CN分类准确率从82.06%升到89.90%

    结构磁共振的脑区图不再只按一种预设关系连边。MVMGNN把脑区当作节点、影像组学特征当作节点属性,同时构建空间近邻图和特征相似图,并在每个视图内用节点—边联合掩码筛掉冗余特征与弱相关连接,再用患者级跨视图门控融合两路表示。在ADNI队列上,AD与CN分类的准确率由对比方法中表现最好的RSEA-MVGNN的82.06%升到89.90%,F1由75.02%升到86.24%;AD与MCI、CN与MCI两项更难的任务上优势较小。

  2. Investigative Radiology

    双中心378例PCD-CT光谱重建影像组学:VNC训练模型区分肝脏良恶性病变AUC达0.899,高keV与VNC测试更稳定

    这项双中心研究纳入378例(190例良性、227个病灶;188例恶性、2681个病灶)局灶性肝脏病变患者,用nnU-Net自动分割并经腹部放射科医师确认后,从PCD-CT的9个光谱数据集(40、50、70、90、110、140、180 keV、虚拟平扫VNC和碘密度图IDM)提取影像组学特征,训练多种机器学习模型并按患者聚合病灶级预测,结果显示基于VNC训练的随机森林模型性能最高(AUC 0.899,95% CI 0.840-0.951,准确率83.5%),跨域分析中各训练重建的平均AUC相近(0.75-0.83),而测试重建的选择影响表现:110、140、180 keV与VNC测试最稳定(中位AUC≥

  3. 胸部CT上的冠脉钙化可被机会性检出:汇总分析显示52%的受检者存在钙化,AI模型可自动评分并预测心血管死亡风险

    这篇综述汇总了在因其他临床指征(常规胸部CT、肺癌筛查CT、PET/SPECT衰减校正CT)而进行的胸部CT上机会性识别和量化冠脉钙化(CAC)的证据,指出CAC在胸部CT上的汇总患病率为52%,与全因死亡(汇总相对风险2.13)和主要不良心血管事件(汇总相对风险2.61)独立相关,并综述了AI/机器学习自动评分、影像组学、光子计数CT以及CAC作为多系统生物标志物等新应用,同时指出目前尚无评估该策略临床影响的随机试验结果。

  4. 双参数MRI影像组学联合血清骨转换标志物预测前列腺癌术后骨转移:面向靶向放射性核素治疗的精准筛选

    该研究在一项前瞻性单中心队列中纳入143例临床局限性前列腺癌(cT1-2N0M0)并接受腹腔镜根治性前列腺切除术的患者,术前检测血清骨代谢指标(如骨钙素N端中段片段和碱性磷酸酶)并提取双参数MRI影像组学变量(表观扩散系数均值与Ktrans均值),用多变量逻辑回归整合血清与影像标志物构建预测模型,结果显示整合模型ROC曲线下面积为0.984,显著优于单一生物标志物与影像特征(均p<0.001),决策曲线分析显示临床净获益且校准良好(Hosmer-Lemeshow检验p=0.830),按模型风险分层分为高风险组53例与低风险组90例,两组无骨转移生存差异显著(log-rank p<0.001)。

  5. GPT辅助影像组学建模预测头颈部鳞癌新辅助化免疫治疗病理完全缓解

    该研究在训练队列(n=186)、验证队列(n=116)和前瞻性多中心验证队列(n=269)中,从治疗前T2加权MRI提取影像组学与监督深度学习特征,比较人工开发与GPT辅助的建模流程,发现融合特征在两种逻辑回归模型中AUC最高(训练队列0.759对0.763±0.003,验证队列0.714对0.741±0.008,前瞻性多中心验证队列0.700对0.706±0.004),GPT辅助流程在五种分类器上与人工开发模型性能大致相当,且五次重复运行的AUC标准差为0.001至0.019,表明在专家监督下GPT可自动化影像组学建模的关键步骤。

  6. 鼻咽癌监测策略的最新进展:从指南随访到个体化精准监测

    这篇综述系统梳理了鼻咽癌(NPC)现有随访方案与最新进展,一方面比较分析了主要随访指南中的随访频率、影像学手段(MRI、PET)、血浆EBV-DNA监测与功能评估,另一方面阐述了基因组学、影像组学和人工智能在NPC监测中的应用前景与研究进展,并指出基于条件生存模型等风险分层的个体化随访策略可提升监测的成本效益,而影像组学与人工智能在复发风险评估、预后分层和个体化监测方面展现出潜力。

  7. 核医学在鉴别胶质瘤假性进展与肿瘤进展中的演变角色

    这篇综述聚焦近18个月发表的文献,梳理分子PET显像在胶质瘤中区分治疗相关改变(尤其是假性进展)与真性肿瘤进展的作用,指出静态氨基酸PET(特别是[18F]FET)可能提供与动态采集相当的诊断信息并简化采集流程,[68Ga]FAPI PET可补充肿瘤微环境信息,同时强调定量PET参数受重建算法、参考区与分割策略影响,人工智能、影像组学与自动分割有望改善多模态定量评估的整合。

  8. 影像组学在神经肿瘤学中的应用:进展、临床应用与实施挑战的叙述性综述

    该叙述性综述检索了PubMed、Scopus和Web of Science(2012—2024年)的文献,梳理影像组学与人工智能在神经肿瘤学中的诊断、预后和治疗潜力,指出影像组学可从MRI、CT和PET/CT中自动提取人眼难以察觉的定量特征,已显示在胶质瘤术前分类、生存预测以及区分肿瘤进展与假性进展方面具有价值,与深度学习结合可能提升诊断准确性并支持基于IDH、MGMT等分子标志物的患者分层,影像基因组学则将影像表型与基因改变相联系以促进个体化医疗,但方案缺乏标准化、分割变异以及经过验证的多中心研究稀缺等局限仍然存在,因此在最终融入临床实践之前仍需前瞻性验证与方法学标准化。

已读完全部报道