✖


Jump to content

Радиомика

В области медицины радиомика — это метод, который извлекает большое количество характеристик из медицинских изображений с помощью алгоритмов характеристики данных. [1] [2] [3] [4] [5] Эти особенности, называемые радиомическими признаками, могут выявить опухолевые структуры и характеристики, которые невозможно оценить невооруженным глазом. [6] Гипотеза радиомики заключается в том, что отличительные особенности визуализации между формами заболевания могут быть полезны для прогнозирования прогноза и терапевтического ответа при различных типах рака, обеспечивая тем самым ценную информацию для персонализированной терапии. [1] [7] [8] Радиомика возникла из медицинских областей радиологии и онкологии. [3] [9] [10] и является наиболее продвинутым в приложениях в этих областях. Однако этот метод можно применить к любому медицинскому исследованию, при котором можно визуализировать патологический процесс.

Процесс

[ редактировать ]

Получение изображения

[ редактировать ]

Данные изображения предоставляются с помощью радиологических методов, таких как КТ, [11] МРТ, [12] ПЭТ/КТ или даже ПЭТ/МР. [13] Полученные объемы необработанных данных используются для поиска различных характеристик пикселей/вокселей с помощью инструментов извлечения. [2]

Извлеченные функции сохраняются в больших базах данных, к которым имеют доступ клиники, чтобы обеспечить широкую совместную и кумулятивную работу, в которой все могут извлечь выгоду из растущих объемов данных, что в идеале обеспечивает более точный рабочий процесс.

Сегментация изображений

[ редактировать ]

После того, как изображения были сохранены в базе данных, их необходимо сократить до существенных частей, в данном случае опухолей, которые называются «объемами интереса». [2]

Из-за большого объема данных изображений, которые необходимо обработать, было бы слишком сложно выполнять сегментацию вручную для каждого отдельного изображения, если создается база данных радиомикроники с большим количеством данных. Вместо ручной сегментации необходимо использовать автоматизированный процесс. Возможным решением являются автоматические и полуавтоматические алгоритмы сегментации. Прежде чем его можно будет применять в больших масштабах, алгоритм должен набрать как можно больше баллов в следующих четырех задачах:

  • Во-первых, он должен быть воспроизводимым, а это означает, что при его использовании с одними и теми же данными результат не изменится.
  • Еще одним важным фактором является последовательность. Алгоритм решает проблему и выполняет задачу, а не делает что-то неважное. В этом случае необходимо, чтобы алгоритм мог обнаружить больную часть при всех различных сканированиях.
  • Алгоритм также должен быть точным. Очень важно, чтобы алгоритм обнаруживал больную часть максимально точно. Только имея точные данные, можно добиться точных результатов.
  • Незначительный, но все же важный момент – это экономия времени. Результаты должны быть получены как можно быстрее, чтобы можно было ускорить весь процесс радиомики. Второстепенная точка в данном случае означает, что если она находится в определенном кадре, то она не так важна, как остальные.

Извлечение признаков и квалификация

[ редактировать ]

После сегментации можно извлечь многие признаки и вычислить относительное чистое изменение по продольным изображениям (дельта-радиомика). Радиомические признаки можно разделить на пять групп: признаки, основанные на размере и форме, дескрипторы гистограммы интенсивности изображения, дескрипторы взаимосвязей между вокселами изображения (например, матрица совпадения уровней серого (GLCM), матрица длин серий (RLM), текстуры, полученные из матрицы зон размера (SZM) и матрицы разности тонов соседства (NGTDM), текстуры , извлеченные из отфильтрованных изображений, и фрактальные особенности. Математические определения этих особенностей не зависят от модальности визуализации и их можно найти в литературе. [14] [15] [16] [17] Подробное описание особенностей текстуры для радиомики можно найти у Parekh et al. (2016) [4] и Depeursinge et al. (2017). [18]

Из-за огромного разнообразия необходимо сократить количество функций, чтобы исключить избыточную информацию. Чтобы ускорить этот процесс, необходимо оценить сотни различных функций с помощью алгоритмов выбора. Кроме того, следует исключить нестабильные и невоспроизводимые функции, поскольку функции с низкой точностью, скорее всего, приведут к ложным результатам и неповторимым моделям. [19] [20]

Анализ

[ редактировать ]

После выбора признаков, важных для нашей задачи, крайне важно проанализировать выбранные данные. Перед фактическим анализом необходимо объединить клинические и молекулярные (иногда даже генетические) данные, поскольку они оказывают большое влияние на то, что можно сделать из анализа. Существуют разные методы окончательного анализа данных. Во-первых, различные функции сравниваются друг с другом, чтобы выяснить, имеют ли они какую-либо общую информацию, и выяснить, что это означает, когда все они происходят одновременно.

Другой способ — контролируемый или неконтролируемый анализ. Контролируемый анализ использует переменную результата для создания моделей прогнозирования. Неконтролируемый анализ обобщает имеющуюся у нас информацию и может быть представлен графически. Так что вывод наших результатов четко виден.

Базы данных

[ редактировать ]

Создание

[ редактировать ]

Для создания интегрированной базы данных радиомикроники необходимо выполнить несколько шагов. Данные визуализации необходимо экспортировать из клиник. Это уже очень сложный шаг, поскольку информация о пациентах очень конфиденциальна и регулируется законами о конфиденциальности, такими как HIPAA . В то же время экспортированные данные не должны терять своей целостности при сжатии, чтобы база данных содержала только данные того же качества. Интеграция клинических и молекулярных данных также важна, и необходимо большое место для хранения изображений.

Использовать

[ редактировать ]

Цель радиомики — иметь возможность использовать эту базу данных для новых пациентов. Это означает, что нам нужны алгоритмы, которые пропускают новые входные данные через базу данных и возвращают результат с информацией о том, как может выглядеть течение заболевания пациентов. Например, насколько быстро будет расти опухоль или насколько велики шансы, что пациент проживет определенное время, возможны ли отдаленные метастазы и где. Это определяет, как будет выбрано дальнейшее лечение (например, хирургическое вмешательство, химиотерапия, лучевая терапия или таргетные препараты и т. д.) и лучшее решение, которое максимизирует выживаемость или улучшение. Алгоритм должен распознавать корреляции между изображениями и объектами, чтобы можно было экстраполировать материал базы данных на входные данные.

Приложения

[ редактировать ]

Прогнозирование клинических результатов

[ редактировать ]

Аэртс и др. (2014) [21] провел первое крупномасштабное радиомическое исследование, включившее три группы больных раком легких и две группы пациентов с раком головы и шеи, состоящие из более чем 1000 пациентов. Они оценили прогностическую ценность более 400 структурных особенностей, а также особенностей формы и интенсивности, извлеченных из изображений компьютерной томографии (КТ), полученных до любого лечения. Объемы опухолей определялись либо экспертами-онкологами-радиологами, либо с использованием методов полуавтоматической сегментации. [22] [23] Их результаты выявили подмножество радиомических признаков, которые могут быть полезны для прогнозирования выживаемости пациентов и описания внутриопухолевой гетерогенности. Они также подтвердили, что прогностическая способность этих радиомикологических особенностей может быть перенесена с рака легких на рак головы и шеи. Однако Пармар и др. (2015) [24] продемонстрировали, что прогностическая ценность некоторых радиомических признаков может зависеть от типа рака. В частности, они заметили, что не каждый радиомический признак, который в значительной степени предсказывал выживаемость пациентов с раком легких , мог также предсказать выживаемость пациентов с раком головы и шеи , и наоборот.

Насиф и др. (2019) [20] показали, что изменения радиомических характеристик с течением времени на продольных изображениях (дельта-радиомные признаки, DRF) потенциально могут использоваться в качестве биомаркера для прогнозирования ответа на лечение рака поджелудочной железы. Их результаты показали, что нейронная сеть байесовской регуляризации может использоваться для идентификации подмножества DRF, которые продемонстрировали значительные изменения между хорошими и плохими ответчиками после 2–4 недель лечения с AUC = 0,94. Они также показали (Nasief et al., 2020), что DRF являются независимым предиктором выживаемости и в сочетании с клиническим биомаркером CA19-9 могут улучшить прогнозирование ответа на лечение и увеличить возможность адаптации лечения на основе ответа. [25]

Несколько исследований также показали, что радиомические характеристики лучше прогнозируют реакцию на лечение, чем традиционные показатели, такие как объем и диаметр опухоли, а также максимальное поглощение радиофармпрепарата при визуализации позитронно-эмиссионной томографии (ПЭТ). [26] [27] [28] [29] [30] [31] [32] С использованием этого метода после первоначального обучения на основе плотности внутриопухолевых лимфоцитов был разработан алгоритм для прогнозирования вероятности ответа опухоли на иммунотерапию, что обеспечивает демонстрацию клинического потенциала радиомики как мощного инструмента персонализированной терапии в развивающейся области иммуноонкология. [33] Другие исследования также продемонстрировали полезность радиомики для прогнозирования на иммунотерапию ответа у пациентов с НМРЛ с использованием КТ перед лечением. [34] и изображения ПЭТ/КТ . [35]

Радиомика по-прежнему уступает традиционным методам в некоторых приложениях, что предполагает необходимость дальнейшего совершенствования и манипулирования функциями радиомики для различных клинических сценариев. Например, Людвиг и др. (2020) [36] продемонстрировали, что морфологические признаки радиомики уступали ранее установленным признакам при распознавании статуса разрыва внутричерепной аневризмы по данным трехмерной ротационной ангиографии .

Прогнозирование

[ редактировать ]

Радиомические исследования показали, что маркеры на основе изображений могут предоставлять информацию, ортогональную стадированию и биомаркерам, и улучшать прогнозирование. [21] [37] [38]

Прогнозирование риска отдаленных метастазов

[ редактировать ]

Метастатический потенциал опухолей также можно предсказать по радиомическим признакам. [39] [40] Например, было выявлено, что тридцать пять радиомикологических признаков на основе КТ позволяют предсказать отдаленные метастазы в исследовании Короллера и соавт. рака легких. в 2015 году. [39] Таким образом, они пришли к выводу, что радиомические характеристики могут быть полезны для выявления пациентов с высоким риском развития отдаленных метастазов, что помогает врачам выбирать эффективное лечение для отдельных пациентов.

Оценка генетики рака

[ редактировать ]

опухоли легких могут демонстрировать различные и сложные модели визуализации. Биологические механизмы [41] [42] [1] В частности, Аэртс и др. (2014). [1] показали, что радиомные особенности связаны с биологическими наборами генов, такими как фаза клеточного цикла, рекомбинация ДНК, регуляция процессов иммунной системы и т. д. Более того, различные мутации глиобластомы (GBM), такие как делеция 1p/19q, метилирование MGMT, TP53, Было показано, что EGFR и NF1 в значительной степени прогнозируются с помощью объемных показателей магнитно-резонансной томографии (МРТ), включая объем опухоли, объем некроза и объем контрастирования. [43] [44] [45] Кроме того, бремя мутаций в опухоли при рецидивирующих глиомах также было связано с уникальной радиомической сигнатурой. [46]

Лучевая терапия под визуальным контролем

[ редактировать ]

Преимущество радиомики состоит в том, что она неинвазивна, и поэтому ее легче повторить в проспективном порядке для конкретного пациента, чем инвазивную биопсию опухоли. Было высказано предположение, что радиомика может быть средством мониторинга динамических изменений опухоли в ходе лучевой терапии и определения субобъемов риска, для которых повышение дозы может быть полезным. [47] [48]

Отличие истинного прогрессирования от радионекроза

[ редактировать ]

Эффект лечения или лучевой некроз после стереотаксической радиохирургии (СРХ) по поводу метастазов в головной мозг — распространенное явление, часто неотличимое от истинного прогрессирования. Радиомика продемонстрировала значительные различия в наборе из 82 обработанных поражений у 66 пациентов с патологическими исходами. Радиомические функции с самым высоким рейтингом вводятся в оптимизированный классификатор IsoSVM, что дает чувствительность и специфичность 65,38% и 86,67% соответственно, с площадью под кривой 0,81 при перекрестной проверке с исключением одного. Только 73% случаев были классифицированы нейрорадиологом с чувствительностью 97% и специфичностью 19%. Эти результаты показывают, что радиомика перспективна для дифференциации эффекта лечения и истинного прогрессирования метастазов в головной мозг, обработанных SRS. [49]

Прогнозирование физиологических событий

[ редактировать ]

Радиомику также можно использовать для выявления сложных физиологических событий, таких как активность мозга, которую обычно изучают с помощью методов визуализации, таких как функциональная МРТ «фМРТ». Необработанные изображения FMRI могут подвергаться радиомическому анализу для получения характеристик изображения, которые позже можно будет сопоставить со значимой активностью мозга. [50]

Геномика изображений

[ редактировать ]

В визуализационной геномике радиогеномика может использоваться для создания визуализирующих биомаркеров , которые могут идентифицировать геномику заболевания, особенно рака , без использования биопсии . используются различные методы работы с многомерными данными Для поиска статистически значимых корреляций между особенностями изображений МРТ , КТ и ПЭТ и геномикой заболевания , включая SAM , VAMPIRE и GSEA .

Радиогеномный подход к визуализации оказался успешным. [51] при определении фенотипа МРТ, связанного с генетикой глиобластомы , высокоагрессивного типа опухоли головного мозга с низким прогнозом. Первое крупномасштабное корреляционное исследование микроРНК-мРНК при ГБМ с помощью МР-изображения было опубликовано Zinn et al. в 2011 году [52] Подобные исследования рака печени успешно определили большую часть генома рака печени с помощью неинвазивных методов визуализации. [53] Геварт и др. в Стэнфордском университете продемонстрировали возможность связывания особенностей изображения немелкоклеточных узелков легких при компьютерной томографии для прогнозирования выживаемости путем использования общедоступных данных об экспрессии генов. [54] Эта публикация сопровождалась редакционной статьей, в которой обсуждалась синергия между визуализацией и геномикой. [55] Совсем недавно Му Чжоу и др. в Стэнфордском университете показали, что множественные ассоциации между особенностями семантического изображения и метагенами, которые представляют собой канонические молекулярные пути, могут привести к неинвазивной идентификации молекулярных свойств немелкоклеточного рака легких. [56]

В настоящее время проведено несколько радиогеномных исследований рака простаты. [57] [58] [59] Некоторые отмечают, что генетические особенности, коррелирующие с сигналом МРТ, часто также связаны с более агрессивным раком простаты. [60] Систематический обзор генетических особенностей, обнаруженных в более видимых поражениях на МРТ, выявил многочисленные исследования, которые обнаружили потерю супрессора опухоли PTEN , повышенную экспрессию генов, связанную с пролиферацией клеток, а также взаимодействия клеток и ЕСМ. [61] Это может указывать на то, что определенные генетические особенности вызывают клеточные изменения, которые в конечном итоге влияют на движение жидкости, которое можно увидеть на МРТ, и эти особенности преимущественно связаны с плохим прогнозом. [61] Сочетание более опасных генетических изменений, гистологии и клинических исходов у пациентов с опухолями предстательной железы, видимыми на мпМРТ, привело к предположению, что определение «клинически значимого рака» должно, по крайней мере частично, основываться на результатах мпМРТ. [62]

Радиогеномный подход также успешно применяется при раке молочной железы. В 2014 году Мазуровский и др. [63] показали, что динамика усиления на МРТ, рассчитанная с использованием алгоритмов компьютерного зрения, связана с молекулярным подтипом опухоли, основанным на экспрессии генов, у пациентов с раком молочной железы.

Программы, изучающие связи между радиологией и геномикой, действуют в Пенсильванском университете , Калифорнийском университете в Лос-Анджелесе , Онкологическом центре доктора медицины Андерсона , Стэнфордском университете и Медицинском колледже Бэйлора в Хьюстоне, штат Техас.

Многопараметрическая радиомика

[ редактировать ]

Многопараметрическая радиологическая визуализация имеет жизненно важное значение для выявления, характеристики и диагностики множества различных заболеваний. Однако современные методы радиомики ограничены использованием одиночных изображений для извлечения этих текстурных особенностей и могут ограничивать область применения радиомики в различных клинических условиях. Таким образом, в нынешней форме они не способны улавливать истинные характеристики подлежащих тканей в многомерном пространстве многопараметрических изображений.

Недавно была разработана радиомическая система многопараметрической визуализации, названная MPRAD, для извлечения радиомических характеристик из наборов данных большой размерности. [64] Многопараметрическая радиомика была протестирована на двух разных органах и заболеваниях; рак молочной железы и нарушения мозгового кровообращения, обычно называемые инсультом.

Рак молочной железы

[ редактировать ]

При раке молочной железы система MPRAD классифицировала злокачественные и доброкачественные образования молочной железы с превосходной чувствительностью и специфичностью 87% и 80,5% соответственно с AUC 0,88. MPRAD обеспечил увеличение AUC на 9–28% по сравнению с отдельными радиомическими параметрами. Что еще более важно, в молочной железе MPRAD нормальной железистой ткани были одинаковыми в каждой группе без каких-либо значимых различий. [64]

Гладить

[ редактировать ]

Аналогичным образом, характеристики MPRAD при инсульте головного мозга продемонстрировали повышенную эффективность в различении перфузионно-диффузионного несоответствия по сравнению с радиомикрометрией с одним параметром, и не было никаких различий в тканях белого и серого вещества. [64] Большинство одиночных радиомиктических признаков второго порядка (GLCM) не показали каких-либо существенных текстурных различий между пораженной тканью и тканью, подверженной риску, на карте ADC. Принимая во внимание, что одни и те же многопараметрические радиомические характеристики второго порядка (TSPM) значительно отличались для набора данных DWI. Аналогичным образом, многопараметрические радиомические значения для набора данных TTP и PWI продемонстрировали отличные результаты для MPRAD. Энтропия MPRAD TSPM показала значительную разницу между пораженной тканью и тканью потенциального риска: (6,6 ± 0,5 против 8,4 ± 0,3, p = 0,01).

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ Перейти обратно: а б с д Ламбин П., Риос-Веласкес Э., Лейенаар Р., Карвальо С., ван Стипхут Р.Г., Грантон П. и др. (март 2012 г.). «Радиомика: извлечение дополнительной информации из медицинских изображений с помощью расширенного анализа функций» . Европейский журнал рака . 48 (4): 441–6. дои : 10.1016/j.ejca.2011.11.036 . ПМК   4533986 . ПМИД   22257792 .
  2. ^ Перейти обратно: а б с Кумар В., Гу Й., Басу С., Берглунд А., Эшрих С.А., Шабат М.Б. и др. (ноябрь 2012 г.). «Радиомика: процесс и проблемы» . Магнитно-резонансная томография . 30 (9): 1234–48. дои : 10.1016/j.mri.2012.06.010 . ПМЦ   3563280 . ПМИД   22898692 .
  3. ^ Перейти обратно: а б Гиллис Р.Дж., Кинахан П.Е., Хриджак Х. (февраль 2016 г.). «Радиомика: изображения — это больше, чем изображения, это данные» . Радиология . 278 (2): 563–77. дои : 10.1148/radiol.2015151169 . ПМЦ   4734157 . ПМИД   26579733 .
  4. ^ Перейти обратно: а б Парех В., Джейкобс М.А. (2016). «Радиомика: новое применение существующих методов» . Экспертный обзор точной медицины и разработки лекарств . 1 (2): 207–226. дои : 10.1080/23808993.2016.1164013 . ПМК   5193485 . ПМИД   28042608 .
  5. ^ Йип СС, Аэртс HJ (июль 2016 г.). «Приложения и ограничения радиомики» . Физика в медицине и биологии . 61 (13): 150–66 рэндов. Бибкод : 2016PMB....61R.150Y . дои : 10.1088/0031-9155/61/13/R150 . ПМЦ   4927328 . ПМИД   27269645 .
  6. ^ Ип СС, Лю Ю, Пармар С, Ли К, Лю С, Цюй Ф и др. (июнь 2017 г.). «Связь между семантическими, определенными радиологом, и автоматически рассчитанными радиомическими признаками при немелкоклеточном раке легкого» . Научные отчеты . 7 (1): 3519. Бибкод : 2017НацСР...7.3519Y . дои : 10.1038/s41598-017-02425-5 . ПМК   5471260 . ПМИД   28615677 .
  7. ^ Чиклор С., Го В., Сиддик М., Рой А., Марсден П.К., Кук Г.Дж. (январь 2013 г.). «Количественная оценка гетерогенности опухоли при ПЭТ/КТ с 18F-ФДГ путем анализа текстуры». Европейский журнал ядерной медицины и молекулярной визуализации . 40 (1): 133–40. дои : 10.1007/s00259-012-2247-0 . ПМИД   23064544 . S2CID   24695383 .
  8. ^ Кук Г.Дж., Сиддик М., Тейлор Б.П., Ип С., Чиклор С., Го В. (2014). «Радиомика в ПЭТ: Принципы и приложения» . Клиническая и трансляционная визуализация . 2 (3): 269–276. дои : 10.1007/s40336-014-0064-0 .
  9. ^ Парех В.С., Джейкобс М.А. (14 ноября 2017 г.). «Интегрированная радиомическая система исследования рака молочной железы и биологии опухолей с использованием передового машинного обучения и многопараметрической МРТ» . НПЖ Рак молочной железы . 3 (1): 43. дои : 10.1038/s41523-017-0045-3 . ПМЦ   5686135 . ПМИД   29152563 .
  10. ^ Парех В.С., Джейкобс М.А. (04.03.2019). «Глубокое обучение и радиомика в точной медицине» . Экспертный обзор точной медицины и разработки лекарств . 4 (2): 59–72. дои : 10.1080/23808993.2019.1585805 . ПМК   6508888 . ПМИД   31080889 .
  11. ^ Кумар, Вирендра; Гу, Юхуа; Басу, Сатраджит; Берглунд, Андерс; Эшрих, Стивен А.; Шабат, Мэтью Б.; Форстер, Кеннет; Аэртс, Хьюго Дж.В.Л.; Деккер, Андре; Фенстермахер, Дэвид; Гольдгоф, Дмитрий Б. (ноябрь 2012 г.). «Радиомика: процесс и проблемы» . Магнитно-резонансная томография . 30 (9): 1234–1248. дои : 10.1016/j.mri.2012.06.010 . ПМК   3563280 . ПМИД   22898692 .
  12. ^ Шик, Ульрика; Люсия, Франсуа; Диссо, Гурван; Висвикис, Димитрис; Бадич, Богдан; Массон, Ингрид; Прадье, Оливье; Бурбонн, Винсент; Хатт, Матье (декабрь 2019 г.). «Радиомика на основе МРТ: методология и клиническое применение в области онкологии органов малого таза» . Британский журнал радиологии . 92 (1104): 20190105. doi : 10.1259/bjr.20190105 . ISSN   0007-1285 . ПМК   6913356 . ПМИД   31538516 .
  13. ^ Аморим, Барбара Хуарес; Торрадо-Карвахаль, Анхель; Исфахани, Шади А; Маркос, Сара С; Вангель, Марк; Штейн, Дэн; Грошар, Дэвид; Каталано, Онофрио А (октябрь 2020 г.). «Радиомика ПЭТ/МРТ при раке прямой кишки: пилотное исследование корреляции между особенностями изображений, полученных с помощью ПЭТ и МРТ, с клинической интерпретацией» . Молекулярная визуализация и биология . 22 (5): 1438–1445. дои : 10.1007/s11307-020-01484-x . ISSN   1536-1632 . ПМИД   32270337 . S2CID   215411812 .
  14. ^ Галлоуэй, Мэри М. (1975). «Анализ текстуры с использованием длин серий уровня серого». Компьютерная графика и обработка изображений . 4 (2): 172–179. дои : 10.1016/S0146-664X(75)80008-6 .
  15. ^ Pentland AP (июнь 1984 г.). «Фрактальное описание природных сцен». Транзакции IEEE по анализу шаблонов и машинному интеллекту . 6 (6): 661–74. дои : 10.1109/TPAMI.1984.4767591 . ПМИД   22499648 . S2CID   17415943 .
  16. ^ Амадасун М., Кинг Р. (1989). «Текстурные особенности, соответствующие текстурным свойствам». Транзакции IEEE по системам, человеку и кибернетике . 19 (5): 1264–1274. дои : 10.1109/21.44046 .
  17. ^ Тибо Дж., Ангуло Дж., Мейер Ф. (март 2014 г.). «Расширенные статистические матрицы для характеристики текстур: применение к классификации ячеек». Транзакции IEEE по биомедицинской инженерии . 61 (3): 630–7. дои : 10.1109/TBME.2013.2284600 . ПМИД   24108747 . S2CID   11319154 .
  18. ^ Ранджбар С., Митчелл-младший (2017). «Введение в радиомику: развивающийся краеугольный камень точной медицины». Биомедицинский анализ текстуры . стр. 223–245. дои : 10.1016/B978-0-12-812133-7.00008-9 . ISBN  9780128121337 .
  19. ^ Тунали, Ильке; Холл, Лоуренс О.; Напель, Сэнди; Черезов Дмитрий; Гувенис, Альберт; Гиллис, Роберт Дж.; Шабат, Мэтью Б. (23 сентября 2019 г.). «Стабильность и воспроизводимость радиомикологических особенностей компьютерной томографии, извлеченных из перитуморальных областей поражений рака легких» . Медицинская физика . 46 (11): 5075–5085. Бибкод : 2019МедФ..46.5075Т . дои : 10.1002/mp.13808 . ПМК   6842054 . ПМИД   31494946 .
  20. ^ Перейти обратно: а б Насиф, Хайди; Чжэн, Ченг; Шотт, Дайан; Холл, Уильям; Цай, Сьюзен; Эриксон, Бет; Аллен Ли, X. (4 октября 2019 г.). «Процесс дельта-радиомики, основанный на машинном обучении, для раннего прогнозирования ответа на лечение рака поджелудочной железы» . npj Прецизионная онкология . 3 (1): 25. дои : 10.1038/s41698-019-0096-z . ПМК   6778189 . ПМИД   31602401 .
  21. ^ Перейти обратно: а б Аэртс Х.Дж., Веласкес Э.Р., Лейенаар Р.Т., Пармар С., Гроссманн П., Карвалью С., Буссинк Дж., Моншаувер Р., Хайбе-Кайнс Б., Ритвельд Д. и др. (июнь 2014 г.). «Декодирование фенотипа опухоли с помощью неинвазивной визуализации с использованием подхода количественной радиомики» . Нат Коммун . 5 : 4006. Бибкод : 2014NatCo...5.4006A . дои : 10.1038/ncomms5006 . ПМК   4059926 . ПМИД   24892406 .
  22. ^ Гу Ю, Кумар В, Холл Л.О., Гольдгоф Д.Б., Ли С.И., Корн Р. и др. (март 2013 г.). «Автоматическое определение опухолей легких по КТ-изображениям с использованием подхода сегментации ансамбля одним щелчком мыши» . Распознавание образов . 46 (3): 692–702. Бибкод : 2013PatRe..46..692G . дои : 10.1016/j.patcog.2012.10.005 . ПМЦ   3580869 . ПМИД   23459617 .
  23. ^ Веласкес Э.Р., Пармар С., Джермуми М., Мак Р.Х., ван Баардвейк А., Феннесси Ф.М. и др. (декабрь 2013 г.). «Объемная сегментация НМРЛ на основе КТ с использованием 3D-слайсера» . Научные отчеты . 3 : 3529. Бибкод : 2013NatSR...3E3529V . дои : 10.1038/srep03529 . ПМЦ   3866632 . ПМИД   24346241 .
  24. ^ Пармар С., Лейенаар Р.Т., Гроссманн П., Риос Веласкес Е., Буссинк Дж., Ритвельд Д. и др. (июнь 2015 г.). «Кластеры радиомических признаков и прогностические признаки, специфичные для рака легких, головы и шеи» . Научные отчеты . 5 : 11044. Бибкод : 2015NatSR...511044P . дои : 10.1038/srep11044 . ПМЦ   4937496 . ПМИД   26251068 .
  25. ^ Насиф, Хайди; Холл, Уильям; Чжэн, Ченг; Цай, Сьюзен; Ван, Лян; Эриксон, Бет; Ли, К. Аллен (8 января 2020 г.). «Улучшение прогнозирования ответа на лечение при химиолучевой терапии рака поджелудочной железы с использованием комбинации дельта-радиомики и клинического биомаркера CA19-9» . Границы онкологии . 9 : 1464. doi : 10.3389/fonc.2019.01464 . ПМК   6960122 . ПМИД   31970088 .
  26. ^ Тиксье Ф., Ле Рест CC, Хатт М., Альбаргач Н., Прадье О., Метжес Дж.П. и др. (март 2011 г.). «Внутриопухолевая гетерогенность, характеризующаяся текстурными особенностями на исходных ПЭТ-изображениях с 18F-ФДГ, предсказывает ответ на сопутствующую радиохимиотерапию при раке пищевода» . Журнал ядерной медицины . 52 (3): 369–78. дои : 10.2967/jnumed.110.082404 . ПМЦ   3789272 . ПМИД   21321270 .
  27. ^ Хатт М., Маждуб М., Вальер М., Тиксье Ф., Ле Рест CC, Гроэ Д. и др. (январь 2015 г.). «Характеристика поглощения 18F-ФДГ при ПЭТ с помощью анализа текстуры: исследование взаимодополняющей природы гетерогенности и функционального объема опухоли в когорте пациентов с множественным раком» . Журнал ядерной медицины . 56 (1): 38–44. дои : 10.2967/jnumed.114.144055 . ПМИД   25500829 .
  28. ^ ван Россум П.С., Фрид Д.В., Чжан Л., Хофстеттер В.Л., ван Вульпен М., Мейер Г.Дж. и др. (май 2016 г.). «Дополнительная ценность субъективной и количественной оценки ПЭТ с 18F-ФДГ для прогнозирования полного патологического ответа на предоперационную химиолучевую терапию при раке пищевода» . Журнал ядерной медицины . 57 (5): 691–700. дои : 10.2967/jnumed.115.163766 . ПМИД   26795288 .
  29. ^ Йип С.С., Короллер Т.П., Сэнфорд Н.Н., Мамон Х., Аэртс Х.Дж., Бербеко Р.И. (2016). «Взаимосвязь между временными изменениями текстурных особенностей на основе позитронно-эмиссионной томографии, патологической реакцией и выживаемостью у пациентов с раком пищевода» . Границы онкологии . 6 : 72. doi : 10.3389/fonc.2016.00072 . ПМК   4810033 . ПМИД   27066454 .
  30. ^ Чжан Х., Тан С., Чен В., Клигерман С., Ким Г., Д'Суза В.Д. и др. (январь 2014 г.). «Моделирование патологического ответа рака пищевода на химиолучевую терапию с использованием пространственно-временных особенностей ПЭТ 18F-FDG, клинических параметров и демографии» . Международный журнал радиационной онкологии, биологии, физики . 88 (1): 195–203. дои : 10.1016/j.ijrobp.2013.09.037 . ПМЦ   3875172 . ПМИД   24189128 .
  31. ^ Ченг Н.М., Фанг Ю.Х., Ли Л.И., Чанг Дж.Т., Цан Д.Л., Нг Ш. и др. (март 2015 г.). «Неоднородность размеров зон региональных текстурных особенностей 18F-ФДГ ПЭТ предсказывает выживаемость пациентов с раком ротоглотки». Европейский журнал ядерной медицины и молекулярной визуализации . 42 (3): 419–28. дои : 10.1007/s00259-014-2933-1 . ПМИД   25339524 . S2CID   6167165 .
  32. ^ Кук Г.Дж., Ип С., Сиддик М., Го В., Чиклор С., Рой А. и др. (январь 2013 г.). «Связаны ли текстурные особенности опухоли с 18F-FDG ПЭТ до лечения при немелкоклеточном раке легкого с ответом и выживаемостью после химиолучевой терапии?» . Журнал ядерной медицины . 54 (1): 19–26. дои : 10.2967/jnumed.112.107375 . ПМИД   23204495 .
  33. ^ Сан Р., Лимкин Э.Дж., Вакалопулу М., Деркле Л., Чампиат С., Хан С.Р. и др. (сентябрь 2018 г.). «Радиомный подход к оценке проникающих в опухоль клеток CD8 и реакции на иммунотерапию анти-PD-1 или анти-PD-L1: визуализирующий биомаркер, ретроспективное многогрупповое исследование». «Ланцет». Онкология . 19 (9): 1180–1191. дои : 10.1016/S1470-2045(18)30413-3 . ПМИД   30120041 . S2CID   52032552 .
  34. ^ Тунали И., Грей Дж.Э., Ци Дж., Абдалла М., Чон Д.К., Гувенис А., Гиллис Р.Дж., Гиллис Р.Дж. (январь 2019 г.). «Новые клинические и рентгенологические предикторы фенотипов быстрого прогрессирования заболевания среди пациентов с раком легких, получающих иммунотерапию: ранний отчет» . Рак легких . 129 : 75–79. дои : 10.1016/j.lungcan.2019.01.010 . ПМК   6450086 . ПМИД   30797495 .
  35. ^ Му В., Тунали I, Грей Дж.Э., Ци Джей, Гиллис Р.Дж., Гиллис Р.Дж. (декабрь 2019 г.). «Радиомика изображений ПЭТ/КТ с 18F-ФДГ предсказывает клиническую пользу пациентов с поздними стадиями НМРЛ от иммунотерапии, блокирующей контрольные точки» . Eur J Nucl Med Mol Imaging . 47 (5): 1168–1182. дои : 10.1007/s00259-019-04625-9 . ПМЦ   8663718 . ПМИД   31807885 . S2CID   208650067 .
  36. ^ Людвиг, CG; Лаурик, А; Малек, Дж.А.; Маллиган, Р.; Малек, AM (2020). «Работа радиомики позволила получить морфологические признаки для прогнозирования статуса разрыва аневризмы». Журнал нейроинтервенционной хирургии . 13 (8). doi : 10.1136/neurintsurg-2020-016808 . ПМИД   33158993 . S2CID   226274492 .
  37. ^ Тунали И., Стрингфилд О., Гувенис А., Ван Х., Лю Ю. и др. (август 2017 г.). «Радиальные особенности радиального градиента и радиального отклонения по данным предоперационной компьютерной томографии связаны с выживаемостью пациентов с аденокарциномой легких» . Онкотаргет . 8 (56): 96013–96026. дои : 10.18632/oncotarget.21629 . ПМК   5707077 . ПМИД   29221183 .
  38. ^ Хуан П., Пак С., Ян Р., Ли Дж., Чу Л.С., Линь С.Т., Хусьен А., Ратмелл Дж., Томас Б., Чен С. и др. (сентябрь 2018 г.). «Дополнительная ценность компьютерных компьютерных изображений для ранней диагностики рака легких с небольшими легочными узлами: сопоставленное исследование случай-контроль» . Радиология . 286 (1): 286–295. дои : 10.1148/radiol.2017162725 . ПМК   5779085 . ПМИД   28872442 .
  39. ^ Перейти обратно: а б Короллер Т.П., Гроссманн П., Хоу Ю., Риос Веласкес Э., Лейенаар Р.Т., Герман Г. и др. (март 2015 г.). «Радиомическая сигнатура на основе КТ позволяет предсказать отдаленные метастазы аденокарциномы легкого» . Лучевая терапия и онкология . 114 (3): 345–50. дои : 10.1016/j.radonc.2015.02.015 . ПМК   4400248 . ПМИД   25746350 .
  40. ^ Вальер М., Фриман Ч.Р., Скамен С.Р., Эль-Нака I (июль 2015 г.). «Радиомная модель на основе особенностей текстуры суставов ФДГ-ПЭТ и МРТ для прогнозирования метастазов в легких при саркомах мягких тканей конечностей». Физика в медицине и биологии . 60 (14): 5471–96. Бибкод : 2015PMB....60.5471V . дои : 10.1088/0031-9155/60/14/5471 . ПМИД   26119045 . S2CID   4709680 .
  41. ^ Риос Веласкес Э., Пармар С., Лю Ю., Короллер Т.П., Круз Г., Стрингфилд О. и др. (июль 2017 г.). «Соматические мутации приводят к различным фенотипам визуализации при раке легких» . Исследования рака . 77 (14): 3922–3930. дои : 10.1158/0008-5472.CAN-17-0122 . ПМК   5528160 . ПМИД   28566328 .
  42. ^ Ип С.С., Ким Дж., Короллер Т.П., Пармар С., Веласкес Э.Р., Хьюн Э. и др. (апрель 2017 г.). «Связь между соматическими мутациями и метаболическими фенотипами визуализации при немелкоклеточном раке легких» . Журнал ядерной медицины . 58 (4): 569–576. дои : 10.2967/jnumed.116.181826 . ПМЦ   5373502 . ПМИД   27688480 .
  43. ^ Браун Р., Златеску М., Сиджбен А., Ролдан Г., Исо Дж., Форсайт П. и др. (апрель 2008 г.). «Использование магнитно-резонансной томографии для неинвазивного обнаружения генетических признаков олигодендроглиомы» . Клинические исследования рака . 14 (8): 2357–62. doi : 10.1158/1078-0432.CCR-07-1964 . ПМИД   18413825 .
  44. ^ Драбич С., Ролдан Г., де Роблес П., Адлер Д., Макинтайр Дж.Б., Мальокко А.М. и др. (январь 2010 г.). «Анализ текстуры изображения, расположения опухоли и метилирования промотора MGMT при глиобластоме с использованием магнитно-резонансной томографии». НейроИмидж . 49 (2): 1398–405. doi : 10.1016/j.neuroimage.2009.09.049 . ПМИД   19796694 . S2CID   18857965 .
  45. ^ Гутман Д.А., Данн В.Д., Гроссманн П., Купер Л.А., Холдер К.А., Лигон К.Л. и др. (декабрь 2015 г.). «Соматические мутации, связанные с объемными особенностями глиобластомы, полученными по данным МРТ» . Нейрорадиология . 57 (12): 1227–37. дои : 10.1007/s00234-015-1576-7 . ПМЦ   4648958 . ПМИД   26337765 .
  46. ^ Хасан, Ислам и др. «NIMG-28. Повышенная мутационная нагрузка (гипермутация) в глиомах связана с уникальной характеристикой радиомической текстуры при магнитно-резонансной томографии». Нейроонкология 19. Приложение 6 (2017): vi147.
  47. ^ Сан Р., Орлак Ф., Роберт С., Ройзе С., Шернберг А., Буват И. и др. (август 2016 г.). «Что касается Маттонена и др.». Международный журнал радиационной онкологии, биологии, физики . 95 (5): 1544–1545. дои : 10.1016/j.ijrobp.2016.03.038 . ПМИД   27479727 .
  48. ^ Йип С.С., Короллер Т.П., Сэнфорд Н.Н., Хюинь Э., Мамон Х., Аэртс Х.Дж., Бербеко Р.И. (январь 2016 г.). «Использование распространения контуров на основе регистрации в анализе текстур для прогнозирования патологической реакции рака пищевода». Физика в медицине и биологии . 61 (2): 906–22. Бибкод : 2016PMB....61..906Y . дои : 10.1088/0031-9155/61/2/906 . ПМИД   26738433 . S2CID   21799373 .
  49. ^ Пэн Л., Парех В., Хуан П., Линь Д.Д., Шейх К., Бейкер Б. и др. (ноябрь 2018 г.). «Отличение истинного прогрессирования от радионекроза после стереотаксической лучевой терапии метастазов в головной мозг с помощью машинного обучения и радиомики» . Международный журнал радиационной онкологии, биологии, физики . 102 (4): 1236–1243. дои : 10.1016/j.ijrobp.2018.05.041 . ПМК   6746307 . ПМИД   30353872 .
  50. ^ Хасан И., Котроцов А., Бахтиари А.С., Томас Г.А., Вайнберг Дж.С., Кумар А.Дж. и др. (май 2016 г.). «Картирование радиомного текстурного анализа предсказывает области истинной функциональной активности МРТ» . Научные отчеты . 6 : 25295. Бибкод : 2016NatSR...625295H . дои : 10.1038/srep25295 . ПМЦ   4858648 . ПМИД   27151623 .
  51. ^ Дин, Максимилиан; Нардини, Кристина; Ван, Дэвид С.; Макговерн, Сьюзен; Джаяраман, Махеш; Лян, Ю; Альдапе, Кеннет; Ча, Сунми; Куо, Майкл Д. (2008). «Идентификация суррогатов неинвазивной визуализации для модулей экспрессии генов опухолей головного мозга» . Труды Национальной академии наук . 105 (13): 5213–8. дои : 10.1073/pnas.0801279105 . ПМК   2278224 . ПМИД   18362333 .
  52. ^ Зинн, Паскаль О.; Махаджан, Бхану; Сатьян, Пратиш; Сингх, Санджай К.; Маджумдер, Садхан; Йолеш, Ференц А.; Колен, Ривка Р. (2011). Дойч, Эрик (ред.). «Радиогеномное картирование МРТ-фенотипов отека/клеточной инвазии при мультиформной глиобластоме» . ПЛОС ОДИН . 6 (10): e25451. Бибкод : 2011PLoSO...625451Z . дои : 10.1371/journal.pone.0025451 . ПМК   3187774 . ПМИД   21998659 .
  53. ^ Рутман, Аарон М.; Куо, Майкл Д. (2009). «Радиогеномика: создание связи между молекулярной диагностикой и диагностической визуализацией». Европейский журнал радиологии . 70 (2): 232–41. дои : 10.1016/j.ejrad.2009.01.050 . ПМИД   19303233 .
  54. ^ Геверт, О.; Сюй, Дж.; Хоанг, CD; Люнг, АН; Сюй, Ю.; Куон, А.; Рубин, Д.Л.; Напель, С.; Плеврит, СК (2012). «Немелкоклеточный рак легких: выявление биомаркеров прогностической визуализации путем использования общедоступных данных микрочипов по экспрессии генов - методы и предварительные результаты» . Радиология . 264 (2): 387–96. дои : 10.1148/radiol.12111607 . ПМК   3401348 . ПМИД   22723499 .
  55. ^ Яффе, К. (2012). «Визуализация и геномика: есть ли синергия?» . Радиология . 264 (2): 329–31. дои : 10.1148/radiol.12120871 . ПМИД   22821693 .
  56. ^ Чжоу, М.; Люнг, А.; Эчегарай, С.; Джентльс, А.; Шрагер, Дж.; Плеврит, С.; Рубин, Д.Л.; Напель, С.; Геверт, О. (2017). «Радиогеномная карта немелкоклеточного рака легких определяет взаимосвязь между молекулярными и визуализирующими фенотипами с прогностическим значением» . Радиология . 286 (1): 307–15. дои : 10.1148/radiol.2017161845 . ПМЦ   5749594 . ПМИД   28727543 .
  57. ^ Хулахан, Кэтлин Э.; Салмаси, Амирали; Садун, Тейлор Ю.; Пули, Айдын; Фелкер, Эли Р.; Ливингстон, Джули; Хуанг, Винсент; Раман, Стивен С.; Ахуджа, Прити; Сиск, Энтони Э.; Бутрос, Пол К. (июль 2019 г.). «Молекулярные признаки видимости многопараметрической магнитно-резонансной томографии при раке простаты» . Европейская урология . 76 (1): 18–23. дои : 10.1016/j.eururo.2018.12.036 . ISSN   1873-7560 . ПМЦ   10228592 . ПМИД   30685078 . S2CID   59304426 .
  58. ^ Ли, Пин; Ты, Сунгён; Нгуен, Кристофер; Ван, Яньпин; Ким, Джаён; Сирохи, Дипика; Зембиец, Аша; Лютерингер, Дэниел; Лин, Ши-Че; Даскивич, Тимофей; Ву, Джонатан (2018). «Гены, участвующие в прогрессировании рака простаты, определяют видимость на МРТ» . Тераностика . 8 (7): 1752–1765. дои : 10.7150/thno.23180 . ISSN   1838-7640 . ПМЦ   5858498 . ПМИД   29556354 .
  59. ^ Пурыско, Андрей С.; Маги-Галлуцци, Кристина; Миан, Омар Ю.; Ситтенфельд, Сара; Давичиони, Элай; дю Плесси, Маргарита; Буерки, Кристина; Буллен, Дженнифер; Ли, Лин; Мадабхуши, Анант; Стивенсон, Эндрю (сентябрь 2019 г.). «Корреляция между фенотипами МРТ и геномным классификатором рака простаты: предварительные результаты» . Европейская радиология . 29 (9): 4861–4870. дои : 10.1007/s00330-019-06114-x . ISSN   1432-1084 . ПМК   6684343 . ПМИД   30847589 .
  60. ^ Норрис, Джозеф М.; Симпсон, Бенджамин С.; Парри, Марина А.; Касивишванатан, Виру; Аллен, Клэр; Болл, Рис; Фриман, Алекс; Келли, Дэниел; Киркхэм, Алекс; Уитакер, Хейли С.; Эмбертон, Марк (март 2020 г.). «Генетические корреляты видимости (и невидимости) рака простаты на мультипараметрической магнитно-резонансной томографии: пришло время подвести итоги» . БЖУ Интернешнл . 125 (3): 340–342. дои : 10.1111/bju.14919 . ISSN   1464-410X . ПМИД   31600865 .
  61. ^ Перейти обратно: а б Норрис, Джозеф М.; Симпсон, Бенджамин С.; Парри, Марина А.; Аллен, Клэр; Болл, Рис; Фриман, Алекс; Келли, Дэниел; Ким, Хён Л.; Киркхэм, Алекс; Ты, Сунгён; Касивисванатан, Виру (01 июля 2020 г.). «Генетический ландшафт выраженности рака простаты по данным многопараметрической магнитно-резонансной томографии: систематический обзор и биоинформатический анализ» . Европейская урологическая открытая наука . 20 : 37–47. doi : 10.1016/j.euros.2020.06.006 . ISSN   2666-1683 . ПМЦ   7497895 . ПМИД   33000006 .
  62. ^ Норрис, Джозеф М.; Симпсон, Бенджамин С.; Фриман, Алекс; Киркхэм, Алекс; Уитакер, Хейли С.; Эмбертон, Марк (2020). «Выявление рака простаты на мультипараметрической магнитно-резонансной томографии: междисциплинарная трансляционная гипотеза» . Журнал ФАСЭБ . 34 (11): 14150–14159. дои : 10.1096/fj.202001466R . ISSN   1530-6860 . ПМЦ   8436756 . ПМИД   32920937 .
  63. ^ Мазуровский, Массачусетс; Чжан, Дж.; Гримм, LJ; Юн, Южная Каролина; Зильбер, Дж.И. (2014). «Радиогеномный анализ рака молочной железы: молекулярный подтип Люминал B связан с динамикой усиления при магнитно-резонансной томографии» . Радиология . 273 (2): 365–72. дои : 10.1148/radiol.14132641 . ПМИД   25028781 .
  64. ^ Перейти обратно: а б с Парех В.С., Джейкобс М.А. (25 сентября 2018 г.). «MPRAD: основа многопараметрической радиомики» . Исследование и лечение рака молочной железы . 180 (2): 407–421. arXiv : 1809.09973 . Бибкод : 2018arXiv180909973P . дои : 10.1007/s10549-020-05533-5 . ПМК   7066290 . ПМИД   32020435 .
Retrieved from "https://en.wikipedia.org/w/index.php?title=Radiomics&oldid=1217567879"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 54ed1770d176e5b7be9cc76131c460fe__1712409540
URL1:https://arc.ask3.ru/arc/aa/54/fe/54ed1770d176e5b7be9cc76131c460fe.html
Заголовок, (Title) документа по адресу, URL1:
Radiomics - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)