影像組學(xué)及其在腫瘤研究與臨床中的應(yīng)用課件

第五屆華美影像論壇影像組學(xué)及其在腫瘤研究與臨床中的應(yīng)用第五屆華美影像論壇

2015年9月，國(guó)家衛(wèi)計(jì)委、發(fā)改委等16個(gè)部門(mén)聯(lián)合印發(fā)《中國(guó)癌癥防治三年行動(dòng)計(jì)劃（2015-2017年）》背景—國(guó)家重大需求：4項(xiàng)定量指標(biāo)：重點(diǎn)地區(qū)、癌癥早診率達(dá)到50%腫瘤登記覆蓋全國(guó)30%以上人口癌癥防治核心知識(shí)知曉率達(dá)60%成人吸煙率下降3%

2015年9月，國(guó)家衛(wèi)計(jì)委、發(fā)改委等16個(gè)部門(mén)聯(lián)合印發(fā)《背景—癌癥生存率無(wú)突破經(jīng)過(guò)五十年的努力，癌癥的五年生存期并沒(méi)有得到明顯的提高N=1,950,388.UpdatedMay12,2014DatafromNationalCancerInstituteofNIH(2014)%背景—癌癥生存率無(wú)突破經(jīng)過(guò)五十年的努力，癌癥的五年生存期并沒(méi)腫瘤基因組的時(shí)空異質(zhì)性限制了靶向治療的效果我們?nèi)狈τ行У氖侄稳ト娑吭u(píng)估腫瘤異質(zhì)性Gerlingeretal.NEnglJMed366,883-92(2012).被引用2368次英國(guó)倫敦大學(xué)癌癥研究中心CharlesSwanton,MD挑戰(zhàn)——缺乏定量評(píng)估手段腫瘤基因組的時(shí)空異質(zhì)性限制了靶向治療的效果Gerlinger腫瘤>5mm才能被診斷缺乏早期診斷手段癌癥的五年生存率沒(méi)有實(shí)質(zhì)性提高時(shí)空異質(zhì)性影響治療缺乏定量評(píng)估方法背景—癌癥生存率無(wú)突破原因N.Engl.J.Med.2010,363(1):4-6.醫(yī)療設(shè)備方面醫(yī)療軟件方面N.Engl.J.Med.2012,366,883-92.分子影像早期診斷手段影像組學(xué)定量分析方法腫瘤>5mm才能被診斷缺乏早期診斷手段癌癥的五年生存率時(shí)空異機(jī)遇——影像組學(xué)腫瘤大小5mm1kg左右腫瘤1~3年5~20年細(xì)胞表達(dá)生物分子異常正?；虍惓ｉ_(kāi)始增殖前癌病變形成癌灶出現(xiàn)病狀死亡轉(zhuǎn)移傳統(tǒng)成像技術(shù)難以實(shí)現(xiàn)早期微小腫瘤成像基因技術(shù)檢測(cè)早期基因異常？影像組學(xué)影像組學(xué)融合基因信息和影像多模態(tài)信息，為實(shí)現(xiàn)精準(zhǔn)診斷提供了新機(jī)遇基因異常新陳代謝異常器官結(jié)構(gòu)異常時(shí)間機(jī)遇——影像組學(xué)腫瘤大小5mm1kg左右腫瘤1~3年5~20影像組學(xué)（Radiomics）發(fā)展歷程概念完善概念提出高通量地從MRI、PET及CT影像中提取大量高維的定量影像特征，并進(jìn)行分析影像組學(xué)指高通量地提取大量描述腫瘤特性的影像特征，最初譯為放射組學(xué)臨床應(yīng)用影像組學(xué)特征成功用于肺癌和頭頸癌數(shù)據(jù)的臨床預(yù)后評(píng)估，得到良好效果Nat.

Comm.2014,5:4006EJC2012,48:441-446MRI2012,30(9):1234.影像組學(xué)（Radiomics）發(fā)展歷程概念完善概念提出高通量VirendraKumaretal,MagneticResonanceImaging,2012,30:1234.(被引55次)PhilippeLambin,EuropeanJournalofCancer2012;48:441-446.(被引100次)解剖結(jié)構(gòu)物理組織層次代謝層次蛋白質(zhì)層次轉(zhuǎn)錄學(xué)層次功能影像結(jié)構(gòu)影像分子影像量化微環(huán)境定量異質(zhì)性基因?qū)哟位虿±砝煤Ａ坑跋窈突虿±硇畔⑷娑磕[瘤異質(zhì)性癌癥研究影像組學(xué)影像組學(xué)提供定量化研究手段VirendraKumaretal,Magnetic影像組學(xué)流程特征提取預(yù)測(cè)算法影像數(shù)據(jù)高維特征強(qiáng)度形狀紋理小波其它功能影像結(jié)構(gòu)影像分子影像基因病理診療決策腫瘤分期腫瘤分型預(yù)后分析診療方案合作優(yōu)化提高病人生存期提高疾病早診率減輕患者醫(yī)療負(fù)擔(dān)緩解醫(yī)院就診壓力推廣應(yīng)用影像組學(xué)利用大數(shù)據(jù)挖掘技術(shù)定量腫瘤異質(zhì)性，實(shí)現(xiàn)精準(zhǔn)診療決策，提高患者的生存期影像組學(xué)流程特征提取預(yù)測(cè)算法影像數(shù)據(jù)高維特征強(qiáng)度形狀紋理小波國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(1/4)Aertsetal.NatureCommunications,2014,5:4006.影像組學(xué)通過(guò)融合影像、基因和病理信息可量化腫瘤微環(huán)境，早期定量腫瘤基因異質(zhì)性基因表達(dá)影像特征病理信息數(shù)據(jù)分割特征分析預(yù)測(cè)強(qiáng)度形狀小波紋理美國(guó)莫菲特癌癥中心RobertJ.Gillies影像組學(xué)最早提出者之一國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(1/4)Aertset臨床問(wèn)題：臨床影像信息挖掘不足腫瘤異質(zhì)性很難用影像定性評(píng)估收集數(shù)據(jù)：一千多個(gè)病人完整數(shù)據(jù)788個(gè)患有非小細(xì)胞肺癌病人數(shù)據(jù)231個(gè)患有頭頸部鱗癌的病人數(shù)據(jù)提取特征：四百多個(gè)關(guān)鍵影像特征強(qiáng)度：最大值、標(biāo)準(zhǔn)方差、能量等形狀：緊密度、最長(zhǎng)直徑、體積等紋理：和平均、最大可能、和熵等小波：邊界、自由與粘貼面積比等實(shí)驗(yàn)結(jié)果：影像與臨床顯著性相關(guān)影像組學(xué)特征可用于預(yù)測(cè)腫瘤預(yù)后Aertsetal.NatureCommunications,2014,5:4006.國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(2/4)臨床問(wèn)題：臨床影像信息挖掘不足Aertsetal.NaAertsetal.NatureCommunications,2014,5:4006.影像組學(xué)特征有重要預(yù)后價(jià)值：特征各向異性越強(qiáng)，病人存活率越低，緊密或球形腫瘤預(yù)后更好國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(3/4)Aertsetal.NatureCommunicatAertsetal.NatureCommunications,2014,5:4006.影像組學(xué)的標(biāo)簽與基因重要相關(guān)利用影像特征預(yù)測(cè)患者基因信息國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(4/4)Aertsetal.NatureCommunicat國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(1/2)腦膠質(zhì)瘤靶向治療所需的基因數(shù)據(jù)難以獲取，穿刺活檢有創(chuàng)且難以得到整體信息臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)斯坦福醫(yī)院MR圖像121例訓(xùn)練、TCGA公開(kāi)數(shù)據(jù)集MR和對(duì)應(yīng)的基因數(shù)據(jù)144例測(cè)試提取388個(gè)影像組學(xué)特征聚類(lèi)為三類(lèi)，與PARADIGM算法尋找的基因回路進(jìn)行關(guān)聯(lián)ScienceTranslationalMedicine,2015,DOI:10.1126/scitranslmed.aaa7582

SCIIF(2015):15.843國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(1/2)腦膠質(zhì)瘤靶向國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(2/2)邊緣毛刺多病灶前期橢球形邊緣規(guī)則邊緣強(qiáng)化內(nèi)部低信號(hào)高風(fēng)險(xiǎn)組中風(fēng)險(xiǎn)組低風(fēng)險(xiǎn)組C-KitIL6-singalingAng/Tie2-signalingC-KitFOXAPDGFRVEGFR酪氨酸激酶抑制劑

:伊馬替尼

VEGFR抑制劑：貝伐單抗影像特征預(yù)后生存基因回路靶向治療ScienceTranslationalMedicine,2015,DOI:10.1126/scitranslmed.aaa7582

SCIIF(2015):15.843國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(2/2)邊緣毛刺橢球形國(guó)內(nèi)最新研究—五月發(fā)表三篇影像組學(xué)論文結(jié)直腸癌JClinOncol非小細(xì)胞肺癌Radiology結(jié)直腸癌ClinCancerRes預(yù)測(cè)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移術(shù)前預(yù)測(cè)結(jié)直腸癌輔助放化療效果ClinicalCancerResearchDOI:10.1158/1078-0432.CCR-15-2997浙大醫(yī)學(xué)院邵逸夫醫(yī)院預(yù)測(cè)非小細(xì)胞肺癌無(wú)進(jìn)展生存率Radiologyaccepted,May,2016廣東省人民醫(yī)院中科院自動(dòng)化所JournalofClinicalOncology

DOI:10.1200/JCO.2015.65.9128廣東省人民醫(yī)院中科院自動(dòng)化所國(guó)內(nèi)最新研究—五月發(fā)表三篇影像組學(xué)論文結(jié)直腸癌非小細(xì)胞肺癌結(jié)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)(1/2)廣東省人民醫(yī)院與中科院自動(dòng)化所合作結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)JournalofClinicalOncology,2016,

DOI:10.1200/JCO.2015.65.9128

SCIIF(2015):20.98結(jié)直腸癌是否合并淋巴結(jié)轉(zhuǎn)移很難在術(shù)前準(zhǔn)確確定，是否轉(zhuǎn)移決定患者手術(shù)過(guò)程中是否進(jìn)行淋巴結(jié)清掃，顯著影響臨床決策臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)病理證實(shí)是否淋巴結(jié)轉(zhuǎn)移的影像病理數(shù)據(jù)廣東省人民醫(yī)院326訓(xùn)練、200測(cè)試數(shù)據(jù)利用影像組學(xué)方法提取轉(zhuǎn)移高度相關(guān)24個(gè)影像組學(xué)特征和臨床指標(biāo)，繪制諾模圖結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)(1/2)廣東省人民醫(yī)院與中科院自動(dòng)化融合影像特征和臨床指標(biāo)的影像組學(xué)標(biāo)簽可對(duì)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移進(jìn)行個(gè)性化預(yù)測(cè)，指導(dǎo)治療決策預(yù)測(cè)模型諾模圖結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)(2/2)JournalofClinicalOncology,2016,

DOI:10.1200/JCO.2015.65.9128

SCIIF(2015):20.98融合影像特征和臨床指標(biāo)的影像組學(xué)標(biāo)簽可對(duì)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移進(jìn)非小細(xì)胞肺癌生存期預(yù)測(cè)(1/2)Radiology,accepted,May,2016傳統(tǒng)臨床分期和病理對(duì)NSCLC患者無(wú)病生存期預(yù)測(cè)效果有限，需要新的預(yù)測(cè)方法臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)有完整無(wú)病生存期隨訪信息的282例早期（IA–IIB期）NSCLC病例利用LASSOCox回歸模型提取5個(gè)肺癌生存期相關(guān)的影像組學(xué)特征，構(gòu)建預(yù)測(cè)模型廣東省人民醫(yī)院與中科院自動(dòng)化所合作非小細(xì)胞肺癌生存預(yù)測(cè)非小細(xì)胞肺癌生存期預(yù)測(cè)(1/2)Radiology,acc對(duì)于早期非小細(xì)胞肺癌患者，影像組學(xué)特征比臨床分期和臨床病理有更好的生存期預(yù)示能力K-M生存曲線列線圖Radiology,accepted,May,2016非小細(xì)胞肺癌生存期預(yù)測(cè)(2/2)廣東省人民醫(yī)院與中科院自動(dòng)化所合作非小細(xì)胞肺癌生存預(yù)測(cè)對(duì)于早期非小細(xì)胞肺癌患者，影像組學(xué)特征比K-M生存曲線列線圖結(jié)直腸癌新輔助放療效果評(píng)價(jià)(1/2)浙大醫(yī)學(xué)院邵逸夫醫(yī)院進(jìn)行結(jié)直腸癌新輔助放療效果預(yù)測(cè)結(jié)直腸癌新輔助放療效果很難在治療前進(jìn)行預(yù)測(cè)，需要更準(zhǔn)確方法指導(dǎo)治療決策臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)48例接受新輔助放療的結(jié)直腸癌病例，包括T1/T2/DWI/DCE等MRI掃描數(shù)據(jù)利用影像組學(xué)方法提取103個(gè)多參數(shù)影像組學(xué)特征，對(duì)于新輔助放療效果進(jìn)行預(yù)測(cè)ClinCancerRes，2016，DOI:10.1158/1078-0432.CCR-15-2997結(jié)直腸癌新輔助放療效果評(píng)價(jià)(1/2)浙大醫(yī)學(xué)院邵逸夫醫(yī)院進(jìn)行針對(duì)結(jié)直腸癌新輔助放療效果評(píng)估，多參數(shù)影像組學(xué)特征比常規(guī)影像分析有更準(zhǔn)確預(yù)測(cè)性能沒(méi)有緩解結(jié)直腸癌新輔助放療效果評(píng)價(jià)(2/2)ClinCancerRes，2016，DOI:10.1158/1078-0432.CCR-15-2997病理緩解沒(méi)有緩解病理緩解常規(guī)方法影像組學(xué)針對(duì)結(jié)直腸癌新輔助放療效果評(píng)估，多參數(shù)影沒(méi)有結(jié)直腸癌新輔助放影像組學(xué)研究進(jìn)展——緊跟國(guó)際研究熱點(diǎn)預(yù)測(cè)診斷軟件開(kāi)發(fā)研發(fā)一套專(zhuān)門(mén)讀取臨床影像數(shù)據(jù)并自動(dòng)進(jìn)行分期、生存率預(yù)測(cè)和治療方案建議的軟件系統(tǒng)基于臨床數(shù)據(jù)的分期和預(yù)測(cè)算法研究利用工科優(yōu)勢(shì)，開(kāi)展臨床數(shù)據(jù)的分期和預(yù)測(cè)算法研究，發(fā)表高影響因子學(xué)術(shù)論文一系列數(shù)據(jù)資源Radiomics資源數(shù)據(jù)庫(kù)建設(shè)收集一系列格式規(guī)范、信息完整的8000例臨床影像數(shù)據(jù)和基因數(shù)據(jù)，并整理成資源數(shù)據(jù)庫(kù)一連串關(guān)鍵技術(shù)一整套影像軟件一大批合作醫(yī)院30余家國(guó)內(nèi)醫(yī)院長(zhǎng)期合作已經(jīng)與北京、長(zhǎng)三角、珠三角、河南等地區(qū)的30余家三甲為主的醫(yī)院建立長(zhǎng)期合作關(guān)系影像組學(xué)研究進(jìn)展——緊跟國(guó)際研究熱點(diǎn)預(yù)測(cè)診斷軟件開(kāi)發(fā)基于臨床已經(jīng)超過(guò)30余家合作醫(yī)院國(guó)內(nèi)合作醫(yī)院——北上廣+中西部廣東省人民醫(yī)院廣醫(yī)一附院汕大附屬腫瘤醫(yī)院上海肺科醫(yī)院上海長(zhǎng)征醫(yī)院哈醫(yī)大四附院哈醫(yī)大二附院西京醫(yī)院華西醫(yī)院301、協(xié)和醫(yī)院天壇、佑安醫(yī)院中日友好醫(yī)院醫(yī)科院腫瘤醫(yī)院北京腫瘤醫(yī)院河南省人民醫(yī)院鄭大一附院貴州省人民醫(yī)院珠海市人民醫(yī)院已經(jīng)超過(guò)30余家合作醫(yī)院國(guó)內(nèi)合作醫(yī)院——北上廣+中西部廣東省影像組學(xué)數(shù)據(jù)資源建立了涵蓋中國(guó)三大高發(fā)癌種的多中心、多腫瘤、多模態(tài)的數(shù)據(jù)資源平臺(tái)，癌癥數(shù)據(jù)近萬(wàn)例腦脊索瘤1家合作醫(yī)院200余例肺癌8家合作醫(yī)院5000余例肝癌2家合作醫(yī)院500余例結(jié)直腸癌2家合作醫(yī)院800余例胃癌1家合作醫(yī)院600余例乳腺癌1家合作醫(yī)院600余例腦膠質(zhì)瘤4家合作醫(yī)院1100余例影像組學(xué)數(shù)據(jù)資源建立了涵蓋中國(guó)三大高發(fā)癌種的多中心、多腫瘤、大量數(shù)據(jù)大數(shù)據(jù)影像組學(xué)大數(shù)據(jù)是臨床問(wèn)題明確、格式規(guī)范、信息完整的病人數(shù)據(jù)=影像組學(xué)數(shù)據(jù)規(guī)范大量數(shù)據(jù)大數(shù)據(jù)影像組學(xué)大數(shù)據(jù)是臨床問(wèn)題明確、格式規(guī)范、信息完數(shù)據(jù)格式標(biāo)準(zhǔn)DICOM格式的CT、MR、PET等數(shù)據(jù)，支持多序列數(shù)據(jù)，同一批患者數(shù)據(jù)采集序列一致單幅圖像>512*512像素，數(shù)據(jù)層厚：0.625-2.5mm病理信息病理分類(lèi)、TNM分期、復(fù)發(fā)轉(zhuǎn)移等信息年齡、性別、是否吸煙等治療信息藥物治療、手術(shù)治療、放化療、基因靶向治療等藥物用量、治療次數(shù)、靶向藥物類(lèi)型等預(yù)后信息2年以上病人隨訪，明確腫瘤進(jìn)展和死亡時(shí)間基因信息致病基因突變、相關(guān)基因回路詳細(xì)參考《中國(guó)科學(xué)院分子影像重點(diǎn)實(shí)驗(yàn)室合作醫(yī)院影像組學(xué)數(shù)據(jù)規(guī)范細(xì)則》影像組學(xué)數(shù)據(jù)規(guī)范數(shù)據(jù)格式標(biāo)準(zhǔn)DICOM格式的CT、MR、PET等數(shù)據(jù)，支持多腫瘤強(qiáng)度腫瘤紋理臨床經(jīng)驗(yàn)小波特征低維特征視覺(jué)特征高維特征一定個(gè)數(shù)三維特征經(jīng)驗(yàn)特征復(fù)雜特征影像組學(xué)特征提取同病異癥異病同癥深度學(xué)習(xí)大數(shù)據(jù)挖掘定量分析腫瘤形狀將低維視覺(jué)特征、高維復(fù)雜特征和臨床經(jīng)驗(yàn)特征相結(jié)合，全面分析腫瘤異質(zhì)性腫瘤強(qiáng)度腫瘤紋理臨床經(jīng)驗(yàn)小波特征低維特征視覺(jué)特征高維特征一定簡(jiǎn)單視覺(jué)二維特征放射科醫(yī)生同病異癥異病同癥多年臨床診斷經(jīng)驗(yàn)高維復(fù)雜三維特征影像組學(xué)定量異質(zhì)性提高診療率數(shù)據(jù)挖掘深度學(xué)習(xí)影像組學(xué)特征選擇簡(jiǎn)單視覺(jué)二維特征放射科醫(yī)生同病異癥多年臨床高維復(fù)雜三維特征影肺結(jié)節(jié)自動(dòng)分割研究LIDC公開(kāi)數(shù)據(jù)集819例數(shù)據(jù)的精度為81.57%.較之于水平集方法和圖割方法，精度提高14.95%(p<0.0005)和10.18%(p=0.004).3D臨床問(wèn)題：肺結(jié)節(jié)自動(dòng)分割精度低手動(dòng)分割速度慢與上海長(zhǎng)征醫(yī)院合作研究腫瘤自動(dòng)分割，精度提高10%JiangdianSong,ANewAutomatedLungNoduleSegmentationAlgorithmBasedonTobogganandregiongrowing.IEEETMI,35(1):337-53,2016.分割方法對(duì)實(shí)性結(jié)節(jié)和磨玻璃結(jié)節(jié)都有效肺結(jié)節(jié)自動(dòng)分割研究LIDC公開(kāi)數(shù)據(jù)集819例數(shù)據(jù)的精度為81與斯坦福大學(xué)合作進(jìn)行肺癌良惡性分類(lèi)預(yù)測(cè)肺癌良惡性診斷對(duì)治療方案制定有重要指導(dǎo)意義，常規(guī)診斷主要依靠術(shù)前穿刺活檢或術(shù)后病理，缺乏術(shù)前無(wú)創(chuàng)定量評(píng)估方法臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)有良惡性病理證實(shí)的國(guó)際公開(kāi)肺癌數(shù)據(jù)庫(kù)LIDC數(shù)據(jù)庫(kù)中495良性和495惡性肺結(jié)節(jié)采用基于深度機(jī)器學(xué)習(xí)的影像組學(xué)方法進(jìn)行肺癌良惡性二分類(lèi)的預(yù)測(cè)分析WeiShen,Multi-scaleLungNoduleClassificationMethodUsingCNN,accepted,2016,PR基于深度學(xué)習(xí)的肺癌良惡性預(yù)測(cè)(1/2)與斯坦福大學(xué)合作進(jìn)行肺癌良惡性分類(lèi)預(yù)測(cè)肺癌良惡性診斷對(duì)治療方深度機(jī)器學(xué)習(xí)對(duì)肺結(jié)節(jié)多尺度分類(lèi)精度達(dá)83%基于深度學(xué)習(xí)的肺癌良惡性預(yù)測(cè)(2/2)尺度0120+10+21+20+1+2良惡性分類(lèi)精度76.36%79.49%82.12%80.90%81.41%80.81%83.23%基于LIDC數(shù)據(jù)庫(kù)495良性和495惡性肺結(jié)節(jié)，采用10倍交叉驗(yàn)證法卷積神經(jīng)網(wǎng)絡(luò)深度機(jī)器學(xué)習(xí)人工智能黑盒子多尺度輸入良惡分類(lèi)WeiShen,Multi-scaleLungNoduleClassificationMethodUsingCNN,accepted,2016,PR深度機(jī)器學(xué)習(xí)對(duì)肺結(jié)節(jié)多尺度分類(lèi)精度達(dá)83%基于深度學(xué)習(xí)的肺癌在中國(guó)科學(xué)院STS項(xiàng)目支持下研發(fā)肺癌影像組學(xué)預(yù)測(cè)軟件數(shù)據(jù)顯示區(qū)預(yù)測(cè)結(jié)果實(shí)時(shí)進(jìn)度運(yùn)行記錄操作區(qū)軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(1/5)在中國(guó)科學(xué)院STS項(xiàng)目支持下數(shù)據(jù)顯示區(qū)預(yù)測(cè)結(jié)果實(shí)時(shí)進(jìn)度運(yùn)行記軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(2/5)軟件可以進(jìn)行腫瘤良惡性預(yù)測(cè)，為臨床診斷提供第二意見(jiàn)TNM分期良惡性生存期治療方案病人打分機(jī)制：

>60分預(yù)后良好，可推薦手術(shù)治療、放化療等

<60分預(yù)后較差，建議保守治療、靶向治療等軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(2/5)軟件可以進(jìn)行腫瘤良惡性預(yù)可實(shí)現(xiàn)腫瘤的自動(dòng)分割和592個(gè)特征的提取腫瘤分割結(jié)果軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(3/5)可實(shí)現(xiàn)腫瘤的自動(dòng)分割和592個(gè)特征的提取腫瘤分割結(jié)果軟件進(jìn)展惡性腫瘤例子N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(4/5)惡性腫瘤例子N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(5/5)良性磨玻璃偽影(GGO)例子N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(5/5影像組學(xué)預(yù)測(cè)軟件推廣思路—借助STS項(xiàng)目影像大數(shù)據(jù)資源平臺(tái)影像組學(xué)輔助診斷研究所、高校三甲醫(yī)院區(qū)級(jí)醫(yī)院技術(shù)支持資源支撐提出需求專(zhuān)家經(jīng)驗(yàn)提出需求專(zhuān)家經(jīng)驗(yàn)信息共享，遠(yuǎn)程會(huì)診評(píng)估預(yù)測(cè)

輔助診斷評(píng)估預(yù)測(cè)

輔助診斷數(shù)據(jù)和特征入庫(kù)數(shù)據(jù)和特征入庫(kù)影像組學(xué)預(yù)測(cè)軟件推廣思路—借助STS項(xiàng)目影像大數(shù)據(jù)資源平臺(tái)影影像組學(xué)預(yù)測(cè)軟件推廣上海肺科醫(yī)院

影像科

史景云主任上海長(zhǎng)征醫(yī)院

影像醫(yī)學(xué)與核醫(yī)學(xué)科

劉士遠(yuǎn)主任廣東省人民醫(yī)院

放射科梁長(zhǎng)虹主任廣州醫(yī)學(xué)院一附院放射科曾慶思主任河南省人民醫(yī)院史大鵬主任鄭州大學(xué)第一附屬醫(yī)院程敬亮主任哈爾濱醫(yī)科大學(xué)附屬第四醫(yī)院申寶忠院長(zhǎng)北京天壇醫(yī)院

神經(jīng)外科江濤、張亞卓主任項(xiàng)目組研發(fā)影像組學(xué)預(yù)測(cè)軟件將在國(guó)內(nèi)多家三甲醫(yī)院進(jìn)行試點(diǎn)，臨床預(yù)測(cè)精度80%左右影像組學(xué)預(yù)測(cè)軟件推廣上海肺科醫(yī)院影像科史景云主任項(xiàng)目組研與江西中科九峰移動(dòng)醫(yī)療公司合作惠民工程（江西）遠(yuǎn)程醫(yī)療項(xiàng)目，已獲30余家三甲醫(yī)院支持，并在上高縣人民醫(yī)院等一批基層醫(yī)院得到推廣健康醫(yī)療信息惠民行動(dòng)計(jì)劃影像組學(xué)遠(yuǎn)程醫(yī)療推廣借助惠民工程，推廣遠(yuǎn)程醫(yī)療，服務(wù)基層醫(yī)院九峰醫(yī)療與南昌市人民政府、江西省科技廳等四方共建移動(dòng)醫(yī)療研究院與江西中科九峰移動(dòng)醫(yī)療公司合作惠民工程（江西）遠(yuǎn)程醫(yī)療項(xiàng)目，已經(jīng)形成完整的自主知識(shí)產(chǎn)權(quán)體系研究基礎(chǔ)—專(zhuān)利軟著已經(jīng)形成完整的自主知識(shí)產(chǎn)權(quán)體系研究基礎(chǔ)—專(zhuān)利軟著研究基礎(chǔ)—科研獎(jiǎng)項(xiàng)(第一完成單位)42國(guó)家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)(2010)國(guó)家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)(2012)國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng)(2003)國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng)(2004)研究基礎(chǔ)—科研獎(jiǎng)項(xiàng)(第一完成單位)42國(guó)家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)國(guó)在Radiomics理論方法及醫(yī)學(xué)應(yīng)用方面發(fā)表IEEETrans系列雜志，NatureComm，NatureProtoc,PNAS，LaserPhotonicsRev等SCI國(guó)際期刊論文70余篇研究基礎(chǔ)—發(fā)表論文方法技術(shù)系列論文生物醫(yī)學(xué)應(yīng)用系列論文在Radiomics理論方法及醫(yī)學(xué)應(yīng)用方面發(fā)表IEEETr臨床影像頂級(jí)期刊Radiology臨床腫瘤領(lǐng)域頂級(jí)期刊JCO影像處理頂級(jí)期刊IEEETMI研究基礎(chǔ)—代表性論文在腫瘤、放射、影像處理頂級(jí)期刊上都有文章發(fā)表臨床影像頂級(jí)期刊臨床腫瘤領(lǐng)域頂級(jí)期刊JCO影像處理頂級(jí)期刊研田捷，博士，中國(guó)科學(xué)院自動(dòng)化研究所研究員IEEE,SPIE,IAMBE,AIMBE,IAPRFellow2002年度國(guó)家杰出青年科學(xué)基金獲得者2003年度、2004年度國(guó)家科技進(jìn)步二等獎(jiǎng)(第一完成人)2010年度、2012年度國(guó)家技術(shù)發(fā)明二等獎(jiǎng)(第一完成人)2006，2012年兩項(xiàng)973計(jì)劃項(xiàng)目首席科學(xué)家實(shí)驗(yàn)室負(fù)責(zé)人田捷，博士，中國(guó)科學(xué)院自動(dòng)化研究所研究員IEEE,SPIE徐敏高級(jí)工程師

楊鳳助研楊彩云助研董迪責(zé)任組長(zhǎng)臧亞麗助研劉振宇助研李國(guó)棟博士生宛曉南博士生沈偉博士生牟瑋博士生俞冬東博士生宋江典博士生6名老師、15名研究生（8博士、7碩士）Radiomics核心成員徐敏楊鳳楊彩云董迪臧亞麗劉振宇李國(guó)棟宛曉南沈偉牟合作模式（1/3）源于臨床高于臨床回歸臨床腫瘤診療臨床問(wèn)題影像組學(xué)分析方法診療分析預(yù)測(cè)模型篩選數(shù)據(jù)選擇特征特征提取模型構(gòu)建臨床醫(yī)院自動(dòng)化所合作模式（1/3）源于臨床高于臨床回歸臨床腫瘤診療影像組學(xué)診共同發(fā)表國(guó)際期刊論文合作開(kāi)展臨床應(yīng)用聯(lián)合申請(qǐng)科研項(xiàng)目合作模式國(guó)家惠民工程移動(dòng)醫(yī)療專(zhuān)項(xiàng)精準(zhǔn)醫(yī)療項(xiàng)目等重大項(xiàng)目國(guó)際主流學(xué)術(shù)期刊論文如JCO、Radiology等腫瘤放化療效果評(píng)估腫瘤診療方案輔助建議合作模式（2/3）共同發(fā)表國(guó)際期刊論文合作開(kāi)展臨床應(yīng)用聯(lián)合申請(qǐng)科研項(xiàng)目合作模式合作模式（3/3）深入加強(qiáng)合作共創(chuàng)互贏平臺(tái)醫(yī)院多：已經(jīng)合作有三十余家三甲醫(yī)院醫(yī)生多：實(shí)驗(yàn)室人員三分之一醫(yī)院醫(yī)生交流多：實(shí)驗(yàn)室年均訪問(wèn)醫(yī)院兩百人次合作模式（3/3）深入加強(qiáng)合作共創(chuàng)互贏平臺(tái)醫(yī)院多：已經(jīng)合國(guó)家科技項(xiàng)目大力支持影像組學(xué)相關(guān)研究國(guó)家科技部發(fā)布了精準(zhǔn)醫(yī)學(xué)、數(shù)字診療裝備干細(xì)胞與轉(zhuǎn)化醫(yī)學(xué)等一系列重點(diǎn)研發(fā)專(zhuān)項(xiàng)國(guó)家自然科學(xué)基金委2015年10月通過(guò)了多模分子影像與腫瘤精準(zhǔn)成像重大研究計(jì)劃國(guó)家科技項(xiàng)目大力支持影像組學(xué)相關(guān)研究國(guó)家科技部發(fā)布了精準(zhǔn)醫(yī)學(xué)希望得到各位專(zhuān)家的支持與指導(dǎo)！國(guó)家重大需求推動(dòng)科學(xué)研究有必要：基于本團(tuán)隊(duì)前期成果與經(jīng)驗(yàn)有基礎(chǔ)：與國(guó)際研究暫處同一起跑線有機(jī)遇：利用影像組學(xué)實(shí)現(xiàn)精準(zhǔn)醫(yī)學(xué)有信心：結(jié)束語(yǔ)希望得到各位專(zhuān)家的支持與指導(dǎo)！國(guó)家重大需求推動(dòng)科學(xué)研究有必要敬請(qǐng)批評(píng)指導(dǎo)！謝謝敬請(qǐng)批評(píng)指導(dǎo)！謝謝第五屆華美影像論壇影像組學(xué)及其在腫瘤研究與臨床中的應(yīng)用第五屆華美影像論壇

2015年9月，國(guó)家衛(wèi)計(jì)委、發(fā)改委等16個(gè)部門(mén)聯(lián)合印發(fā)《中國(guó)癌癥防治三年行動(dòng)計(jì)劃（2015-2017年）》背景—國(guó)家重大需求：4項(xiàng)定量指標(biāo)：重點(diǎn)地區(qū)、癌癥早診率達(dá)到50%腫瘤登記覆蓋全國(guó)30%以上人口癌癥防治核心知識(shí)知曉率達(dá)60%成人吸煙率下降3%

2015年9月，國(guó)家衛(wèi)計(jì)委、發(fā)改委等16個(gè)部門(mén)聯(lián)合印發(fā)《背景—癌癥生存率無(wú)突破經(jīng)過(guò)五十年的努力，癌癥的五年生存期并沒(méi)有得到明顯的提高N=1,950,388.UpdatedMay12,2014DatafromNationalCancerInstituteofNIH(2014)%背景—癌癥生存率無(wú)突破經(jīng)過(guò)五十年的努力，癌癥的五年生存期并沒(méi)腫瘤基因組的時(shí)空異質(zhì)性限制了靶向治療的效果我們?nèi)狈τ行У氖侄稳ト娑吭u(píng)估腫瘤異質(zhì)性Gerlingeretal.NEnglJMed366,883-92(2012).被引用2368次英國(guó)倫敦大學(xué)癌癥研究中心CharlesSwanton,MD挑戰(zhàn)——缺乏定量評(píng)估手段腫瘤基因組的時(shí)空異質(zhì)性限制了靶向治療的效果Gerlinger腫瘤>5mm才能被診斷缺乏早期診斷手段癌癥的五年生存率沒(méi)有實(shí)質(zhì)性提高時(shí)空異質(zhì)性影響治療缺乏定量評(píng)估方法背景—癌癥生存率無(wú)突破原因N.Engl.J.Med.2010,363(1):4-6.醫(yī)療設(shè)備方面醫(yī)療軟件方面N.Engl.J.Med.2012,366,883-92.分子影像早期診斷手段影像組學(xué)定量分析方法腫瘤>5mm才能被診斷缺乏早期診斷手段癌癥的五年生存率時(shí)空異機(jī)遇——影像組學(xué)腫瘤大小5mm1kg左右腫瘤1~3年5~20年細(xì)胞表達(dá)生物分子異常正?；虍惓ｉ_(kāi)始增殖前癌病變形成癌灶出現(xiàn)病狀死亡轉(zhuǎn)移傳統(tǒng)成像技術(shù)難以實(shí)現(xiàn)早期微小腫瘤成像基因技術(shù)檢測(cè)早期基因異常？影像組學(xué)影像組學(xué)融合基因信息和影像多模態(tài)信息，為實(shí)現(xiàn)精準(zhǔn)診斷提供了新機(jī)遇基因異常新陳代謝異常器官結(jié)構(gòu)異常時(shí)間機(jī)遇——影像組學(xué)腫瘤大小5mm1kg左右腫瘤1~3年5~20影像組學(xué)（Radiomics）發(fā)展歷程概念完善概念提出高通量地從MRI、PET及CT影像中提取大量高維的定量影像特征，并進(jìn)行分析影像組學(xué)指高通量地提取大量描述腫瘤特性的影像特征，最初譯為放射組學(xué)臨床應(yīng)用影像組學(xué)特征成功用于肺癌和頭頸癌數(shù)據(jù)的臨床預(yù)后評(píng)估，得到良好效果Nat.

Comm.2014,5:4006EJC2012,48:441-446MRI2012,30(9):1234.影像組學(xué)（Radiomics）發(fā)展歷程概念完善概念提出高通量VirendraKumaretal,MagneticResonanceImaging,2012,30:1234.(被引55次)PhilippeLambin,EuropeanJournalofCancer2012;48:441-446.(被引100次)解剖結(jié)構(gòu)物理組織層次代謝層次蛋白質(zhì)層次轉(zhuǎn)錄學(xué)層次功能影像結(jié)構(gòu)影像分子影像量化微環(huán)境定量異質(zhì)性基因?qū)哟位虿±砝煤Ａ坑跋窈突虿±硇畔⑷娑磕[瘤異質(zhì)性癌癥研究影像組學(xué)影像組學(xué)提供定量化研究手段VirendraKumaretal,Magnetic影像組學(xué)流程特征提取預(yù)測(cè)算法影像數(shù)據(jù)高維特征強(qiáng)度形狀紋理小波其它功能影像結(jié)構(gòu)影像分子影像基因病理診療決策腫瘤分期腫瘤分型預(yù)后分析診療方案合作優(yōu)化提高病人生存期提高疾病早診率減輕患者醫(yī)療負(fù)擔(dān)緩解醫(yī)院就診壓力推廣應(yīng)用影像組學(xué)利用大數(shù)據(jù)挖掘技術(shù)定量腫瘤異質(zhì)性，實(shí)現(xiàn)精準(zhǔn)診療決策，提高患者的生存期影像組學(xué)流程特征提取預(yù)測(cè)算法影像數(shù)據(jù)高維特征強(qiáng)度形狀紋理小波國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(1/4)Aertsetal.NatureCommunications,2014,5:4006.影像組學(xué)通過(guò)融合影像、基因和病理信息可量化腫瘤微環(huán)境，早期定量腫瘤基因異質(zhì)性基因表達(dá)影像特征病理信息數(shù)據(jù)分割特征分析預(yù)測(cè)強(qiáng)度形狀小波紋理美國(guó)莫菲特癌癥中心RobertJ.Gillies影像組學(xué)最早提出者之一國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(1/4)Aertset臨床問(wèn)題：臨床影像信息挖掘不足腫瘤異質(zhì)性很難用影像定性評(píng)估收集數(shù)據(jù)：一千多個(gè)病人完整數(shù)據(jù)788個(gè)患有非小細(xì)胞肺癌病人數(shù)據(jù)231個(gè)患有頭頸部鱗癌的病人數(shù)據(jù)提取特征：四百多個(gè)關(guān)鍵影像特征強(qiáng)度：最大值、標(biāo)準(zhǔn)方差、能量等形狀：緊密度、最長(zhǎng)直徑、體積等紋理：和平均、最大可能、和熵等小波：邊界、自由與粘貼面積比等實(shí)驗(yàn)結(jié)果：影像與臨床顯著性相關(guān)影像組學(xué)特征可用于預(yù)測(cè)腫瘤預(yù)后Aertsetal.NatureCommunications,2014,5:4006.國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(2/4)臨床問(wèn)題：臨床影像信息挖掘不足Aertsetal.NaAertsetal.NatureCommunications,2014,5:4006.影像組學(xué)特征有重要預(yù)后價(jià)值：特征各向異性越強(qiáng)，病人存活率越低，緊密或球形腫瘤預(yù)后更好國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(3/4)Aertsetal.NatureCommunicatAertsetal.NatureCommunications,2014,5:4006.影像組學(xué)的標(biāo)簽與基因重要相關(guān)利用影像特征預(yù)測(cè)患者基因信息國(guó)際研究進(jìn)展—肺癌頭頸癌預(yù)后分析(4/4)Aertsetal.NatureCommunicat國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(1/2)腦膠質(zhì)瘤靶向治療所需的基因數(shù)據(jù)難以獲取，穿刺活檢有創(chuàng)且難以得到整體信息臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)斯坦福醫(yī)院MR圖像121例訓(xùn)練、TCGA公開(kāi)數(shù)據(jù)集MR和對(duì)應(yīng)的基因數(shù)據(jù)144例測(cè)試提取388個(gè)影像組學(xué)特征聚類(lèi)為三類(lèi)，與PARADIGM算法尋找的基因回路進(jìn)行關(guān)聯(lián)ScienceTranslationalMedicine,2015,DOI:10.1126/scitranslmed.aaa7582

SCIIF(2015):15.843國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(1/2)腦膠質(zhì)瘤靶向國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(2/2)邊緣毛刺多病灶前期橢球形邊緣規(guī)則邊緣強(qiáng)化內(nèi)部低信號(hào)高風(fēng)險(xiǎn)組中風(fēng)險(xiǎn)組低風(fēng)險(xiǎn)組C-KitIL6-singalingAng/Tie2-signalingC-KitFOXAPDGFRVEGFR酪氨酸激酶抑制劑

:伊馬替尼

VEGFR抑制劑：貝伐單抗影像特征預(yù)后生存基因回路靶向治療ScienceTranslationalMedicine,2015,DOI:10.1126/scitranslmed.aaa7582

SCIIF(2015):15.843國(guó)際研究進(jìn)展—影像-基因回路關(guān)聯(lián)分析(2/2)邊緣毛刺橢球形國(guó)內(nèi)最新研究—五月發(fā)表三篇影像組學(xué)論文結(jié)直腸癌JClinOncol非小細(xì)胞肺癌Radiology結(jié)直腸癌ClinCancerRes預(yù)測(cè)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移術(shù)前預(yù)測(cè)結(jié)直腸癌輔助放化療效果ClinicalCancerResearchDOI:10.1158/1078-0432.CCR-15-2997浙大醫(yī)學(xué)院邵逸夫醫(yī)院預(yù)測(cè)非小細(xì)胞肺癌無(wú)進(jìn)展生存率Radiologyaccepted,May,2016廣東省人民醫(yī)院中科院自動(dòng)化所JournalofClinicalOncology

DOI:10.1200/JCO.2015.65.9128廣東省人民醫(yī)院中科院自動(dòng)化所國(guó)內(nèi)最新研究—五月發(fā)表三篇影像組學(xué)論文結(jié)直腸癌非小細(xì)胞肺癌結(jié)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)(1/2)廣東省人民醫(yī)院與中科院自動(dòng)化所合作結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)JournalofClinicalOncology,2016,

DOI:10.1200/JCO.2015.65.9128

SCIIF(2015):20.98結(jié)直腸癌是否合并淋巴結(jié)轉(zhuǎn)移很難在術(shù)前準(zhǔn)確確定，是否轉(zhuǎn)移決定患者手術(shù)過(guò)程中是否進(jìn)行淋巴結(jié)清掃，顯著影響臨床決策臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)病理證實(shí)是否淋巴結(jié)轉(zhuǎn)移的影像病理數(shù)據(jù)廣東省人民醫(yī)院326訓(xùn)練、200測(cè)試數(shù)據(jù)利用影像組學(xué)方法提取轉(zhuǎn)移高度相關(guān)24個(gè)影像組學(xué)特征和臨床指標(biāo)，繪制諾模圖結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)(1/2)廣東省人民醫(yī)院與中科院自動(dòng)化融合影像特征和臨床指標(biāo)的影像組學(xué)標(biāo)簽可對(duì)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移進(jìn)行個(gè)性化預(yù)測(cè)，指導(dǎo)治療決策預(yù)測(cè)模型諾模圖結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)(2/2)JournalofClinicalOncology,2016,

DOI:10.1200/JCO.2015.65.9128

SCIIF(2015):20.98融合影像特征和臨床指標(biāo)的影像組學(xué)標(biāo)簽可對(duì)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移進(jìn)非小細(xì)胞肺癌生存期預(yù)測(cè)(1/2)Radiology,accepted,May,2016傳統(tǒng)臨床分期和病理對(duì)NSCLC患者無(wú)病生存期預(yù)測(cè)效果有限，需要新的預(yù)測(cè)方法臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)有完整無(wú)病生存期隨訪信息的282例早期（IA–IIB期）NSCLC病例利用LASSOCox回歸模型提取5個(gè)肺癌生存期相關(guān)的影像組學(xué)特征，構(gòu)建預(yù)測(cè)模型廣東省人民醫(yī)院與中科院自動(dòng)化所合作非小細(xì)胞肺癌生存預(yù)測(cè)非小細(xì)胞肺癌生存期預(yù)測(cè)(1/2)Radiology,acc對(duì)于早期非小細(xì)胞肺癌患者，影像組學(xué)特征比臨床分期和臨床病理有更好的生存期預(yù)示能力K-M生存曲線列線圖Radiology,accepted,May,2016非小細(xì)胞肺癌生存期預(yù)測(cè)(2/2)廣東省人民醫(yī)院與中科院自動(dòng)化所合作非小細(xì)胞肺癌生存預(yù)測(cè)對(duì)于早期非小細(xì)胞肺癌患者，影像組學(xué)特征比K-M生存曲線列線圖結(jié)直腸癌新輔助放療效果評(píng)價(jià)(1/2)浙大醫(yī)學(xué)院邵逸夫醫(yī)院進(jìn)行結(jié)直腸癌新輔助放療效果預(yù)測(cè)結(jié)直腸癌新輔助放療效果很難在治療前進(jìn)行預(yù)測(cè)，需要更準(zhǔn)確方法指導(dǎo)治療決策臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)48例接受新輔助放療的結(jié)直腸癌病例，包括T1/T2/DWI/DCE等MRI掃描數(shù)據(jù)利用影像組學(xué)方法提取103個(gè)多參數(shù)影像組學(xué)特征，對(duì)于新輔助放療效果進(jìn)行預(yù)測(cè)ClinCancerRes，2016，DOI:10.1158/1078-0432.CCR-15-2997結(jié)直腸癌新輔助放療效果評(píng)價(jià)(1/2)浙大醫(yī)學(xué)院邵逸夫醫(yī)院進(jìn)行針對(duì)結(jié)直腸癌新輔助放療效果評(píng)估，多參數(shù)影像組學(xué)特征比常規(guī)影像分析有更準(zhǔn)確預(yù)測(cè)性能沒(méi)有緩解結(jié)直腸癌新輔助放療效果評(píng)價(jià)(2/2)ClinCancerRes，2016，DOI:10.1158/1078-0432.CCR-15-2997病理緩解沒(méi)有緩解病理緩解常規(guī)方法影像組學(xué)針對(duì)結(jié)直腸癌新輔助放療效果評(píng)估，多參數(shù)影沒(méi)有結(jié)直腸癌新輔助放影像組學(xué)研究進(jìn)展——緊跟國(guó)際研究熱點(diǎn)預(yù)測(cè)診斷軟件開(kāi)發(fā)研發(fā)一套專(zhuān)門(mén)讀取臨床影像數(shù)據(jù)并自動(dòng)進(jìn)行分期、生存率預(yù)測(cè)和治療方案建議的軟件系統(tǒng)基于臨床數(shù)據(jù)的分期和預(yù)測(cè)算法研究利用工科優(yōu)勢(shì)，開(kāi)展臨床數(shù)據(jù)的分期和預(yù)測(cè)算法研究，發(fā)表高影響因子學(xué)術(shù)論文一系列數(shù)據(jù)資源Radiomics資源數(shù)據(jù)庫(kù)建設(shè)收集一系列格式規(guī)范、信息完整的8000例臨床影像數(shù)據(jù)和基因數(shù)據(jù)，并整理成資源數(shù)據(jù)庫(kù)一連串關(guān)鍵技術(shù)一整套影像軟件一大批合作醫(yī)院30余家國(guó)內(nèi)醫(yī)院長(zhǎng)期合作已經(jīng)與北京、長(zhǎng)三角、珠三角、河南等地區(qū)的30余家三甲為主的醫(yī)院建立長(zhǎng)期合作關(guān)系影像組學(xué)研究進(jìn)展——緊跟國(guó)際研究熱點(diǎn)預(yù)測(cè)診斷軟件開(kāi)發(fā)基于臨床已經(jīng)超過(guò)30余家合作醫(yī)院國(guó)內(nèi)合作醫(yī)院——北上廣+中西部廣東省人民醫(yī)院廣醫(yī)一附院汕大附屬腫瘤醫(yī)院上海肺科醫(yī)院上海長(zhǎng)征醫(yī)院哈醫(yī)大四附院哈醫(yī)大二附院西京醫(yī)院華西醫(yī)院301、協(xié)和醫(yī)院天壇、佑安醫(yī)院中日友好醫(yī)院醫(yī)科院腫瘤醫(yī)院北京腫瘤醫(yī)院河南省人民醫(yī)院鄭大一附院貴州省人民醫(yī)院珠海市人民醫(yī)院已經(jīng)超過(guò)30余家合作醫(yī)院國(guó)內(nèi)合作醫(yī)院——北上廣+中西部廣東省影像組學(xué)數(shù)據(jù)資源建立了涵蓋中國(guó)三大高發(fā)癌種的多中心、多腫瘤、多模態(tài)的數(shù)據(jù)資源平臺(tái)，癌癥數(shù)據(jù)近萬(wàn)例腦脊索瘤1家合作醫(yī)院200余例肺癌8家合作醫(yī)院5000余例肝癌2家合作醫(yī)院500余例結(jié)直腸癌2家合作醫(yī)院800余例胃癌1家合作醫(yī)院600余例乳腺癌1家合作醫(yī)院600余例腦膠質(zhì)瘤4家合作醫(yī)院1100余例影像組學(xué)數(shù)據(jù)資源建立了涵蓋中國(guó)三大高發(fā)癌種的多中心、多腫瘤、大量數(shù)據(jù)大數(shù)據(jù)影像組學(xué)大數(shù)據(jù)是臨床問(wèn)題明確、格式規(guī)范、信息完整的病人數(shù)據(jù)=影像組學(xué)數(shù)據(jù)規(guī)范大量數(shù)據(jù)大數(shù)據(jù)影像組學(xué)大數(shù)據(jù)是臨床問(wèn)題明確、格式規(guī)范、信息完數(shù)據(jù)格式標(biāo)準(zhǔn)DICOM格式的CT、MR、PET等數(shù)據(jù)，支持多序列數(shù)據(jù)，同一批患者數(shù)據(jù)采集序列一致單幅圖像>512*512像素，數(shù)據(jù)層厚：0.625-2.5mm病理信息病理分類(lèi)、TNM分期、復(fù)發(fā)轉(zhuǎn)移等信息年齡、性別、是否吸煙等治療信息藥物治療、手術(shù)治療、放化療、基因靶向治療等藥物用量、治療次數(shù)、靶向藥物類(lèi)型等預(yù)后信息2年以上病人隨訪，明確腫瘤進(jìn)展和死亡時(shí)間基因信息致病基因突變、相關(guān)基因回路詳細(xì)參考《中國(guó)科學(xué)院分子影像重點(diǎn)實(shí)驗(yàn)室合作醫(yī)院影像組學(xué)數(shù)據(jù)規(guī)范細(xì)則》影像組學(xué)數(shù)據(jù)規(guī)范數(shù)據(jù)格式標(biāo)準(zhǔn)DICOM格式的CT、MR、PET等數(shù)據(jù)，支持多腫瘤強(qiáng)度腫瘤紋理臨床經(jīng)驗(yàn)小波特征低維特征視覺(jué)特征高維特征一定個(gè)數(shù)三維特征經(jīng)驗(yàn)特征復(fù)雜特征影像組學(xué)特征提取同病異癥異病同癥深度學(xué)習(xí)大數(shù)據(jù)挖掘定量分析腫瘤形狀將低維視覺(jué)特征、高維復(fù)雜特征和臨床經(jīng)驗(yàn)特征相結(jié)合，全面分析腫瘤異質(zhì)性腫瘤強(qiáng)度腫瘤紋理臨床經(jīng)驗(yàn)小波特征低維特征視覺(jué)特征高維特征一定簡(jiǎn)單視覺(jué)二維特征放射科醫(yī)生同病異癥異病同癥多年臨床診斷經(jīng)驗(yàn)高維復(fù)雜三維特征影像組學(xué)定量異質(zhì)性提高診療率數(shù)據(jù)挖掘深度學(xué)習(xí)影像組學(xué)特征選擇簡(jiǎn)單視覺(jué)二維特征放射科醫(yī)生同病異癥多年臨床高維復(fù)雜三維特征影肺結(jié)節(jié)自動(dòng)分割研究LIDC公開(kāi)數(shù)據(jù)集819例數(shù)據(jù)的精度為81.57%.較之于水平集方法和圖割方法，精度提高14.95%(p<0.0005)和10.18%(p=0.004).3D臨床問(wèn)題：肺結(jié)節(jié)自動(dòng)分割精度低手動(dòng)分割速度慢與上海長(zhǎng)征醫(yī)院合作研究腫瘤自動(dòng)分割，精度提高10%JiangdianSong,ANewAutomatedLungNoduleSegmentationAlgorithmBasedonTobogganandregiongrowing.IEEETMI,35(1):337-53,2016.分割方法對(duì)實(shí)性結(jié)節(jié)和磨玻璃結(jié)節(jié)都有效肺結(jié)節(jié)自動(dòng)分割研究LIDC公開(kāi)數(shù)據(jù)集819例數(shù)據(jù)的精度為81與斯坦福大學(xué)合作進(jìn)行肺癌良惡性分類(lèi)預(yù)測(cè)肺癌良惡性診斷對(duì)治療方案制定有重要指導(dǎo)意義，常規(guī)診斷主要依靠術(shù)前穿刺活檢或術(shù)后病理，缺乏術(shù)前無(wú)創(chuàng)定量評(píng)估方法臨床問(wèn)題組學(xué)方法臨床數(shù)據(jù)有良惡性病理證實(shí)的國(guó)際公開(kāi)肺癌數(shù)據(jù)庫(kù)LIDC數(shù)據(jù)庫(kù)中495良性和495惡性肺結(jié)節(jié)采用基于深度機(jī)器學(xué)習(xí)的影像組學(xué)方法進(jìn)行肺癌良惡性二分類(lèi)的預(yù)測(cè)分析WeiShen,Multi-scaleLungNoduleClassificationMethodUsingCNN,accepted,2016,PR基于深度學(xué)習(xí)的肺癌良惡性預(yù)測(cè)(1/2)與斯坦福大學(xué)合作進(jìn)行肺癌良惡性分類(lèi)預(yù)測(cè)肺癌良惡性診斷對(duì)治療方深度機(jī)器學(xué)習(xí)對(duì)肺結(jié)節(jié)多尺度分類(lèi)精度達(dá)83%基于深度學(xué)習(xí)的肺癌良惡性預(yù)測(cè)(2/2)尺度0120+10+21+20+1+2良惡性分類(lèi)精度76.36%79.49%82.12%80.90%81.41%80.81%83.23%基于LIDC數(shù)據(jù)庫(kù)495良性和495惡性肺結(jié)節(jié)，采用10倍交叉驗(yàn)證法卷積神經(jīng)網(wǎng)絡(luò)深度機(jī)器學(xué)習(xí)人工智能黑盒子多尺度輸入良惡分類(lèi)WeiShen,Multi-scaleLungNoduleClassificationMethodUsingCNN,accepted,2016,PR深度機(jī)器學(xué)習(xí)對(duì)肺結(jié)節(jié)多尺度分類(lèi)精度達(dá)83%基于深度學(xué)習(xí)的肺癌在中國(guó)科學(xué)院STS項(xiàng)目支持下研發(fā)肺癌影像組學(xué)預(yù)測(cè)軟件數(shù)據(jù)顯示區(qū)預(yù)測(cè)結(jié)果實(shí)時(shí)進(jìn)度運(yùn)行記錄操作區(qū)軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(1/5)在中國(guó)科學(xué)院STS項(xiàng)目支持下數(shù)據(jù)顯示區(qū)預(yù)測(cè)結(jié)果實(shí)時(shí)進(jìn)度運(yùn)行記軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(2/5)軟件可以進(jìn)行腫瘤良惡性預(yù)測(cè)，為臨床診斷提供第二意見(jiàn)TNM分期良惡性生存期治療方案病人打分機(jī)制：

>60分預(yù)后良好，可推薦手術(shù)治療、放化療等

<60分預(yù)后較差，建議保守治療、靶向治療等軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(2/5)軟件可以進(jìn)行腫瘤良惡性預(yù)可實(shí)現(xiàn)腫瘤的自動(dòng)分割和592個(gè)特征的提取腫瘤分割結(jié)果軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(3/5)可實(shí)現(xiàn)腫瘤的自動(dòng)分割和592個(gè)特征的提取腫瘤分割結(jié)果軟件進(jìn)展惡性腫瘤例子N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(4/5)惡性腫瘤例子N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(5/5)良性磨玻璃偽影(GGO)例子N分期良惡性生存期治療方案軟件進(jìn)展—肺癌預(yù)測(cè)軟件研發(fā)(5/5影像組學(xué)預(yù)測(cè)軟件推廣思路—借助STS項(xiàng)目影像大數(shù)據(jù)資源平臺(tái)影像組學(xué)輔助診斷研究所、高校三甲醫(yī)院區(qū)級(jí)醫(yī)院技術(shù)支持資源支撐提出需求專(zhuān)家經(jīng)驗(yàn)提出需求專(zhuān)家經(jīng)驗(yàn)信息共享，遠(yuǎn)程會(huì)診評(píng)估預(yù)測(cè)

輔助診斷評(píng)估預(yù)測(cè)

輔助診斷數(shù)據(jù)和特征入庫(kù)數(shù)據(jù)和特征入庫(kù)影像組