影像组学在前列腺癌中的应用进展

• 作者: 赵士玉 刘晓斌 郭瑜 沈文
• 来源期刊: 中国医学影像学杂志
• 关键词: 前列腺肿瘤 影像组学 综述
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 述评与综述
• 页码范围: 411-414
• 页数: 4页
• 分类号: R737.25|R445
• 语种: 中文
• DOI: 10.3969/j.issn.1005-5185.2021.04.030

摘要

前列腺癌(prostate cancer,PCa)是男性最常见的癌症之一,美国PCa居男性癌症死亡率第2位[1].随着PCa患者的增多,对其筛查、诊断、治疗及预后的研究逐渐成为研究热点,临床亟需一种简单、准确、可重复的PCa检查方法.CT、MRI、PET、超声等的应用可以无创地提供肿瘤形态学和部分功能学信息,但尚不能实现对肿瘤异质性特征的深层次分析.影像组学可以深度挖掘和分析影像图像信息,提取大量的表型特征,通过机器学习,对大量的图像表型特征进行深度筛选与分类.目前异质性分析方法在 PCa 领域的主要应用有量化参数分布分析(体素强度直方图分析)和量化空间复杂性分析(纹理模式分析),体素强度直方图分析通过定量参数平均值、标准差、峰值、最大值、最小值、峰度、偏度和百分位数等分析肿瘤异质性分布[2],属于一阶(单体素)分析.纹理模式分析通过Haralick纹理特征参数熵、对比度、能量、同质性、差异性等描述体素强度水平的空间分布[3],属于二阶(双体素)分析.影像组学的应用在PCa异质性分析上增添了高阶纹理分析和形态特征分析,并通过机器学习对图像特征进行筛选和分类.目前,影像组学已应用于肺癌[4]、宫颈癌[5]、肝癌[6]、乳腺癌[7]、直肠癌[8]等领域,在PCa中的临床应用包括诊断及鉴别诊断、组织学判定、分子标识、病理学分型、临床决策、疗效评价及预后预测等.本文拟对影像组学在PCa中的研究与应用进行综述.