笔记收藏：影像组学/放射组学
近期在不同的学术会议上，有幸聆听学习了几位影像组学的大咖做报告，受益匪浅。以大咖们的报告为指导，自己也学习查找了一些文献，加入了一点点自己的理解和想法，整理成一篇笔记，与大家分享。名词解释：影像组学（Radiomics) “影像组学”，一共4个字，每个字都是常见字啊。但4个字放一起啥意思？好吧，我们把它们拆成“影像”和“组学”两个词来说。这里的“影像”通常指的就是放
MedSci原创 - 影像组学，放射组学 - 2018-07-25
Investigative Radiology：磁共振成像图像处理对放射组学特征的影响
虽然建议在提取放射学特征前进行标准化的图像处理，但迄今为止还没有公布专门的MRI处理参数设置，因此需要进一步的研究进行明确及验证。
MedSci原创 - 磁共振成像（MRI），放射组学 - 2023-06-16
European Radiology：CT平扫时低脂肾上腺腺瘤的放射组学特征
放射组学是一门新兴的学科，其基础是从医学影像中提取极小的数据，已被用于多个领域以实现临床决策。
MedSci原创 - 放射组学，肾上腺腺瘤 - 2024-04-27
Academic Radiology：基于放射组学特征亚实性肺腺癌的间隔生长
相关研究文献回顾发现，在肺癌筛查项目中，亚实性结节（SSN）的发病率高达9%。其中，小于五毫米（5mm）的磨玻璃结节（GGNs）占筛查发现的所有SSNs的70%。
MedSci原创 - 肺腺癌，放射组学 - 2023-11-11
European Radiology：基于CT放射组学特征的结直肠癌无创预测
放射组学是一种从常规医学放射图像中提取高通量定性特征的方法，有可能描述肿瘤表型并改善癌症诊断、预后和对治疗的反应。
MedSci原创 - 结直肠癌，放射组学，CT放射组学 - 2022-10-10
European Radiology：放射组学特征对肺腺癌患者预后预测的附加价值
在过去的几年里，放射组学在临床上多个领域中得到了普及，放射组学特征的潜力在精准医疗领域得到了广泛的认可。
MedSci原创 - 肺腺癌，放射组学 - 2022-11-13
European Radiology:深度学习重建为放射组学特征提取“保驾护航”！
现阶段，深度学习重建可对组织进行更可靠的量化以提取放射组学特征。
MedSci原创 - 深度学习，放射组学 - 2022-05-01
Eur Radiol：由CT放射组学特征来预测神经母细胞瘤MYCN扩增
神经母细胞瘤是儿童最常见的颅外实性肿瘤。在20-30%的神经母细胞瘤中可检测到MYCN扩增(MNA)，其与肿瘤侵袭行为和不良预后有很强的相关性。
MedSci原创 - 神经母细胞瘤，MYCN癌基因，放射组学 - 2021-03-08
European Radiology：图像采集和处理对超声放射组学特征再现性的影响
放射组学特征的可重复性分析可以通过评估成像数据可重复性、分割可重复性、计算/统计可重复性和研究可重复性来确定。
MedSci原创 - 放射组学，超声放射组学 - 2022-07-24
European Radiology：冠状动脉的这一放射组学特征你忽略了吗？
放射组学可以提取大量无法从医学图像中直观评估的定量特征。然而，临床上对PCAT的放射组学分析与CT-FFR相结合是否能提高冠状动脉狭窄血流动力学意义的诊断准确性仍不明确。
MedSci原创 - 冠状动脉疾病，机器学习，CCTA，放射组学，CT-FFR - 2023-02-10
European Radiology：联合放射组学和转录组学分析揭示了非小细胞肺癌的亚型特征
一些优秀的放射基因组学研究发现，放射基因组学可以帮助预测NSCLC的突变状态。
MedSci原创 - 非小细胞肺癌，转录组学，放射组学 - 2023-05-13
European Radiology:肝转移病灶的大小对基于CT的放射组学特征的影响
图像生物标记物标准化倡议（IBSI）为放射组学工作流程和放射组学特征的定义提出了基于共识的策略，可提高高通量成像分析的可重复性。
MedSci原创 - 肝转移瘤，放射组学分析 - 2022-06-03
European Radiology：直肠系膜脂肪的MRI放射组学特征与直肠癌患者的预后
MRI是直肠癌分期的标准成像方式，对于评估直肠癌局部进展（LARC）意义重大。
MedSci原创 - 直肠癌，放射组学，直肠系膜 - 2022-01-16
European Radiology：瘤周CT定量放射组学特征能否预测非小细胞肺癌患者的预后?
现阶段，基于医学成像的放射组学可以全面评估肿瘤及其环境，这可以为预测癌症预后提供更多的信息。
MedSci原创 - 非小细胞肺癌，放射组学，CT放射组学 - 2023-02-06
European Radiology：基于深度学习的MRI下咽癌全自动分割和放射组学特征提取
多项研究显示，磁共振放射组学可以作为一个生物标志物预测HNSCC的治疗预效果和生存率。然而，以一层接一层的方式手工勾画肿瘤轮廓非常耗时，而且容易出现间隙。
MedSci原创 - 深度学习，下咽癌 - 2024-03-21
为您找到相关结果约500个
