影像组学在胰腺肿瘤中的研究进展

刘琢玉 唐玲玲 黄小华 刘念

胰腺肿瘤是胰腺局部组织细胞异常增生所形成的赘生物，包括胰腺导管腺癌（p ancreatic ductal adenocarcinoma,PDA C）、胰腺神经内分泌肿瘤（p ancreatic neuroendocrine tumor,PNET）和胰腺囊性肿瘤（p ancreatic cysticneoplasm,PC N）等。由于胰腺肿瘤的预后与其具体分型相关，临床上需要一种能够对其进行准确诊断、分级及预后评估的方法。随着大数据时代的到来和人工智能的发展，机器学习被应用到各个领域。基于机器学习的影像组学开辟了一个全新的医、理、工三学科相结合的研究方向，目前已广泛应用于肿瘤或非肿瘤疾病的研究[1-2]。本文围绕影像组学在胰腺癌（panc reatic cancer,P C）、PNET和PCN中的研究进展予以综述。

1 影像组学简介

影像组学是指高通量地从医学影像（CT、PET/CT、MRI和超声等影像）中挖掘定量特征，并根据这些特征建立模型用于临床决策支持系统中，以提高诊疗准确性的一门新兴学科[3]。近年来，影像组学被广泛应用于肿瘤的研究，其工作流程为：①影像的获取与重建，主要通过CT、MRI、PET/CT和超声等获得高质量、标准化的影像。②影像分割及兴趣区（ROI）勾画，包括手动、半自动、自动分割3种方式，目前的研究多采用手动分割，其优势在于准确性高，能够对不规则边界进行精确勾画等。③特征提取与量化，影像组学特征包括形态学特征、直方图特征、纹理特征和基于滤波和变换的其他特征[4]。④特征降维与筛选，过多的特征数将导致数据分析中的“维度灾难”和模型的过拟合，因此对特征进行降维与筛选必不可少[5]。⑤模型的建立，常用的机器学习模型有随机森林、支持向量机、人工神经网络、广义线性模型等[5]。……