肿瘤遗传学应用
很多研究发现在肿瘤病理学与肿瘤基因之间存在着很强的关联(见图4)，所以研究肿瘤遗传学可以给肿瘤诊断提供生物学方面的基础，影像组学恰好就是病理学与基因学之间的很好结合，可以作为肿瘤遗传学研究的重要手段。在脑部肿瘤遗传学的研究中，通常利用MRI影像中的三维特征与体细胞基因突变，基因表达结合来评估用于遗传学研究，例如的一份研究中指出，不同恶化程度的胶质瘤类型具有不同的三维(volume)纹理特征；在最近的一份研究中，基于容积纹理(volumetricmeasurements)的参数，例如对比增强容积(contrast enhanced volume)，梗死容积(necrosis volume)以及整体肿瘤容积(total tumor volume)被发现对恶性胶质瘤突变类型有着很好的预测效果；在CT图像评估领域中，的一项研究中发现，影像组学的参数特征-形状特征(shape feature)和小波特征(wavelet feature)在描述肿瘤异质性的同时，也对肿瘤细胞的生存周期有着很好的描述，研究最后指出，通常高度增生的肿瘤细胞具有较复杂的图像特征，例如纹理特征等。
图4 影像组学在遗传性疾病研究中应用
影像组学除了在上述的临床应用中起着非常重要的作用，在其他的应用中同样也有一些应用，总之影像组学作为刚刚兴起的前沿学科，由于它将影像，病理、分子病理与基因信息紧密的联系在一起，利用工程学的方法提供了一整套用于临床决策和科研的解决方案，影像组学在临床应用中将会起到越来越重要的作用。
参考文献
马莉,范影乐著纹理图像分析科学出版社北京
Kumar V, Gu Y, Basu S, et al: Radiomics: The process and the challenges. Magn Reson Imaging 30:1234-1248,
McGranahan N, Swanton C: Biological and therapeutic impact of intratumor heterogeneity in cancer evolution. Cancer Cell 27:15-26, [Erratum: Cancer Cell 28:141, ]
Aerts HJ, Grossmann P, Tan Y, et al: Defining a radiomic response phenotype: A pilot study using targeted therapy in NSCLC. Sci Rep 6:33860,
Solomon CJ, Breckon TP: Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab.Hoboken, NJ, Wiley-Blackwell,
Kessler LG, Barnhart HX, Buckler AJ, et al: The emerging science of quantitative imaging biomarkers terminology and definitions for scientific studies and regulatory submissions. Stat Methods Med Res 24:9-26,
Katrib A, Hsu W, Bui A, et al:“Radiotranomics”: A synergy of imaging and tranomics in clinical assessment.Quant Biol 4:1-12,
Mazurowski MA: Radiogenomics: What it is and why it is important. J Am Coll Radiol 12:862-866,
Calderwood SK: Tumor heterogeneity, clonal evolution, and therapy resistance: An opportunity for multitargeting therapy. Discov Med 15:188-194,
Coroller TP, Agrawal V, Narayan V, et al: Radiomic phenotype features predict pathological response in non-small cell lung cancer. Radiother Oncol 119:480-486,
如果觉得《影像组学matlab 【影像组学】影像组学研究进展介绍》对你有帮助，请点赞、收藏，并留下你的观点哦！
