介绍了Radiomics的工作流程及每一步的常用软件
Dicom图像
Dicom就是是医学图像和相关信息的国际标准，Dicom图像就是指标准的医学图像格式。Dicom图像深度比正常图像大得多，而不同的深度则可以表示不同的信息。一般情况下以HU描述。
下表描述了人体中常见物质的HU值
影像组学的应用
影像组学的概念真正提出来是2012年。当时它刚提出来时只是针对CT数据，把它用组学的方法进行分析。后续则将数据从CT扩展到磁共振、超声等，涉及到多影像。大数据和AI和影像组学的结合，主要有以下三个方面的应用：
* 辅助诊断
结合计算机的分析计算辅助发现病灶，提高诊断准确率。
* 肿瘤预测
预测疾病的可能病程和结局，包括症状、体征和并发征等异常情况
的出现消失和死亡。
* 疗效评估
借助计算机进行评估
影像组学工作流程
影像组学就是从医疗大数据中提取数据，利用AI方法挖掘肿瘤信息，实现临床辅助决策。这个流程和日常医生读片的过程是一致的，医生读片是先有影像数据，然后用人眼提取它的形状特征。最终给出诊断结果。
影像组学工作流程：
1. 确定要研究的问题和患者群体，获得标准医学图像
2. 在医学图像中分割出感兴趣的区域（ROI），主要就是病灶部分
3. 获取图像的特征
4. 进行分析统计并建模
影像组学关键技术
图像分割
根据上述工作流程，得到患者数据后，第一步就是进行图像分割，得到病灶区。图像分割一般包括全自动分割、半自动分割和人工手动分割。
目前比较成熟的分割算法有以下几种：
区域生长
图割算法
水平集
分水岭
目前没有普适的分割算法能够应用于所有的医学影像。现阶段可用于该步的工具有以下几种：
3DSlicer
官方网址：www.slicer.org
是一款用于图像分析的免费开源软件包，可用于图像分割
MIM软件
官方网址：www.mimsoftware.com
商业软件包，可应用于图像分割，其中包括了手动轮廓和自动轮廓，
已经应用于肺部和食管癌的研究
Itk-SNAP
官方网址：www.itksnap.org
Definiens
官方网址：www.definiens.com
主要应用于肺肿瘤分析
特征提取量化
一旦肿瘤区域被确定，影像特征即可被提取。目前常用的特征有4大类：形状特征、强度特征、纹理特征和高阶特征，具体如下：
强度 ：最大值、标准方差、能量等
形状 ：紧密度、最长直径、体积等
纹理 ：灰度共生矩阵、熵等
小波 ：边界、自由粘贴面积比
目前使用的特征提取软件有以下几种：
TexRAD
官方网址：www.texrad.com
TexRAD特征分析使用拉普拉斯高斯滤波，其允许计算对应于不同
尺度和强度变化的各种特征。
MaZda
官方网址：http://eletel.eu/mazda
是一种二维和三维图像纹理分析软件程序，添加了ROI定义，规范化，
功能统计分析和分类的工具。
CGITA
官方网址：http://code.google.com/p/cgita
基于MATLAB的开源纹理分析软件程序，可以导入任何DICOM图像
建模/统计分析
提取出来的数百上千的特征必须进行统计分析，统计分析中重要的一步也就是减少特征的数量，找到少数真正的关键的特征，术语称作降维。统计完成之后就是建立预测模型或分类模型。
统计分析有以下几种方法：
众测信度分析
主成份分析
相关性分析
聚类分析
分类与预测模型：
肿瘤分类
肿瘤分期
预后预测
可用于建模/统计分析的软件包：
R
官方网址：www.r-project.org/
R是用于统计计算的自由软件环境
MedCalc
官方网址：www.medcalc.org
Weka
官方网址：www.cs.waikato.ac.nz/ml/weka/
辅助诊断
医学影像分析算法平台
MITK集成化医学影像分析c++类库
下载地址：http://www.mitk.net/download_mitk1.html
3DMed面向用户的医学影像分析平台
下载地址：http://www.mitk.net/download_med1.html
肺癌影像组软件
Radiomics影像组学软件
参考
- 中科院田捷：基于医疗大数据和AI技术的影像组学及其应用
- 《Computational resources for radiomics 》 Laurence E. Court, Xenia Fave, Dennis Mackin, Joonsang Lee, Jinzhong Yang, Lifei Zhang