影像組學(xué)特征可以量化醫(yī)學(xué)影像呈現(xiàn)的特點(diǎn)。然而，缺乏標(biāo)準(zhǔn)化定義和有效參考值限制了臨床應(yīng)用。
材料和方法：影像組學(xué)特征分三個(gè)階段進(jìn)行評(píng)估：第一階段，從174個(gè)基本特征集中提取出487個(gè)衍生的子特征，25個(gè)研究小組使用特定的影像組學(xué)軟件直接從數(shù)字圖像中計(jì)算特征值，無需任何額外的圖像處理；在第二階段，15個(gè)小組使用肺癌患者的CT圖像和預(yù)定義的圖像處理配置計(jì)算了1347個(gè)衍生特征的值；在這兩個(gè)階段中，通過測(cè)量特征值的頻率評(píng)估有效參考特征值的一致性，并將其分類為：少于三次，較弱；三到五次，中等水平；六到九次，很強(qiáng)；10次或更多，非常強(qiáng)。在最后階段（第三階段），使用來自51例軟組織肉瘤患者的多模態(tài)圖像（CT、18氟脫氧葡萄糖PET和T1加權(quán)MRI）的公共數(shù)據(jù)集評(píng)估標(biāo)準(zhǔn)化特征的再現(xiàn)性。
結(jié)果：第一階段302個(gè)特征中的232個(gè)（76.8%）和第二階段1075個(gè)特征中的703個(gè)（65.4%）最初參考值的一致性很弱。在最后一次迭代中，在第一階段487個(gè)特征中只有兩個(gè)（0.4%）和在第二階段1347個(gè)特征中的19個(gè)（1.4%）存在微弱的一致性。第一階段487個(gè)特征中有463個(gè)（95.1%）和第二階段1347個(gè)特征中有1220個(gè)（90.6%）獲得了強(qiáng)烈或更好的一致性?？傮w而言，174個(gè)特征中有169個(gè)在前兩個(gè)階段實(shí)現(xiàn)了標(biāo)準(zhǔn)化。在最后的驗(yàn)證階段（第三階段），169個(gè)標(biāo)準(zhǔn)化特征中的大多數(shù)都可以很好地再現(xiàn)（166個(gè)采用CT；164個(gè)采用PET；164個(gè)采用MRI）。
結(jié)論：標(biāo)準(zhǔn)化了一組共169個(gè)影像組學(xué)特征，從而能夠驗(yàn)證和校準(zhǔn)不同的影像組學(xué)軟件。本文發(fā)表在雜志。
醫(yī)學(xué)的個(gè)性化是由準(zhǔn)確診斷疾病和為患者確定合適治療方法的需要驅(qū)動(dòng)的。醫(yī)學(xué)成像是生物標(biāo)記物的潛在來源，因?yàn)樗峁┝烁信d趣組織的宏觀視圖。醫(yī)學(xué)成像的優(yōu)點(diǎn)是無創(chuàng)性、臨床護(hù)理中容易獲得且可重復(fù)。
影像組學(xué)從醫(yī)學(xué)成像中提取特征，以自動(dòng)化、高通量的方式量化其表型特征。這種影像組學(xué)特征有助于在癌癥研究中預(yù)測(cè)治療結(jié)果和評(píng)估組織惡性腫瘤。在神經(jīng)科學(xué)中，這些特征可能有助于檢測(cè)阿爾茨海默病和診斷自閉癥譜系障礙。
盡管影像組學(xué)在臨床上越來越受到關(guān)注，但已發(fā)表的研究很難重現(xiàn)和驗(yàn)證。即使對(duì)于同一個(gè)影像，兩種不同的軟件實(shí)現(xiàn)通常也會(huì)產(chǎn)生不同的特征值。這是因?yàn)槿狈哂锌沈?yàn)證參考值的影像組學(xué)特征的標(biāo)準(zhǔn)化定義，并且計(jì)算特征所需的圖像處理方案沒有一致地實(shí)施。報(bào)告不夠詳細(xì)，無法再現(xiàn)研究和發(fā)現(xiàn)，更加劇了這種情況。
我們提出了圖像生物標(biāo)志物標(biāo)準(zhǔn)化倡議（IBSI），通過實(shí)現(xiàn)以下目標(biāo)來應(yīng)對(duì)這些挑戰(zhàn)：（a）建立常用影像組學(xué)特征的術(shù)語和定義；（b）建立一個(gè)通用的影像組學(xué)圖像處理方案，用于計(jì)算影像特征；（c）為圖像處理和特征計(jì)算的軟件實(shí)現(xiàn)的驗(yàn)證和校準(zhǔn)提供數(shù)據(jù)集和相關(guān)參考值；（d）為涉及影像組學(xué)分析的研究提供一套報(bào)告指南。
材料和方法：
研究設(shè)計(jì)：
我們將當(dāng)前的工作分為三個(gè)階段（圖1）。前兩個(gè)階段側(cè)重于迭代標(biāo)準(zhǔn)化，然后第三個(gè)是驗(yàn)證階段。在第一階段，主要目標(biāo)是在沒有任何額外圖像處理的情況下，標(biāo)準(zhǔn)化影像組學(xué)特征定義并定義參考值。在第二階段中，我們定義了一個(gè)通用的影像組學(xué)圖像處理方案，并獲得了不同圖像處理配置下特征的參考值。在第三階段，我們?cè)u(píng)估了在前幾個(gè)階段進(jìn)行的標(biāo)準(zhǔn)化特征值是否會(huì)在驗(yàn)證數(shù)據(jù)集可再現(xiàn)。
研究團(tuán)隊(duì)：
我們邀請(qǐng)了影像組學(xué)研究人員在IBSI中進(jìn)行合作。參與是自愿的，在研究期間是開放的。如果團(tuán)隊(duì)（a）開發(fā)了自己的圖像處理和特征計(jì)算軟件，并且（b）可以參與研究的任何階段，那么他們是合格的。
圖1，研究概述流程圖。
典型的影像組學(xué)分析的工作流程始于醫(yī)學(xué)圖像的采集和重建。隨后，分割圖像以定義感興趣區(qū)域（ROI）。之后，使用影響組學(xué)軟件處理圖像并計(jì)算ROI特征。我們專注于標(biāo)準(zhǔn)化圖像處理和特征計(jì)算步驟。標(biāo)準(zhǔn)化在兩個(gè)迭代階段進(jìn)行。
在第一階段，我們使用了一個(gè)專門設(shè)計(jì)的數(shù)字模型來直接獲得影像組學(xué)特征的參考值。
在第二階段中，使用公開的肺癌患者CT圖像，以獲得標(biāo)準(zhǔn)化常規(guī)放射影像處理方案預(yù)定義下特征的參考值。
在第三階段，通過評(píng)估51例軟組織肉瘤患者的公開多模態(tài)患者隊(duì)列中標(biāo)準(zhǔn)化特征的再現(xiàn)性，對(duì)影像組學(xué)軟件中圖像處理和特征計(jì)算步驟的標(biāo)準(zhǔn)化進(jìn)行了前瞻性驗(yàn)證。18F-FDG=氟18-氟脫氧葡萄糖，T1w=T1加權(quán)。
影像組學(xué)特征
我們定義了一組174個(gè)影像組學(xué)特征。（表1）這組特征通常用于量化三維圖像中感興趣區(qū)域（ROI）中的形態(tài)特征、一階統(tǒng)計(jì)特征和體素（紋理）之間的空間關(guān)系。為了計(jì)算紋理特征，需要額外的特征特定參數(shù)。這使計(jì)算特征的數(shù)量超過了174個(gè)。IBSI參考手冊(cè)第3章提供了所有特征定義。
表1，所包含影像組學(xué)特征概述
通用影像組學(xué)圖像處理方案
根據(jù)以往研究，我們定義了一個(gè)通用的影像組學(xué)圖像處理方案。該方案包含從重建圖像計(jì)算特征所需的主要處理步驟，如圖2所示。有關(guān)這些圖像處理步驟的完整說明，請(qǐng)參見IBSI參考手冊(cè)（在線）第2章。
數(shù)據(jù)集
每個(gè)階段使用不同的數(shù)據(jù)集。在第一階段，我們?cè)O(shè)計(jì)了一個(gè)小的80體素三維數(shù)字模型，帶有74體素ROI mask，以便于在不涉及圖像預(yù)處理的情況下為特征建立參考值。
在第二階段，我們使用了一名肺癌患者被公開的CT圖像。同時(shí)對(duì)腫瘤全腦圖像進(jìn)行分割作為ROI。
III期使用的驗(yàn)證數(shù)據(jù)集由51名軟組織肉瘤患者組成，他們接受了腫瘤成像方式中的多模態(tài)成像（包括CT、18氟脫氧葡萄糖PET和T1加權(quán)MRI）。每幅圖像后續(xù)都進(jìn)行了腫瘤組織分割，作為ROI。PET和MRI集中預(yù)處理，以確保標(biāo)準(zhǔn)化轉(zhuǎn)換和偏倚場(chǎng)校正步驟不會(huì)影響驗(yàn)證。
定義特征參考值有效性的標(biāo)準(zhǔn)
在前兩個(gè)階段，研究團(tuán)隊(duì)直接從相關(guān)圖像數(shù)據(jù)集中的ROI計(jì)算特征值（第一階段），并且根據(jù)預(yù)定義的圖像處理參數(shù)計(jì)算特征值（第二階段）。收集每個(gè)團(tuán)隊(duì)提交的所有最新值，并限制為三個(gè)有效數(shù)字。然后，我們使用每個(gè)特征提取值作為暫定參考值。
我們使用兩種方法對(duì)每個(gè)特征的暫定參考值的有效性的一致性水平進(jìn)行量化：（a）提取的值與允許范圍內(nèi)的暫定參考值相匹配的研究團(tuán)隊(duì)的數(shù)量；（b)之前的數(shù)字除以提交值的。
圖2，用于計(jì)算影像組學(xué)特征的一般處理方法的流程圖。圖像處理從重建圖像開始。這些圖像通過幾個(gè)可選步驟進(jìn)行處理：數(shù)據(jù)轉(zhuǎn)換（例如，轉(zhuǎn)換為標(biāo)準(zhǔn)值）、圖像采集后處理（例如，圖像去噪）和圖像插值。在分割步驟中自動(dòng)創(chuàng)建感興趣區(qū)域（ROI），或者檢索現(xiàn)有的ROI。然后對(duì)ROI進(jìn)行插值，并將強(qiáng)度和形態(tài)掩膜創(chuàng)建為副本。可根據(jù)強(qiáng)度值對(duì)強(qiáng)度掩模進(jìn)行重新劃分，以提高隊(duì)列中強(qiáng)度范圍的可比性。然后，根據(jù)ROI及其鄰近區(qū)域（局部強(qiáng)度特征）或ROI本身（所有其他特征）掩膜的圖像計(jì)算影像組學(xué)特征。此外，在計(jì)算根據(jù)強(qiáng)度直方圖（IH）、強(qiáng)度體積直方圖（IVH）、灰度共生矩陣（GLCM）、灰度游程長(zhǎng)度矩陣（GLRLM）、灰度大小區(qū)域矩陣（GLSZM）、灰度距離區(qū)域矩陣（GLDZM）、鄰域灰度差矩陣（NGTDM）特征之前，對(duì)圖像強(qiáng)度進(jìn)行離散化，以及鄰接灰度相關(guān)矩陣（NGLDM）族。本研究評(píng)估了從圖像插值到影像組學(xué)特征計(jì)算的所有處理步驟。
研究團(tuán)隊(duì)總數(shù)。
根據(jù)第一個(gè)一致性度量，分配了四個(gè)一致性級(jí)別，如下所示：少于三個(gè)，弱；三到五個(gè)，中等；六到九個(gè)，強(qiáng)；10個(gè)或更多，非常強(qiáng)。第二步的方法評(píng)估了一致的穩(wěn)定性。我們認(rèn)為一個(gè)特征的暫定參考值只有在它至少有適度的一致性并且它被貢獻(xiàn)研究團(tuán)隊(duì)的絕對(duì)多數(shù)（超過50%）使用時(shí)才有效。
迭代標(biāo)準(zhǔn)化過程
在前兩個(gè)階段中，我們反復(fù)完善了關(guān)于特征參考值有效的一致性。該迭代過程同時(shí)用于標(biāo)準(zhǔn)化特征定義和一般的影像圖像預(yù)處理方法。在迭代過程開始時(shí)，我們提供了初始定義的特征（第一階段）和一般影像組學(xué)圖像預(yù)處理方法（第二階段）。對(duì)于第一階段，我們手動(dòng)計(jì)算除形態(tài)學(xué)特征外所有特征的精確參考值，以驗(yàn)證研究團(tuán)隊(duì)得出的值。對(duì)于第二階段，我們定義了五種不同的圖像處理方法（方法A–E），涵蓋了影像組學(xué)研究中常用的一系列圖像處理參數(shù)和方法。
在最初的總結(jié)之后，我們要求研究團(tuán)隊(duì)根據(jù)項(xiàng)目中的數(shù)字圖像的ROI計(jì)算特征值（第一階段）；根據(jù)不同的預(yù)定義圖像處理方法，對(duì)處理后的肺癌CT圖像中的ROI提取特征值（第二階段）。收集并處理特征值，以分析關(guān)于暫定參考值有效的一致性。然后，平均每4周提供一次結(jié)果。研究負(fù)責(zé)人還將在將其提交的特征值與數(shù)學(xué)上精確的值（僅第一階段）以及與其他團(tuán)隊(duì)獲得的特征值（第一階段和第二階段）進(jìn)行比較后，與團(tuán)隊(duì)聯(lián)系并提供反饋。研究小組以問題和建議的形式提供反饋，涉及影像組學(xué)特征的說明和影像組學(xué)軟件的標(biāo)準(zhǔn)化。因此，反饋結(jié)果的工作文件定期更新。然后，團(tuán)隊(duì)將根據(jù)分析結(jié)果和研究負(fù)責(zé)人的反饋對(duì)其軟件進(jìn)行更改。
這兩個(gè)迭代階段是交錯(cuò)的，以便更容易地將與特征計(jì)算相關(guān)的差異和錯(cuò)誤與與圖像處理相關(guān)的差異和錯(cuò)誤分開。2016年9月對(duì)第一階段的初始貢獻(xiàn)進(jìn)行了分析。在對(duì)至少70%的特征的參考值的有效性達(dá)成中等或更好的一致后，即時(shí)間點(diǎn)6（2017年1月），我們啟動(dòng)了第二階段。在時(shí)間點(diǎn)10（2017年4月）對(duì)第二階段的初始結(jié)果進(jìn)行了分析。之后，第一階段和第二階段同時(shí)進(jìn)行。我們?cè)跁r(shí)間點(diǎn)25（2019年3月）就第一階段和第二階段90%以上的特征的參考值的有效性達(dá)成強(qiáng)烈或更好的共識(shí)后，停止了迭代標(biāo)準(zhǔn)化過程。
驗(yàn)證
標(biāo)準(zhǔn)化過程完成后，我們要求研究團(tuán)隊(duì)計(jì)算腫瘤區(qū)的174個(gè)特征，使用預(yù)定義的圖像處理配置，對(duì)軟組織肉瘤驗(yàn)證隊(duì)列中的每個(gè)圖像進(jìn)行體積分析。計(jì)算出的特征值集中收集和處理，如下所示。首先，對(duì)于每個(gè)團(tuán)隊(duì)，我們刪除了他們的軟件沒有標(biāo)準(zhǔn)化的任何特征。為此，我們將各個(gè)特征的參考值與研究小組在圖像處理配置C、D和E（如II期）下從肺癌患者的CT圖像中獲得的值進(jìn)行了比較。如果某個(gè)值與其參考值不匹配，則不使用該特征。隨后使用雙向、隨機(jī)效應(yīng)、單評(píng)分、絕對(duì)一致性
組內(nèi)相關(guān)系數(shù)（ICC）
評(píng)估剩余標(biāo)準(zhǔn)化特征的再現(xiàn)性。根據(jù)Koo和Li的建議，使用ICC值95%置信區(qū)間的下限，將每個(gè)特征的再現(xiàn)性分配給以下類別之一：較差，下限值小于0.50;中等，下限值大于或等于0.50并小于0.75;良好：下限值大于0.75且小于0.90;非常好，下限值大于0.90。
結(jié)果
參與研究團(tuán)隊(duì)的特點(diǎn)
共有25支團(tuán)隊(duì)。15個(gè)團(tuán)隊(duì)參與了兩個(gè)標(biāo)準(zhǔn)化階段，9個(gè)團(tuán)隊(duì)參與了驗(yàn)證階段。一個(gè)團(tuán)隊(duì)退出了ct圖像重建方法有哪些，因?yàn)樗麄冝D(zhuǎn)而使用另一個(gè)團(tuán)隊(duì)開發(fā)的軟件。五個(gè)團(tuán)隊(duì)實(shí)現(xiàn)了95%或更多的已定義功能。在第二階段，九個(gè)團(tuán)隊(duì)能夠計(jì)算所有圖像處理配置的特征。
圖3，條形圖描述了研究團(tuán)隊(duì)的參與情況和影像組學(xué)特征覆蓋范圍。
A、圖表顯示了迭代標(biāo)準(zhǔn)化過程兩個(gè)階段中每個(gè)分析時(shí)間點(diǎn)的研究團(tuán)隊(duì)數(shù)量。團(tuán)隊(duì)在沒有事先圖像處理（第一階段）和圖像處理（第二階段）的情況下計(jì)算特征，目的是找到特征的參考值。在每個(gè)時(shí)間點(diǎn)評(píng)估參考值有效的一致性，時(shí)間間隔是可變的。
B、圖中顯示了每個(gè)團(tuán)隊(duì)在第一階段實(shí)施的影像組學(xué)功能的最終覆蓋范圍，以及團(tuán)隊(duì)重現(xiàn)參考值的能力。
格羅寧根大學(xué)醫(yī)學(xué)中心和法國國家衛(wèi)生與醫(yī)學(xué)研究所各提供了三組和兩組研究人員。這并不影響對(duì)特征參考值有效性的共識(shí)。關(guān)于參考值有效性的中等、強(qiáng)烈或非常強(qiáng)烈的共識(shí)分別基于至少三個(gè)、五個(gè)和八個(gè)不同頂級(jí)機(jī)構(gòu)的團(tuán)隊(duì)。（n=10）、C++（n=7）和（n=5）是最流行的編程語言。未發(fā)現(xiàn)語言依賴性；所有特性在其參考值的有效性方面具有中等或更好的一致性，這是基于多種編程語言的。
關(guān)于特征參考值有效性的共識(shí)
如圖4和表2所示，在研究過程中，對(duì)特征參考值有效性的共識(shí)有所改善。最初，對(duì)于大多數(shù)特征只有微弱的一致性：第一階段和第二階段的302個(gè)特征中有232個(gè)（76.8%）和1075個(gè)特征中有703個(gè)（65.4%）。
在最終分析時(shí)間點(diǎn)，一致性較弱的特征數(shù)量在第一階段減少到487個(gè)特征中的兩個(gè)（0.4%），在第二階段減少到1347個(gè)特征中的19個(gè)（1.4%）。對(duì)其（暫定）參考值的有效性缺乏一致意見的其余特征是定向最小邊界框和最小體積封閉橢球體的面積和體積密度。我們無法標(biāo)準(zhǔn)化計(jì)算定向最小包圍盒和最小體積包圍橢球體所需的復(fù)雜算法。因此，之前的特征不應(yīng)被視為標(biāo)準(zhǔn)化。
如表2所示，在第一階段和第二階段，487個(gè)特征中的463個(gè)（95.1%）和1347個(gè)特征中的1220個(gè)（90.6%）可以建立強(qiáng)有力或更好的共識(shí)。這些特征中沒有一個(gè)是不穩(wěn)定的。在第二階段，108個(gè)（1.9%）具有中度一致性的特征中有兩個(gè)不穩(wěn)定。兩者都源自相同的特征：強(qiáng)度-體積直方圖曲線下的面積。因此，我們不認(rèn)為這個(gè)特性是標(biāo)準(zhǔn)化的。最常用的實(shí)現(xiàn)特征是平均值、偏度、過度峰度和基于強(qiáng)度的統(tǒng)計(jì)族的最小值。在24個(gè)研究小組中，有23個(gè)小組實(shí)施了這些方法。
圖4，條形圖描述了關(guān)于影像組學(xué)特征參考值有效性的共識(shí)的迭代發(fā)展。
我們?cè)噲D在一個(gè)迭代的標(biāo)準(zhǔn)化過程中找到影像組學(xué)特征的可靠參考值。在第一階段，特征是在沒有事先進(jìn)行圖像處理的情況下計(jì)算的，而在第二階段，特征是在使用五種預(yù)定義配置下（配置A-E；）進(jìn)行圖像處理后進(jìn)行評(píng)估的。根據(jù)圖像處理配置，A，在第一階段和第二階段（暫定）參考值在有效性方面達(dá)成一致性的總體發(fā)展，B，在第二階段達(dá)成一致的發(fā)展。關(guān)于參考值有效的一致性是基于為特征產(chǎn)生相同值的研究團(tuán)隊(duì)的數(shù)量（弱：三；中等：三到五；強(qiáng)壯：六到九；非常強(qiáng)壯：十).我們分析了每個(gè)分析時(shí)間點(diǎn)的一致性，時(shí)間間隔是可變的。在時(shí)間點(diǎn)5和22加入了新的特征，導(dǎo)致共識(shí)明顯減少。對(duì)于第二階段，我們首先在時(shí)間點(diǎn)10分析一致性。圖像處理配置C和D在時(shí)間點(diǎn)16后改變。在時(shí)間點(diǎn)22修改重新分段處理步驟之后，配置E被改變。
表2，在第一階段和第二階段的初始和最終分析時(shí)間點(diǎn)，就影像組學(xué)特征參考值的有效性達(dá)成共識(shí)。
圖5，條形圖顯示了標(biāo)準(zhǔn)化影像組學(xué)特征的再現(xiàn)性。我們根據(jù)研究團(tuán)隊(duì)計(jì)算的特征值，使用多模式成像（CT、18氟脫氧葡萄糖PET和T1加權(quán)MRI；圖示為CT、PET和MRI）評(píng)估了51例軟組織肉瘤患者驗(yàn)證隊(duì)列中169個(gè)標(biāo)準(zhǔn)化特征的可重復(fù)性。我們根據(jù)雙向隨機(jī)效應(yīng)95%置信區(qū)間的下邊界，將每個(gè)特征分配給一個(gè)再現(xiàn)性類別，單一評(píng)分者，特征的絕對(duì)一致性組內(nèi)相關(guān)系數(shù)（差：0.50；中等：0.50–0.75；好：0.75–0.90；優(yōu)秀：大于0. 90)。在本研究中，有五個(gè)特征無法標(biāo)準(zhǔn)化。在驗(yàn)證期間，不到兩個(gè)團(tuán)隊(duì)計(jì)算了兩個(gè)具有未知再現(xiàn)性的特征。
標(biāo)準(zhǔn)化特征的再現(xiàn)性
我們能夠找到174個(gè)特征中169個(gè)具有中等或更好一致性的穩(wěn)定參考值。在驗(yàn)證階段，可以很好地再現(xiàn)這些特征。CT、PET和MRI的174個(gè)特征中的166個(gè)、174個(gè)特征中的164個(gè)和174個(gè)特征中的164個(gè)具有良好的再現(xiàn)性。174個(gè)（CT）特征中的一個(gè)和174個(gè)（PET和MRI）特征中的三個(gè)具有良好的再現(xiàn)性。對(duì)于每種模態(tài)，174個(gè)特征中有兩個(gè)具有未知的再現(xiàn)性，這表明它們?cè)隍?yàn)證期間由少于兩個(gè)團(tuán)隊(duì)計(jì)算。這些特征是Moran的I指數(shù)和Geary的C度量。雖然它們是標(biāo)準(zhǔn)化的，但計(jì)算起來很麻煩。174個(gè)特征中的其余5個(gè)在前兩個(gè)階段無法標(biāo)準(zhǔn)化，在驗(yàn)證期間未進(jìn)行評(píng)估。
討論
在這項(xiàng)研究中，圖像生物標(biāo)志物標(biāo)準(zhǔn)化倡議（IBSI）產(chǎn)生并驗(yàn)證了一組基于一致性的影像組學(xué)特征參考值。二十五個(gè)研究團(tuán)隊(duì)能夠標(biāo)準(zhǔn)化174個(gè)特征中的169個(gè)，這些特征隨后在驗(yàn)證數(shù)據(jù)集中被證明具有良好到極好的再現(xiàn)性。隨著當(dāng)前工作的完成，可以檢查任何影像組學(xué)軟件是否符合IBSI標(biāo)準(zhǔn)，如下所示：首先，使用軟件基于數(shù)字圖像計(jì)算特征。將結(jié)果值與IBSI參考手冊(cè)和為此目的創(chuàng)建的合規(guī)性檢查電子表格中的參考值進(jìn)行比較。分析出現(xiàn)的任何差異性。
隨后，解決或解釋這些差異性。然后，基于本研究中使用的CT數(shù)據(jù)集和第二階段中使用的一個(gè)或多個(gè)圖像處理配置重復(fù)上述步驟。對(duì)于許多特征的參考值的有效性，最初的一致性很弱，這意味著團(tuán)隊(duì)對(duì)同一特征獲得了不同的值。這與其他地方報(bào)道的結(jié)果相似。偏差的幾個(gè)顯著原因如下：例如，插值差異、ROI的形態(tài)表示和命名差異（隨后得到解決）。實(shí)際上，我們交叉驗(yàn)證了影像組學(xué)軟件結(jié)果。
大多數(shù)影像組學(xué)研究的結(jié)果尚未轉(zhuǎn)化為臨床實(shí)踐，需要在臨床試驗(yàn)中進(jìn)行外部回顧性和前瞻性驗(yàn)證。除了所介紹的研究工作之外，IBSI還定義了報(bào)告指南，指出了為促進(jìn)這一過程而應(yīng)報(bào)告的要素。然而，出于幾個(gè)原因，我們沒有就如何進(jìn)行良好的影像組學(xué)分析提出全面的建議。首先，這類建議將需要針對(duì)具體的方式，并可能針對(duì)具體的實(shí)體。關(guān)于特定影響的相關(guān)參數(shù)，例如，插值算法的選擇，遠(yuǎn)遠(yuǎn)還未實(shí)現(xiàn)。其次，關(guān)于影像組學(xué)分析的建議或指南已在其他地方全面涵蓋，例如，對(duì)個(gè)體預(yù)后的多變量預(yù)測(cè)模型的報(bào)告或診斷和預(yù)后模型的診斷聲明。當(dāng)然，在第二階段中使用的圖像處理方法并非用于一般用途，因?yàn)樗鼈兊闹饕康氖呛w一系列不同的方法。
我們的研究有幾個(gè)局限性。首先，我們的目的是為影像組學(xué)特征的標(biāo)準(zhǔn)化計(jì)算打下基礎(chǔ)。為此，我們?cè)噲D將174個(gè)常用特征標(biāo)準(zhǔn)化，并使用影像組學(xué)研究人員最常用的圖像處理方法獲得參考值。為了保持范圍可控，許多其他特性比如分形和圖像濾波器沒有進(jìn)行評(píng)估，未對(duì)重要的模態(tài)特定圖像處理步驟進(jìn)行基準(zhǔn)測(cè)試，也未對(duì)不常見的圖像處理方法進(jìn)行調(diào)查。這是一個(gè)嚴(yán)重的局限性，也是IBSI目前正在解決的問題。
盡管標(biāo)準(zhǔn)化特征計(jì)算是實(shí)現(xiàn)影像組學(xué)可再現(xiàn)性的重要一步，但仍需要與圖像采集、重建和分割相關(guān)的標(biāo)準(zhǔn)化進(jìn)行協(xié)調(diào)，因?yàn)檫@些是構(gòu)成影像組學(xué)研究的額外可變性來源。由于這種可變性，在多中心或多掃描設(shè)置下，可使用標(biāo)準(zhǔn)化影像組學(xué)軟件從同一圖像復(fù)制的特征可能仍然缺乏再現(xiàn)性。我們沒有在這里討論這些問題，因?yàn)樗鼈兊娜嬉恢滦允瞧渌麍F(tuán)隊(duì)和專業(yè)協(xié)會(huì)持續(xù)關(guān)注的焦點(diǎn)。我們還提出了其他方法來解決這些問題，例如使用統(tǒng)計(jì)方法減少對(duì)影像組學(xué)特征的隊(duì)列效應(yīng)，把人工智能應(yīng)用在CT圖像重建和轉(zhuǎn)換中。
總之，圖像生物標(biāo)記物標(biāo)準(zhǔn)化倡議能夠產(chǎn)生和驗(yàn)證影像組學(xué)特征的參考值。這些參考值能夠驗(yàn)證影像組學(xué)軟件，這將提高放射組學(xué)研究的再現(xiàn)性，并促進(jìn)影像組學(xué)的臨床應(yīng)用。
如需原文及補(bǔ)充材料請(qǐng)?zhí)砑铀加翱萍嘉⑿牛夯颢@取,如對(duì)思影課程及服務(wù)感興趣也可加此微信號(hào)咨詢。另思影提供免費(fèi)文獻(xiàn)下載服務(wù)，如需要也可添加此微信號(hào)入群ct圖像重建方法有哪些，原文也會(huì)在群里發(fā)布，如果我們的解讀對(duì)您的研究有幫助，請(qǐng)給個(gè)轉(zhuǎn)發(fā)支持以及右下角點(diǎn)擊一下在看，是對(duì)思影科技的支持，感謝！