分析目的

影像组学（Radiomics）作为一项新兴技术，从PET/CT、SPECT/CT等影像中高通量地挖掘并分析更多客观定量、肉眼难以识别的特征参数，打通宏观影像信息和微观病理分子信息的关联，从而为临床疾病的无创诊疗辅助决策提供量化依据。通过利用多组学大数据，再加上多重机器学习算法，影像组生信分析更容易产出高分文章。

数据来源

自己提供影像片子或利用数据库影像片子，TCGA，GEO等公共数据库。

分析方法

基于影像、临床数据、多组学数据，利用深度神经网络强大的特征学习能力，挖掘与疾病显著相关的特征，分析筛选出临床显著变量并建立临床模型；用软件勾画肿瘤感兴趣区并提取影像组学特征；用最小绝对值收缩和选择算子降维筛选特征；通过随机森林构建影像组学模型，并转化为随机森林评分；联合临床显著变量和随机森林评分构建融合模型并可视化为列线图；根据受试者工作特征曲线及曲线下面积（AUC）评估模型的预测效能，采用决策曲线分析评估临床实用性。

分析内容

患者数据提取、图像获取、确定感兴趣区、图像分割、特征的提取与量化、多组学数据筛选、患者的风险分层分析、预后模型构建、模型验证。

分析结果示例图