田捷-影像组学及其在肿瘤研究与临床中的应用

项目名称：多模态分子影像关键科学问题研究首席科学家：田捷中国科学院自动化研究所起止年限：2011.1至2015.8依托部门：中国科学院二、预期目标(一) 项目总体目标基于前一973项目的研究成果，围绕多模态分子影像研究中的若干关键科学问题，经过五年的努力，本项目将实现更完整获取生物体细胞分子水平、功能代谢水平和解剖结构水平等生理病理信息的研究目标。

具体来说，本项目拟达到如下的总体目标：1、创建一套多模成像理论：基于组织特异性的动态多模态分子影像成像理论、数学模型和高维重建方法；2、研发一个多源计算平台：多源影像信息融合与计算平台，实现高维多模态影像数据的分割、配准、可视化和融合；3、构建一批多重分子探针：设计、构建并评价适用于多模态分子影像的多功能、多靶点、高特异性分子探针；4、研制一组融合成像系统：在体多模态分子影像成像系统，实现结构、功能和分子等多角度影像信息的获取；5、促成一些生物医学应用：多模态分子影像在乳腺癌发生、发展、转移与诱导凋亡过程中的在体、非侵袭性、实时、动态研究，用于乳腺癌早期精确诊断及抗肿瘤药物疗效评价；6、建设一支优秀研究队伍：培养一批高素质、高层次、多学科交叉的综合研究人才，建立起一支高水平的多模态分子影像研究队伍。

(二) 项目五年预期目标本项目将通过多模态分子影像的研究，提出创新的理论和方法，研发新颖的技术和平台，实现有效的系统和应用。

具体来说，项目五年预期目标如下：本项目通过对多模态分子影像成像理论及方法的创新性基础研究，发展出基于生物组织复杂特异性的高阶近似数学模型和高维动态重建算法，并建立较为完整的、系统的多模态分子影像数据融合理论体系与方法框架；本项目研发出具有原始创新和自主知识产权的多模态分子影像成像系统，实现结构和功能影像数据的多角度、高通量和动态连续获取；在实现多源数据补偿校正、快速分割、精确配准、高质量可视化等关键技术的基础上，构建出多模态分子影像信息融合与计算平台，完成多角度信息融合，实现定性、定位和定量分析功能；本项目将确定与乳腺癌发生、发展、转移、诱导凋亡相关的生物分子靶点，针对上述靶点进行多功能、多靶点分子探针的设计、制备和筛选，并对其完成在分子、细胞、组织、活体水平的多尺度评价；本项目将利用多模态分子影像技术，展开乳腺癌发生、发展、转移和诱导凋亡的机制以及抗肿瘤药物药效和药代动力学的系统研究，阐述在分子、细胞、组织和器官水平的多尺度生物体特性，辅助乳腺癌早期精确诊断、临床决策及临床个体化治疗方案的选择；本项目的实施过程中，将培养出一批学术水平高、研究能力强的学术带头人与中青年学术骨干，培养博士研究生100名左右，培养硕士研究生150名左右，形成一支专门从事多模态分子影像研究和应用的综合交叉人才队伍，使我国生物医学工程领域能更快更好地发展；通过本项目的研究，将建立一个“多模态分子影像研究与应用平台”，促进国内外高等学校、科研院所、临床医院与相关产业之间的长期稳定合作，提升我国分子影像研究在国际上的战略地位；本项目研究成果体现为：发表SCI检索国际杂志论文160篇以上，发表EI 检索学术论文140篇以上，共计发表300篇以上的高质量学术论文，申报发明专利30项以上，申请计算机软件著作权40项以上，出版4部以上的专著。

Journal of China-Japan Friendship Hospital，2019Feb，Vol.33，No.1中日友好医院学报2019年第33卷第1期综述影像组学概述及其在肺部疾病中的应用梁田，谢晟（中日友好医院放射诊断科，北京100029）中图分类号：R445.9文献标识码：A文章编号：1001-0025（2019）01-0035-03doi：10.3969/j.issn.1001-0025.2019.01.010自从1895年伦琴发现X射线再到后来分子影像的出现，数字化医学影像学已经成为现代医学重要的手段和组成部分。

在过去十年中，随着模式识别工具数量的增加和数据集大小的增加，医学图像分析领域呈指数发展[1]。

影像组学作为定量成像中新兴的领域，近年来越来越受到人们的关注，本文主要探讨总结了影像组学的基本概念及其在肺部疾病中的应用。

1影像组学的基本概念影像组学的概念最早由荷兰学者Kumar在2012年提出[2]，其含义是指通过计算机断层摄影、正电子发射断层摄影或磁共振成像获得的医学图像中提取和分析大量高通量的高级定量成像特征，从而产生非常大的潜在对象领域。

影像组学数据呈现为可挖掘的形式，可用于建立描述性和预测性模型，将图像特征与表型或基因-蛋白质特征相关联。

影像组学的核心假设是这些模型，包括生物学或医学数据，可以提供有价值的诊断、预后或预测信息，从而实现肿瘤分割、特征提取与模型建立，凭借对大量影像数据信息进行进一步的挖掘、预测和分析来辅助医师做出最准确的诊断[3]。

相较于传统影像学而言，影像组学是一种多学科交叉、多种影像技术相互结合的技术。

与基因组学和蛋白组学相比，其使用非侵入式的影像模式进行分析肿瘤的综合特征信息，无需进行活检或介入手术进行提取肿瘤组织特征信息，同时能解决肿瘤存在的异质性问题。

影像组学的影像特征必须具备3个特性：可重复性、非冗余性、信息量丰富。

只有可重复性较高的稳定特征才可用于后续研究，在建模分析时才能获得较为精确的结果。

中科院田捷教授：基于 AI 和医疗大数据的影像组学研究及其临床应用丨CCF-GAIR 2018雷锋网百家号07-0415:422018 全球人工智能与机器人峰会（CCF-GAIR）于6月29日在深圳召开。

本次大会共吸引超过2500余位 AI 业界人士参会，其中包含来自全球的 140 位在人工智能领域享有盛誉的演讲与圆桌嘉宾。

在大会第二天的 【计算机视觉专场】中，上午计算机视觉前沿与智能视频环节的演讲嘉宾有：ICCV 2011和CVPR 2022大会主席权龙教授、旷视科技首席科学家孙剑等人。

下午环节为计算机视觉与医学影像分析，出席的嘉宾分别是包揽7大模式识别与医学影像Fellow的田捷教授，国际顶级医学影像分析大会MICCAI 2019 联合主席沈定刚教授，微软亚洲研究院副院长张益肇博士，飞利浦中国首席技术官王熙博士等。

作为计算机视觉与医学影像分析环节的重量级嘉宾，本次大会，田捷教授向与会观众分享了题为“基于人工智能和医疗大数据的影像组学研究及其临床应用”的精彩专题报告。

田捷教授现任中国科学院自动化所研究员、分子影像重点实验室主任。

自2010年起，田捷教授连续获得计算机视觉与医学影像分析领域的7大Fellow：IEEE Fellow、IAMBE Fellow、SPIE Fellow、AIMBE Fellow、IAPR Fellow、OSA Fellow、ISMRM Fellow。

同时也是两项国家重点基础研究发展计划（973计划）首席科学家。

田捷教授认为，人工智能等技术给医学领域带来的改变是毋庸置疑的，并列举了几个医学常见案例进行辅证。

在他看来，医疗大数据里最常见的是影像数据，而且影像数据格式标准，容易获取、容易使用。

但是医疗大数据不仅限于影像，还包括病理、临床治疗信息等，只有这些信息融合在一起，我们才能建模，才能解决人工智能真正在医学上的应用。

田捷教授在研究学术的同时，也在积极探索AI技术的应用前景。

多模态CT检查技术和影像组学等方法已在胃癌筛查、诊断与鉴别诊断、分期分级、疗效评估、治疗后再分期及随访监测等方面显示出较大的优势，为个性化精准诊疗提供了关键信息和依据，是胃癌的一线影像学评估手段，与此同时，也面临巨大挑战。

只有以患者为中心和以解决临床问题为原则设计好不同成像模式下的CT检查技术和影像组学研究方案，充分发挥不同成像模式检查的优势，结合影像组学在临床实际应用中发挥的作用，才能真正实现源于临床、用于临床和高于临床的目标，真正推进医学影像人工智能的健康发展，更好地为患者服务。

胃癌是世界范围内严重威胁人类健康的常见肿瘤。

根据国家癌症中心发布的最新数据，中国胃癌新发病例数和死亡数均居第三位，并呈逐年上升趋势。

近年来，不同成像模式下的CT检查技术，包括常规CT成像、CT能量成像以及CT影像组学已广泛应用于胃癌筛查、诊断与鉴别诊断、分期分级、疗效评估、治疗后再分期及随访监测，为个性化精准诊疗提供了关键信息和依据，是胃癌的一线影像学评估手段。

胃癌精准TNM分期是制定个体化诊疗方案的重要依据，肿瘤是否侵犯邻近结构或器官，以及有无淋巴结转移是精准判断临床TNM（cTNM）分期的关键。

常规CT检查常难以得到准确诊断，这直接影响cTNM分期的准确性，成为亟待解决的临床难题。

本文中，重点评述CT成像和影像组学在胃癌TNM分期诊疗中的价值以及存在的问题和发展策略。

一、提升胃癌T分期预测能力对于胃癌T分期的判断，目前主要基于常规横断面CT 增强、CT 能量成像等技术。

基于常规CT增强横断面图像判断胃癌浸润深度，多是依据强化的肿瘤与低强化的正常胃壁间强化的差异，但存在容积效应的干扰，且在小弯侧及大弯侧常不能显示胃壁全层，难以准确判断T分期。

文献报道的胃癌T分期的准确度差异较大，在20%~91%之间，可信度有待商榷。

需要指出的是，T3期与T4a期胃癌的鉴别诊断一直是业界的难题，目前常以浆膜轮廓和胃周脂肪征象判断，但精准诊断困难较大。

影像组学与深度学习在评价直肠癌淋巴结状态中的应用摘要：直肠癌手术前有无淋巴结转移是决定其疗效及预后的重要因素，而目前的影像学指标很难对其进行精确的定性，因此迫切需要寻找新的检测手段。

影像组学和深度学习技术是近年来新兴的医疗成像技术，其能够实现对淋巴结及其良恶性进行识别，以及对淋巴结转移进行早期预测，为临床提供更准确的诊断和治疗方案。

但是，由于各个研究的工作过程不一样，导致了不同研究的结果差别很大。

只有对具体操作流程进行明确、统一和标准化，并开展大规模、前瞻性的外部验证，才能实现人工智能辅助诊断模型的转化和推广。

本文中，以影像组学与深度学习为主线，回顾了其在评估直肠癌淋巴结状态中的应用。

关键词：影像组学；深度学习；直肠癌淋巴结状态引言：近几年，随着科技的进步，医学影像已不再只是一张可以被观察到的图片，而是一张由大量资料构成的庞大图片。

影像组学与深度学习因其可以从多个角度对图像进行深度挖掘而成为当前医疗成像研究的热点。

二者在直肠癌诊断和治疗中均具有重要的作用，例如：提高分期精度，评价新辅助治疗效果，预测预后等。

在此，我们将以影像组学与深度学习技术为主线，回顾其应用于直肠癌淋巴结状况的评估。

一、影像组学2016年， Huang等通过对增强 CT图像的分析，结合临床数据，建立了一种能够预测大肠癌淋巴结转移的列线图。

有别于以往的主观评价，基于影像组学的新技术能够从量化的角度获得更多的、肉眼无法辨别的、更加客观的数据，从而为改善直肠癌的手术预后提供新的思路。

(一)图像采集影像组学之影像采集，主要有两个方面：一是成像模式的选取，二是扫描顺序的选取。

多模态图像能从多个角度反映病变特征，已有研究试图将其应用于直肠癌淋巴结转移的预测。

但由于 MRI对直肠癌的诊断具有无可取代的优越性，被国际、国内多个国家和地区的多项标准所推崇，故 MRI的影像组学研究也主要以其为基础。

(二)ROI的选择与分割从原发灶中提取的影像组学特征能较好地反映出肿瘤的生物学特征，同时由于原发灶较淋巴结更大，更容易被辨认出来，所以目前大部分的研究将原发灶视为 ROI，从而为直肠癌淋巴结转移的预测提供了影像学依据。

基于AI及影像组学在乳腺癌新辅助治疗中应用的研究进展一、研究背景乳腺癌是全球女性最常见的恶性肿瘤之一，近年来其发病率和死亡率呈上升趋势。

新辅助治疗(neoadjuvanttherapy)是指在手术切除肿瘤之前，通过使用化疗、靶向药物、免疫治疗等手段，对肿瘤进行综合治疗，以提高手术切除的成功率和降低复发风险。

随着人工智能(AI)技术的发展，AI在乳腺癌新辅助治疗中的应用逐渐成为研究热点。

影像组学(imagingbasedgenomics)作为一门交叉学科，结合了医学影像技术和基因组学方法，为乳腺癌的新辅助治疗提供了新的研究思路。

目前已有研究表明，AI技术在乳腺癌的诊断、分期、预后评估等方面具有较高的准确性和可靠性。

影像组学技术通过对乳腺影像数据的深度挖掘，可以发现传统影像检查难以察觉的微小病变，从而提高早期诊断的敏感性和特异性。

基于AI及影像组学的方法在乳腺癌新辅助治疗中的应用具有重要的临床意义。

目前关于AI及影像组学在乳腺癌新辅助治疗中应用的研究仍处于起步阶段，尚需进一步探索其潜在的治疗效果和安全性。

本研究旨在综述当前在这一领域的研究进展，分析AI及影像组学在乳腺癌新辅助治疗中的应用现状和发展趋势，为未来临床实践提供参考依据。

A. 乳腺癌的流行病学和危险因素分析乳腺癌是全球女性最常见的恶性肿瘤之一，其发病率和死亡率逐年上升。

根据世界卫生组织(WHO)的数据，年全球约有241万例乳腺癌确诊病例，占女性恶性肿瘤的,其中中国占近四分之一。

乳腺癌的发病与多种因素有关，包括遗传因素、环境因素、生活方式等。

遗传因素是乳腺癌的重要危险因素之一，BRCA1和BRCA2基因突变的女性患乳腺癌的风险显著增加。

家族史也是乳腺癌的一个重要危险因素，具有一级亲属(如母亲、姐妹)患有乳腺癌的女性，其患病风险较普通人群高出两倍以上。

早发性乳腺癌、双侧乳腺癌、乳腺导管内癌等亚型也与特定基因突变有关。

环境因素也是乳腺癌的重要诱因之一，长期暴露在高脂饮食、肥胖、缺乏运动等不良生活习惯下，女性患乳腺癌的风险会逐渐增加。

影像组学国自然标书全文共四篇示例，供读者参考第一篇示例：影像组学在近年来迅速发展成为了医学领域的一个热门研究方向。

它利用医学影像学和计算机科学的技术，对疾病的诊断、预测和治疗进行分析和研究。

在这个领域中，科学家们通过对大规模的医学影像数据进行分析和挖掘，可以发现一些潜在的规律和特征，为医生提供更精准的诊断和治疗方案。

在中国，影像组学国家自然基金通过支持相关的研究项目，推动了影像组学在我国的快速发展，并取得了一系列的突破性成果。

影像组学国家自然基金是国家自然科学基金委员会在医学领域设立的一个专项基金，旨在支持影像组学领域的前沿研究和技术创新。

这个基金为广大科学家提供了资金和支持，使他们能够开展自己的研究项目，推动影像组学的发展。

在过去的几年里，影像组学国自然标书已经资助了很多的研究项目，取得了一系列令人瞩目的成果。

影像组学国自然标书为开展影像组学领域的研究提供了资金和资源支持。

在影像组学国自然基金的资助下，科学家们可以购买先进的医学影像设备，进行大规模数据的采集和分析，开展影像组学相关的研究项目。

这些研究项目涉及到很多不同的疾病和医学领域，如乳腺癌、肺癌、脑部疾病等。

通过对这些研究项目的支持，影像组学国自然标书为影像组学领域的研究奠定了坚实的基础。

影像组学国自然标书促进了科技创新和前沿技术的应用。

在影像组学领域，科学家们不断探索和尝试新的方法和技术，以提高疾病的诊断和治疗水平。

在影像组学国自然基金的资助下，科学家们可以开展一些前沿的研究项目，如深度学习、神经网络等人工智能技术在医学影像诊断中的应用。

这些创新的技术不仅提高了医学影像的诊断准确性和效率，还为疾病的早期诊断和治疗提供了新的途径。

影像组学国自然标书也促进了学术交流和合作。

在影像组学领域，科学家们需要不断学习和交流最新的研究成果和技术进展，以便更好地开展自己的研究工作。

影像组学国自然标书为科学家们提供了一个交流和合作的平台，使他们能够与国内外的专家学者进行深入的交流和合作，共同解决影像组学领域的难题。

影像组学病理组学-概述说明以及解释1.引言1.1 概述概述概述部分将对影像组学和病理组学的基本概念进行简要介绍，并阐述本文的研究方向和目的。

通过本节的阐述，读者将对影像组学病理组学有一个初步的认识，并了解本文的结构和主要内容。

影像组学和病理组学是当代医学研究中的两个重要学科领域。

影像组学是指通过对医学影像数据的采集、处理和分析，提取患者体内组织结构、功能和代谢等信息，从而实现疾病的早期诊断、疗效评估和预后预测等临床应用的一门学科。

病理组学则是通过对患者组织标本的采集、切片、染色和观察，以及对细胞、组织和器官的病理变化进行定性和定量分析，从而为疾病的诊断、鉴别诊断和治疗方案的选择提供依据的一门学科。

近年来，随着医学影像技术的不断进步和计算机分析方法的发展，影像组学和病理组学之间的融合逐渐成为研究的热点领域。

本文的目的在于深入探讨影像组学和病理组学的基本概念和原理，并重点分析两者之间的关系和应用。

首先，我们将介绍影像组学的基本概念和原理，包括不同影像模态的特点、图像处理和分析的方法，以及其在临床实践中的应用。

接下来，我们将介绍病理组学的基本概念和原理，包括组织切片的制备、染色技术的应用，以及病理变化的定性和定量分析方法。

然后，我们将重点探讨影像组学和病理组学之间的关系和应用，包括结合影像和病理信息进行综合分析的方法和技术，以及在疾病早期诊断、疗效评估和治疗方案选择中的应用。

通过本文的研究，我们将进一步认识到影像组学和病理组学之间的紧密联系和相辅相成的关系，以及两者在临床实践中的重要应用价值。

在未来，随着影像和病理信息的更加全面和精准的获取，以及计算机和人工智能技术的不断发展，影像组学病理组学将在疾病预防、早期诊断和个体化治疗等方面发挥更加重要的作用。

(字数：369)1.2 文章结构文章结构本文主要包括以下几个部分：引言、正文和结论。

下面将详细介绍每个部分的内容。

1. 引言引言部分主要对本文进行概述，介绍影像组学和病理组学的基本概念，并说明本文的目的。

田捷影像组学及其在肿瘤研究与临床中的应用.pptx第五届华美影像论坛影像组学及其在肿瘤研究与临床中的应用田捷IEEE, SPIE, IAMBE, AIMBE, IAPR Fellow中国科学院分子影像重点实验室背景—国家重大需求：2015年9月，国家卫计委、发改委等16个部门联合印发《中国癌症防治三年行动计划（2015-2017年）》4项定量指标：重点地区、癌症早诊率达到50%肿瘤登记覆盖全国30%以上人口癌症防治核心知识知晓率达60%成人吸烟率下降3%背景—癌症生存率无突破%N=1,950,388. Updated May 12, 2014Data from National Cancer Institute of NIH (2014)经过五十年的努力，癌症的五年生存期并没有得到明显的提高挑战——缺乏定量评估手段英国伦敦大学癌症研究中心Charles Swanton, MDGerlinger et al. N Engl J Med 366, 883-92 (2012). 被引用2368次肿瘤基因组的时空异质性限制了靶向治疗的效果我们缺乏有效的手段去全面定量评估肿瘤异质性背景—癌症生存率无突破原因医疗软件方面医疗设备方面肿瘤>5mm才能被诊断缺乏早期诊断手段时空异质性影响治疗缺乏定量评估方法癌症的五年生存率没有实质性提高N. Engl. J. Med. 2010, 363(1):4-6. N. Engl. J. Med. 2012,366, 883-92. 影像组学定量分析方法分子影像早期诊断手段机遇——影像组学5~20年1~3年肿瘤大小基因异常细胞表达生物分子异常新陈代谢异常器官结构异常1kg左右肿瘤5mm时间正常基因异常开始增殖前癌病变出现病状死亡形成癌灶转移影像组学？基因技术检测早期基因异常传统成像技术难以实现早期微小肿瘤成像影像组学融合基因信息和影像多模态信息，为实现精准诊断提供了新机遇影像组学（Radio。

深度丨中科院田捷：基于医疗大数据和AI技术的影像组学及其应用（附43页PPT下载）在由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）联合承办的CCF-GAIR 全球人工智能与机器人峰会的第三天，在未来医疗专场上，田捷博士做了“基于医疗大数据和人工智能的影像组学及其应用”的主题演讲。

田捷，是中国科学院自动化研究所研究员、Fellow of IEEE，SPIE，IAMBE，AIMBE，IAPR。

其主要从事医学影像分析与生物特征识别的研究和应用的工作。

田捷博士的很多学术论文、研究成果，均可见自国内外的各学术杂志和学术会议上，学术论文达上百篇。

以下是田捷博士当日的演讲全文，雷锋网AI掘金志做了不改变原意的编辑。

关注AI掘金志公众号，在对话框发送关键词“田捷”，即可下载完整版PPT。

田捷：今天我演讲的题目是“基于医疗大数据和人工智能的影像组学及其应用”。

切合主题，本次演讲的重点将围绕医疗大数据、大数据技术和人工智能、影像组学来展开。

我们希望将这些技术应用在临床上，因为不是基础研究的，而是走向临床的，所以我举的都是临床的例子。

以国内外临床专家为主开发，说明影像组学和人工智能以及大数据，对风投和产业界来说都感兴趣，这不是看哪个技术和算法，关键是看产生什么样的效果。

下面我会着重从应用的角度来讲它的进展，技术和方法和应用。

今天我的演讲将主要围绕以下四个大点来展开：· 影像组学研究背景· 影像组学研究进展· 影像组学关键技术· 影像组学发展方向一、影像组学研究背景1、人工智能技术正突飞猛进人工智能技术现在通过围棋得到非常直观的普及，但是计算机下围棋并不意味着计算机就可以看病，所以医疗在这一块仍旧充满挑战性问题。

2、人工智能技术在医疗领域得到应用不过，计算机人工智能技术在医疗上也得到一些应用，像深度学习在疾病的诊断以及愈后等等，都有一些典型的应用。

如：· 2015年，北卡罗来纳大学提出利用深度学习分割脑MR图像的方法；· 2016年，Google发布一项学术报告，称人工智能糖网病诊断精度可用于临床；· 2017年，斯坦福大学在Nature上发布一项研究报告，表明人工智能皮肤癌诊断精度已达专家水平。

影像组学国自然标书-概述说明以及解释1.引言1.1 概述影像组学是一门以医学影像为基础的研究领域，通过利用计算机科学、图像处理和机器学习等技术，对影像数据进行分析和解释，从而实现对疾病的早期诊断、治疗过程的监测以及治疗效果的评估。

影像组学的出现打破了传统医学中对于疾病的认识和诊断方法，为医生提供了更准确、更全面的医学信息，也为患者提供了更精准、个性化的诊疗方案。

随着医学影像技术的不断进步和发展，影像组学在临床实践中的应用也越来越广泛。

它可以通过对不同组织和器官的形态、结构、功能等特征进行定量化的分析，为医生提供更好的诊断依据。

同时，影像组学也为新药的研发和临床试验提供了重要的支持，可以对药物的疗效和安全性进行评估。

影像组学的原理和方法主要包括图像分割、特征提取、模式识别等技术。

通过对影像数据进行分割，可以将感兴趣的区域从整个图像中分离出来；特征提取则是将影像数据转化为可量化的特征向量；而模式识别则是利用机器学习算法，将特征向量与已知疾病模式进行比较，从而实现对未知影像数据的分类和诊断。

然而，影像组学在应用过程中仍然面临一些挑战。

首先，对于大规模的影像数据，如何高效地进行存储和管理是一个难题。

其次，影像组学需要高度专业化的人才进行数据分析和解释，但目前相关人才的培养和流动还存在不足。

另外，影像组学的发展还面临一些法律和伦理问题，如隐私保护和数据共享等方面的挑战。

尽管如此，影像组学的前景依然十分广阔。

随着医学影像技术的不断提升和普及，将有更多的影像数据可以用于研究和应用。

同时，人工智能和大数据等新兴技术的发展，为影像组学提供了更多的可能性。

可以预见的是，未来影像组学将在多个领域发挥重要作用，带来医学诊疗的革命性变革。

1.2文章结构不同于传统的医学影像诊断方法，影像组学是一种基于大规模影像数据和机器学习等技术的新兴诊断方法。

本文将从以下几个方面对影像组学进行详细介绍。

首先，我们将在第二章中对影像组学的定义和背景进行阐述。

基于光学分子影像的术中肿瘤精确导航技术何坤山;迟崇巍;田捷【期刊名称】《生物产业技术》【年(卷),期】2015(000)006【总页数】5页(P63-67)【作者】何坤山;迟崇巍;田捷【作者单位】中国科学院分子影像重点实验室,中国科学院自动化研究所,北京100190;中国科学院分子影像重点实验室,中国科学院自动化研究所,北京100190;中国科学院分子影像重点实验室,中国科学院自动化研究所,北京100190【正文语种】中文何坤山，中国科学院自动化研究所在读博士，主要研究方向光学分子影像手术导航系统硬件研发。

E-mail:*******************.cn作者简介迟崇巍，工学博士，中国科学院自动化研究所助理研究员，主要研究方向光学分子影像手术导航技术研发。

E-mail:******************.cn世界卫生组织发布的《2014年全球癌症报告》表明，在全球范围内每年癌症新增病例高达到1400万，死亡病例达到820万。

同时，中国新增癌症病例在亚洲高居第一位。

联合国癌症研究机构称，到2030年，全球每年将有1320多万人死于癌症，约为2008年癌症致死人数的两倍。

如何在早期发现肿瘤组织及如何在手术过程中实现肿瘤的精确治疗一直是国际上具有挑战性的难题。

作者简介田捷，工学博士，博士生导师，中国科学院自动化研究所研究员，两项国家重点基础研究发展计划（973计划）首席科学家（2006、2011）。

E-mail:*************;**************.cn目前，外科手术过程主要依据医生对组织的色泽、质地、形态进行判断和切除，所以判断切除的范围与医生的临床经验有着密切的关系。

如果可以在术中提供一些客观的肿瘤边界或者特异性组织边界信息，将有助于提高手术成功率、降低手术创伤、减少医疗费用、避免手术意外发生、促进病人康复。

美国哈佛大学医学院John V. Frangioni教授于2003年就提到，癌症术中成像技术之所以没有得到广泛的应用，首要原因就是没有适合外科医生的成像设备。