Radiomics : Convert images to mineable data in high throughput
看到影像組學(xué)該不會想到電影的攝制組吧些楣？這里的影像指的是醫(yī)學(xué)影像拉盾，所以在我們腦海應(yīng)該是這樣子的：
我們不應(yīng)忘記，1895年11月8日（我周運來講影像組學(xué)齐莲，必須從這一天講起），倫琴把實驗室的門關(guān)的緊緊的篷牌，一個人在那里進(jìn)行陰極射線的研究臣咖，在出現(xiàn)陰極射線時，旁邊涂有氰化鉑鋇的熒光屏上谱醇，似乎也發(fā)出點藍(lán)白色的光暇仲。為了仔細(xì)研究這隱約的信號，倫琴把床也搬進(jìn)了實驗室副渴，整整7個星期奈附，倫琴埋首在自定義的"X線"中。
圣誕節(jié)前夕煮剧，老婆大人別魯塔來到實驗室斥滤，他把她的手放到照相底板上用"X線"照了一張照片，這是人類的第一張X線照片勉盅，倫琴親自在照相底板上用鋼筆寫上1895佑颇，12，22草娜。妻子看到照片驚嘆不已挑胸，問:"這個圓環(huán)是什么?"，"是我們的結(jié)婚戒指!"宰闰。這時他們擁抱彼此茬贵，完全沉醉幸福之中了。
X射線是上帝送給現(xiàn)代醫(yī)學(xué)的浪漫禮物移袍，自那以后：
1978年解藻，應(yīng)該放射學(xué)年會上，一位名叫G.N.Hounsfield的工程師公布了計算機(jī)斷層攝影的結(jié)果葡盗。
在20世紀(jì)50年代螟左，簡單的A型超聲診斷儀開始用于臨床。到了70年代戳粒，能提供斷面動態(tài)的B型儀器問世路狮。80年代初問世的超聲彩色血流圖（color flow mapping,CFM）是目前臨床上使用的高檔超聲診斷儀。
1945年美國學(xué)者首先發(fā)現(xiàn)了磁共振現(xiàn)象蔚约，從此產(chǎn)生了核磁共振譜學(xué)這門科學(xué)。70年代后期涂籽，對人體的磁共振成像獲得成功苹祟。
今天我們所說的影像默認(rèn)即為放射影像（CT、MR影像等）。我們應(yīng)該熟悉醫(yī)生在醫(yī)院看片判片的畫面树枫，是的直焙，早期的時候我們是要打開人體才能看到病理狀態(tài)的，有了影像砂轻，大大解放了醫(yī)生的雙手奔誓，但是對他們的視力要求更高了。
影像組學(xué)想做的一件事就是進(jìn)一步解放醫(yī)生的雙眼搔涝，借助IT技術(shù)從圖像中獲得更多的信息厨喂。我們看了那么多影像組學(xué)的資料，他的核心是什么庄呈？
特征提取
把影像主要的特征提取出來蜕煌，得到可計算的數(shù)據(jù)，這樣不管我們是用《實用生物統(tǒng)計學(xué)》還是《實用機(jī)器學(xué)習(xí)導(dǎo)論》的統(tǒng)計方法來在臨床上找到數(shù)據(jù)的意義诬留。隨著圖像處理算法的發(fā)展斜纪，影像組學(xué)也越來越多地呈現(xiàn)出其數(shù)學(xué)的本質(zhì)：從影像數(shù)據(jù)的清洗到共享數(shù)據(jù)庫的每一步都縈繞數(shù)學(xué)的體香。
影像組學(xué)是個一零后文兑，在開山之作：Radiomics: Extracting more information from medical images using advanced feature analysis中盒刚，作者系統(tǒng)定位了這個學(xué)科，也論證在21世紀(jì)的今天它已經(jīng)基本成熟绿贞。
并給出了影像組學(xué)的一般分析方法因块，在這篇文章中作者提出的不是一個概念，而是一個方法體系樟蠕。
在文章的結(jié)尾贮聂，作者頗具遠(yuǎn)見地評述道：
Solid cancers have extraordinarily spatial and temporal heterogeneity at different levels: genes, proteins, cells, microenvironment, tissues and organs. This limits the use of biopsy based molecular assays but in contrast gives a huge potential for non-invasive imaging, which has the ability to capture intra-tumoural heterogeneity in a non-invasive way.
我們對heterogeneity不應(yīng)該感到陌生，影像組學(xué)使我們能夠從醫(yī)學(xué)影像中獲得更多信息寨辩，也會建立起影像之間的關(guān)聯(lián)吓懈。我們知道，讓小朋友在5張片子上找不同是多么困難的事靡狞，所以影像組學(xué)要從娃娃抓起啊耻警。
既然，影像組學(xué)就是要從圖片中提取特征甸怕， 首先我們要定義影像特征甘穿，這是特征工程的一個應(yīng)用。什么是特征梢杭？就是最強(qiáng)標(biāo)簽温兼。還記得我學(xué)的第一個特征選擇器：mRMR.它的名字就很好地說明了特征選擇的特點：最大相關(guān)最小冗余（Minimum redundancy and maximum relevance）。
那么武契，影像都有哪些特征呢募判？想一想荡含，給你一張圖，你要如何描述它届垫，無外乎形狀和顏色：
- First Order Statistics
- Shape-based
- Gray Level Cooccurence Matrix
- Gray Level Run Length Matrix
- Gray Level Size Zone Matrix
- Neigbouring Gray Tone Difference Matrix
- Gray Level Dependence Matrix
只要有了data释液，也就接通了后面的通路，各種傳統(tǒng)的/現(xiàn)代的統(tǒng)計學(xué)習(xí)方法就可以應(yīng)用在影像組學(xué)中了装处。在2017年頗具影響力的學(xué)術(shù)論文Radiomics: Images Are More than Pictures, They Are Data中误债，作者進(jìn)一步定義了和細(xì)化了影像組學(xué)。在新的歷史條件下也提出它面臨的機(jī)遇與挑戰(zhàn)妄迁。
同樣地寝蹈，作者也看到計算帶來的便利：
As part of the reading, the extracted size, shape, location, and textural features will be automatically uploaded to a shared database and algorithmically compared with prior images to enable more precise diagnoses. Such capabilities are nearly at hand, as most picture archiving and communication systems have the capability to coregister current images with prior images and perform user-interactive segmentation. For the foreseeable future, the field of radiomics research will be concentrated on improving classifier models to provide the most accurate possible diagnoses and, hence, better patient care and outcomes.
影像組學(xué)不是要替代誰的工作，而是使我們的判讀更加輕松和自動化判族，所以你們家科室配備生物信息工程師了嗎躺盛？會python的那種？
影像組學(xué)的工具與方法已經(jīng)基本形成形帮，雖然還談不上成熟槽惫，但它已經(jīng)不是少數(shù)人的游戲。就在昨晚辩撑，我在B站跟著有LI學(xué)習(xí)了《影像組學(xué)（python 通俗演義版）》界斜，寫下一段影像組學(xué)必知必會，此文合冀。
參考：
影像組學(xué)筆記(1)
影像組學(xué)學(xué)習(xí)筆記
影像組學(xué)的前沿研究與未來挑戰(zhàn)
醫(yī)學(xué)影像組學(xué)特征值（Radiomics Features）提取之Pyradiomics（一）理論篇
威廉·康拉德·倫琴
