深度學習與影像組學在子宮內膜癌中的研究進展

馬長軍，劉愛連

子宮內膜癌（endometrial cancer, EC）是最常見的婦科惡性腫瘤之一，隨著肥胖率升高和人口老齡化加重，其發病率不斷升高，并呈年輕化趨勢。早期明確診斷將大大提高EC 病人的治療效果，并可改善預后。國際婦產科聯盟（International Federation of Gynecology and Obstetrics,FIGO）推薦將MRI 檢查結果作為EC 的首選分期依據[1]。然而，以MRI 為主的影像學檢查結果易受主觀因素影響，觀察者之間的差異較大，缺乏定量、客觀的評估指標。隨著人工智能技術的飛速發展，影像組學和深度學習在腫瘤早期鑒別診斷、分期分型預測、生存預后評估等方面已得到廣泛的研究與發展。深度學習是機器學習的重要分支，主要通過在多層神經網絡上運用各種機器學習算法來學習樣本數據的內在規律，從而實現各種任務的算法集合[2]。與傳統的機器學習相比，深度學習的特征是可以準確高效地自動提取數據特征，避免了手動分割的繁瑣及誤差，大大節約了人力、時間和財力，其中最常用于建模的機器學習算法是卷積神經網絡（convolution neural network,CNN）[3]。影像組學這一概念最早由Lambin 等[4]于2012 年提出，可高通量地從放射影像中提取并分析大量的定量影像學特征，這些特征具有數據維度高、可定量分析等優點，包括一階統計特征、空間幾何特征、紋理特征和小波特征，從而將興趣區（ROI）的影像數據轉化為具有高分辨力的空間特征數據，進而實現病變特征的提取與模型建立，可與傳統影像學、分子生物學、分子病理學、信息科學等相整合并進行分析。影像組學方法已用于多種腫瘤的診斷、治療方案選擇、療效評估、預后預測等。……