大话脑影像之：浅谈影像组学

hyc3140

大话脑影像之：浅谈影像组学。提笔写下浅谈影像组学几个字，我略微有点忐忑以及不安，史诗般的宏大题目，怕自己HOLD不住，但在这个满世界人工智能的时代，不做点严肃文学科普工作，不是我的风格。毕竟，我下楼吃碗面，老板都跟我说，根据他潜心研究搭建的“基于环境、气候、人群活动等指标的无监督多参数自我学习本店客流量预测模型”显示的结果，我今天会成为他第123个客户，我略带深沉的问他：“那你的模型预测准确度有多少？”，老板谦虚的说道：“我的模型一直在自我进化，目前大概徘徊在50.9%”，我说兄弟，是时代埋没了你，你应该去BAT做高级算法工程师或者去买彩票，面馆老板虽然嘴上没说，但我知道他心里一定一阵窃喜，因为今天他给我的牛肉面里多放了半块牛肉。影像组学[Radiomics]的概念最早由荷兰学者范尼斯特鲁伊（我瞎说的，荷兰人中我大概只认识他，因为我从小就喜欢看他打篮球，还有个伊布）在2012年提出，其强调的深层次含义是指从影像（CT、MRI、PET等）中高通量地提取大量影像信息，实现肿瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断。



从概念可以知道最基本的信息：1）影像组学的基础是影像数据；2）影像组学是针对肿瘤的；3）影像组学研究依靠大量潜在影像信息；4）影像组学研究绝大部分包含统计方面的数据挖掘工作；5）辅助临床医师进行诊断。
针对以上几个信息点，也就了解了影像组学研究的一个简单流程：1)影像数据获取2)肿瘤的标定、分割3)影像特征的提取4)数据挖掘分析。[Radiomics: Images Are Morethan Pictures, They Are Data]一文中，将组学研究流程总结为5步：



1 影像数据获取影像数据包括CT、MRI、PET、超声影像等，实验讲究控制变量，因此在一个影像组学研究中，影像数据的客观采集方式是恒定的：同一机器、同一序列、同一参数，如果扫描技师也是同一个人（最好长得还比较帅的那种），并在扫描时保持同一种状态，就完美了。但想要完全控制变量，是不可能的。尤其是数据收集那么困难，而且还得排除好多不能入组病人，好多影像质量（比如机器抽风）不行的情况下。但有一点知道：CT、MRI、PET等数据没有混合分析的先例。（我感觉自己的机会来了，诺奖在向我招手，我准备下楼和面馆老板探讨下混合分析模型的可行性）

2 肿瘤分割肿瘤分割是必须要做的，因为第三步提取的影像特征，不是病人整张影像的所有特征，而是影像中肿瘤所在位置的特征。（就像ikun们爱的是他的盛世颜值和肌肉怪兽，而不是爱他的篮球技术，虽然他护球像亨利，并且曾经教过欧文运球）肿瘤分割算法很多，本文总结列举如下（未一一详尽，但各个方面皆有涵盖）。


参考文献：
A Review of Image Segmentation Methodologies in Medical Image
分割形式有自动分割，半自动分割，和人工分割。其中，人工分割通常被用来作为为标准，衡量分割算法的优劣。实际操作中，各种分割算法，都有其自适应的场景、范围、条件，特别受制于客观条件。现在也没有哪种算法敢站出来，说自己适应力强，准确性高（我又一次看见诺奖向我微笑），所以，最可靠的，还是临床医生们自己手动勾画ROI（Region of Interest），实际科研中，临床用得最多的，还是纯手工（我们行业内称顶级智慧型生物智能勾画法）。

3 影像特征的提取
关于特征提取，传统放射科医师仅通过肉眼阅片方式，依赖直观长久的临床经验对肿瘤进行诊断，从而为肿瘤的治疗决策提供方向建议。但是，病人在放射科扫描留下的MRI，CT等影像数据，包含大量的潜在影像信息，比如，肿瘤块的肿瘤图像的灰度值范围、强度、细胞内部变化的特征等。而这些潜在信息，仅凭影像医师的临床经验及其肉眼能力，无法准确获得。因此，传统的肿瘤治疗方案的决策，浪费了本该用起来的宝藏。

影像组学方法，简单来说，其实就是大数据技术和医学影像辅助诊断的有机融合。概念中提到“高通量地提取大量影像信息”，所谓高通量（计算），指在用最少的资源、最快的速度、大量计算体系的各种性质，从而达到探究、预测物质性质的一种科学研究手法。影像组学运用高通量计算，在勾画好ROI的影像数据中，能够快速提取成百上千个影像特征。特征类别及其数量总结如下：



现在有很多平台可以实现影像特征提取的功能，比如Artificial Intelligent Kit（A.K.）、3D Slicer等。

hyc3140

4 数据挖掘分析
4.1 特征筛选（降维，让我想到了刘慈欣老师三体中的二向箔降维打击）特征筛选是影像组学必须做的一步：成百上千个影像学特征（自变量）【现在大部分组学分析还会加入临床特征、基因特征等】放到某个模型中进行训练，会累死计算机不说，模型效果通常还很差。举个例子，实际生活中，把主要矛盾解决了（缺钱），大部分次要矛盾就随之消失了（可以买衣服了，可以吃火锅了），生活开始变得美好。特征选择是一样的道理，成千上百个特征，对因变量（Y，自己要研究的东西）有重要影响的，可能就几个几十个。做了特征选择，消除冗余信息，避免多重共线性，简化模型，使得模型更具有泛化能力（模型的通用性，说明模型不止是在训练数据上表现得好，随便拿一批数据来，该模型一样能正常发挥作用），这就是特征工程存在的意义！

特征选择方法有很多：1）过滤式：卡方检验、信息增益、相关系数（初步使用，但通常会筛掉大部分特征）；2）包裹式：递归特征消除（反复的构建模型，然后选出最好的特征）；3）嵌入式：岭回归、lasso回归（使用频率很高，思影的机器学习课程用一天专门教这个）；4）机器学习模型：支持向量机（SVM，思影科技课程涵盖）、决策树（DT）、随机森林（RF）等（虽然这些机器学习模型自带了特征选择功能，能自动对特征的重要度进行排序，但实际操作中，不建议得到所有特征就用模型。通常会死的很惨烈，特异性、敏感度，想要的AUC值不会理想）。一般讲特征降维，都会说主成分分析（PCA，思影的机器学习课程也会有此内容），但在样本量小于特征量时，该方法是失效的【原因是参数与非参数的区别，在此不赘述，见下节】，因此以上没有列出。具体想学习的话，就直接点击以下链接，一旦拥有，别无所求：

4.2 模型建立：分类、预测前面做了很多重复、耗时的工作，都是为了实现最终目标：建立一个优良模型，使得研究对象不管是分类也好，预测也罢，都有一个非常好看的ROC曲线，AUC值。模型从参数角度考虑，可以分为参数模型和非参数模型。参数模型的条件较为苛刻，对数据分布和参数大小都有要求。早期统计学分析，由于数据量小，特征量少，所以一直是参数模型的天下。但大数据时代，传统的参数方法无法克服现存的维度灾难（样本量小于特征个数，再次想到三体），所以非参数方法，非参数模型应运而生。非参数模型对数据的分布条件不做限制，也不需要规定特征的维度，自己能够在训练过程中找到规律，形成自己的预测“函数”。（比如面馆老板的顾客预测模型，在他和我热烈的探讨中，略微透露了一点他的模型就是非参数模型）现在，大部分机器学习都属于非参数方法，尤其是在影像组学的应用中。影像数据收集较慢样本量小，但影像特征却成百上千。经过特征选择，可能还会存在几十个上百个特征用于模型训练，用于分类，预测。组学分析中常用的机器学习模型大多既可以做分类也可以做预测，如SVM，KNN，DT（RF，GBDT，XGBOOST：都是在DT基础上的集成算法），NB（朴素贝叶斯，有很强的前提条件），神经网络等。这些模型的算法都很优美，值得一推。实际操作中，SVM和RF（随机森林，我知道三体里的黑暗森林法则）两个模型表现都很稳定，其中，RF相较于SVM来说，由于参数稳定，不必特别调整且更方便。神经网络虽然特别火，但样本量小（不超过1000）时，不建议使用，样本量不足够大时，机器学习算法比神经网络表现更好【不然深度学习就不用等到大数据时代才出头了】。

非参数模型有三好（索8，k5，迈锐宝）：1）可变性：可以拟合许多不同的函数形式；2）表现良好：对于预测表现可以非常好；3）模型强大：对于目标函数不作假设或者作微小的假设。同时，局限性一样存在：1）需要更多数据：对于拟合目标函数需要更多的训练数据；2）过拟合：有更高的风险发生过拟合，对于预测也比较难以解释；3）速度慢：因为需要训练更多的参数，训练过程通常比较慢。

     如果特征选择工作做的到位，参数模型可以用起来的话，自然更好，因为他也有三好：1）简洁：理论容易理解和解释结果；2）快速：参数模型学习和训练的速度都很快；3）数据更少：通常不需要大量的数据，在对数据的拟合不很好时表现也不错。

       Tips：1）训练模型时，注意训练集和测试集的划分，通常情况是7:3，也可以自定义。但不要只留几个样本来做测试。样本量只有小几十个的时候，不建议X-folds cross validation2）保持数据的平衡，如果研究目标有100个样本值，但90个都是阴性表现，这个指标就没什么分类、预测的价值了。因为从一开始，你的模型就是错的。举个栗子：面馆老板的店，第一天开张的时候，前122个客人都说要加香菜，久而久之老板的预测模型就形成了客人吃面都要加香菜的模型，但第123个客人（也就是我）不仅不吃香菜，并且感到很愤怒，把面馆老板毒打了一顿，那他的客户模型就是错的。敏感度为0。

5 辅助诊断
影像组学的终极目标是复诊临床医生进行诊断工作，其分析结果可以从两个维度进行呈现：1）横向角度：影像特征集合基因特征，临床特征进行数据挖掘分析，实现肿瘤的筛查，诊断，分级及分期的预测。也可进行肿瘤的分子生物学特征分析，为其靶向治疗方案提供科学依据。2）纵向角度：结合随访信息，影像组学通过治疗前后的图像分析，可以做治疗效果预测，患者生存期预测，治疗有效性预测等，为临床制定个体化、精准化的治疗方案提供帮助。

文章转载自：爱影联盟