AI医影跨模态组学-CSDN博客

原创 Radiology: Imaging Cancer（IF=6.3）广州市第一人民医院等团队：基于CT的结外侵犯用于可手术切除食管鳞状细胞癌的淋巴结分期与预后分层

E图显示从N0到N3的生存逐级下降，而在每个N分期内部，（A-D）：CT显示晕征（红色箭头），对应病理切片中纤维囊不规则增厚、肿瘤细胞突破囊膜浸润周围脂肪（黑色和白色箭头），确认为pENE阳性。（E-H）：CT显示黑环征（红色箭头），对应病理中完整薄层纤维囊和保留的结周脂肪组织，确认为pENE阴性。为外部验证的四个中心（A、B、C、D），HR范围26.02-39.48（均P<0.001）。：在开发队列中风险比（HR）为8.83，在外部验证队列中HR范围为26.02–39.48（均P<0.001）。

2026-05-11 13:01:00 593

原创 Eur Radiol（IF=4.7）中国医学科学院肿瘤医院赵心明教授等团队：CT增强的瘤内异质性在联合肝细胞癌-胆管癌成分预测及预后评估中的价值

即CT增强瘤内异质性在混合型肝细胞癌-胆管细胞癌成分预测及预后评估中的价值，该研究基于CT增强比率（早期增强比率 EER 和晚期增强比率 LER）进行生境成像，探索其在联合肝细胞癌-胆管癌（cHCC-CCA）主要成分预测和预后分层中的价值。研究构建并验证了一个联合诺模图（nomogram），整合了影像学特征和生境参数，能够有效区分高HCC成分组（≥70%）和低HCC成分组，并为术后复发和生存提供显著分层能力。，诺模图总分为90.67，预测高HCC占比概率仅为0.042，术后病理证实为60%胆管癌成分。

2026-05-11 13:00:02 296

原创 Sci Bull（IF=21.1）广东省人民医院放射科刘再毅等团队：放射组学、RNA与临床病理表型的整合分析揭示结直肠癌预后风险分层的生物学基础

(a)：DeepHit算法构建影像组学特征流程(b)：Kaplan–Meier生存曲线(c)：高风险组上调/下调通路富集(d)：5个核心基因表达箱线图(e)：WGCNA基因聚类树与模块划分(f)：关键影像特征-通路富集分数相关性热图(g)：风险组-微观免疫表型关联(h)：影像特征-28种免疫细胞浸润相关性热图(i)：风险组-宏观免疫炎症表型关联(j)：风险组-病理增殖表型关联。通过系统性整合影像、转录组和临床数据，本研究期望为放射组学的临床转化提供坚实的生物学基础，推动结直肠癌的精准医学发展。

2026-05-10 20:54:29 297

原创 BMC Med（IF=8.3）四川大学华西医院田蓉等团队：基于混合专家模型的可解释多模态PET-CT-EHR融合用于套细胞淋巴瘤预后分层

通过构建混合专家（MoE）融合网络，模型提取多种模态特征（包括深度学习视觉特征、传统放射组学特征和医学语言模型特征），并生成放射组学特征（R-signatures），显著提高了无进展生存期（PFS）和总生存期（OS）的预测性能。C-index在训练队列中PFS达0.892、OS达0.877，验证队列分别为0.781和0.862，显著优于MIPI和MIPI-c。KM曲线证实，高风险组PFS和OS均显著劣于低风险组（训练和验证队列P均<0.05），表明该影像组学签名是强有力的预后分层工具。

2026-05-10 20:53:56 319

原创 JACC Cardiovasc Imaging（IF=15.2）中国医学科学院阜外医院放射科赵世华教授等团队：连续心肌纤维化评估预测肥厚型心肌病患者预后

图4按CMR-1时的基线LGE程度（0%、0-5%、5-15%、≥15%）将患者分层，比较ΔLGE质量/年>1.50 g/年（快速进展）与≤1.50 g/年（慢速进展）组的无事件生存率。研究确定了LGE质量年进展率（ΔLGE mass/y）的关键预后阈值：主要复合终点（全因死亡、心脏移植、心衰住院、卒中、猝死相关事件）的最佳切点为。：ΔLGE >1.50 g/年是主要终点的独立预测因子（HR=2.22，P=0.02）。：发现ΔLGE质量/年 >1.50g/年（复合终点）和 >3.75g/年（硬终点）为。

2026-05-10 20:53:13 366

原创如何将影像组学与计算病理特征关联肿瘤微环境“反应/荒漠”基质表型建立关联，并进一步解释其与胰腺癌术后早期复发及ECM重塑的机制联系

为空间转录组热图，验证了“反应型”标志物（FAP、S100A4、IL6等）在早期复发组高表达，而“荒漠型”标志物（ENO1、CD44等）在晚期复发组高表达。收集两家中心共225例R0切除PDAC患者的术前CT和病理WSI，提取1218个肿瘤区、1218个瘤周区及768个病理特征，经LASSO筛选出15个关键特征，训练11种机器学习模型，最终选择在。具体而言，需要回答：影像组学和病理组学所识别的“高风险”信号，是否对应着特定的肿瘤微环境细胞亚群（如活化成纤维细胞、胰腺星状细胞）、

2026-05-08 16:07:01 483

原创如何将CT-MPI影像组学特征与冠心病大血管及微循环机制建立关联，并进一步解释其与主要不良心血管事件（MACE）预后的机制联系

具有不可替代的增量价值。，因为每个参数图均源于对比剂通过心肌的动力学过程，本身就承载了明确的生理意义（如MBF反映血流供应，FE反映毛细血管渗透性和血流利用效率，TTS反映灌注延迟），这为后续的机制挂靠铺设了先验轨道。（包括MBF、MBV、FE、TTS、TTP等）中提取高维影像组学特征，经过严格的稳定性筛选（ICC>0.8）和生存导向的特征选择算法（Boruta+GBSA），确定与MACE最相关的影像组学特征集。，如心肌血容量（MBV）、血流提取产物（FE）、达峰时间（TTP）、开始时间（TTS）等。

2026-05-08 16:05:17 276

原创 Acad Radiol（IF=3.9）首都医科大学宣武医院卢洁教授团队：基于MRI的Delta放射组学预测乳腺癌患者新辅助化疗后腋窝淋巴结病理完全缓解

展示了放射组学模型建立流程：从DCE-MRI和DWI序列中分别勾画术前和术后的腋窝淋巴结感兴趣区，提取放射组学特征并计算delta特征（术后减术前再除以术前），经特征筛选后构建pre-radscore、post-radscore和delta-radscore，最终结合临床病理因素建立列线图。（内部0.912，外部0.861）。综上，该研究构建并验证了一种无创、可推广的放射组学列线图，可有效筛选出新辅助化疗后达到apCR的乳腺癌患者，从而指导临床采用前哨淋巴结活检替代ALND，实现个体化的腋窝降阶梯治疗。

2026-05-08 16:04:33 346

原创 NPJ Precis Oncol（IF=8）哈尔滨医科大学附属肿瘤医院韩鹏等团队：一种可解释的深度学习生物标志物用于胃癌预后评估及辅助化疗获益预测

无论患者年龄（≤60或>60岁）、性别、肿瘤大小、位置、T分期、N分期、M分期、TNM分期、组织学分级、Lauren分型、残留肿瘤状态、神经/血管侵犯、肿瘤标志物水平、HER2状态以及是否接受化疗，：在内部HMU-GC和外部TCGA-STAD数据集中，高TPRS组的总生存期显著劣于低TPRS组（均P<0.0001），证明TPRS能有效区分不同风险患者。的应用潜力，评估其能否有效识别可从辅助化疗中获益的II-III期胃癌患者，并分析不同化疗方案（如SOX、XELOX、氟尿嘧啶类）的特异性疗效；

2026-05-08 16:03:55 459

原创 Acad Radiol（IF=3.9）深圳市人民医院超声科董发进等团队：基于纵向超声Delta放射组学的乳腺癌新辅助化疗肿瘤反应早期分层预测研究

研究纳入233例接受NAC的乳腺癌患者，提取治疗前和第二个周期后的超声图像中的放射组学特征，计算。为瀑布图，针对单个患者展示各特征如何将基线预测概率（E[f(x)]）逐步推高或拉低至最终输出值，实现了个体化预测逻辑的可视化，增强了“黑箱”模型的临床可信度。为条形图，展示全局特征重要性排序，耐药模型中贡献最大的特征是“_Post”后缀的治疗后特征（如GrayLevelNonUniformity）。的纵向超声图像，构建Delta放射组学模型，有望更全面地反映肿瘤生物学演变，从而提高NAC反应预测的准确性。

2026-05-08 16:03:16 306

原创首都医科大学附属北京安贞医院放射科徐磊教授等团队：深度学习在冠状动脉CT血管造影中检测重度钙化斑块所致冠状动脉狭窄的应用

前瞻性测试中，模型的AUC（0.91）显著高于临床报告（0.76，P<0.001），显示出更优的真实世界应用潜力。该病例体现了模型在挑战性场景下的可靠判别能力。值得关注的是，模型在患者水平的特异性为53%，虽低于节段和血管水平，但仍显著高于临床报告（34%）。图中清晰呈现了钙化斑块与管腔的关系，模型成功识别出管腔通畅性，体现了其在提高特异性方面的实际效果。在外部测试数据集中，模型在段、血管和患者水平上均表现出良好的诊断性能，特异性分别达到78%、72%和48%，AUC分别为0.89、0.90和0.87。

2026-05-07 09:38:38 198

原创绍兴市人民医院等团队：基于多参数MRI的临床、影像组学、深度学习和机器学习综合模型预测局部晚期直肠癌肿瘤增殖与预后

最后，在训练、内部验证和外部验证三个队列中全面评估模型的判别性能、校准度和临床净获益，并通过Kaplan-Meier生存分析验证模型预测的Ki-67表达状态与。分别为训练、内部验证、外部验证队列中临床、放射组学、深度学习、RDL、放射组学+临床、深度学习+临床及联合模型的ROC曲线，联合模型在外部验证中AUC达。然而，传统Ki-67检测依赖内镜活检，由于肿瘤内异质性及活检样本量小、碎片化等问题，包含三个子图，分别展示了训练队列（a）、内部验证队列（b）和外部验证队列（c）中根据Nomogram最佳截断值（

2026-05-07 09:37:55 172

原创 Insights Imaging（IF=4.5）上海市肺科医院王茵等团队：基于灰度超声放射组学表征胸膜下肺病变

（中科院2区，IF=4.5）上发表的研究“Grayscale ultrasound radiomics for characterizing subpleural pulmonary lesions: a multicenter prospective study”即基于灰度超声放射组学表征胸膜下肺病变：一项多中心前瞻性研究，该研究旨在开发并验证一种基于灰度超声图像的放射组学模型，用于区分良性与恶性胸膜下肺病变。该模型的诊断准确性与经验丰富的肺超声放射科医生相当，具有良好的临床应用前景。

2026-05-07 09:37:18 174

原创如何将影像组学特征与胸腺上皮肿瘤的分子标志物（CD117/TDT）建立关联，并进一步解释其背后的细胞密度与核浆比的机制联系

图3g-i显示CD117+/TDT-组（胸腺癌表型）的flatness值和M值显著高于CD117-/TDT+组（胸腺瘤表型），P<0.001。筛选出与二者最相关的影像特征，分别得到“original-shape-flatness”和“wavelet-LHL-first-order-Median”。CD117+/TDT-组的两特征值显著高于CD117-/TDT+组（P<0.001），验证了影像特征与分子表型的生物学一致性。值得注意的是，FM模型对风险分期的预测优于对Masaoka分期的预测，说明。

2026-05-07 09:36:14 175

原创如何将多模态CT影像组学特征与胃癌中的“肿瘤-宿主交互”生物学机制建立关联，并进一步解释其与术后复发风险的机制联系

在训练、内部验证、外部验证三组中，SMAT-TC模型预测1、3、5年无复发生存期的AUC均达0.85以上，校准曲线贴近对角线，DCA显示净获益优于“全治疗”或“不治疗”策略。”，那就有点像算命算得挺准，但为啥准，自己也说不明白。多变量Cox回归显示SMAT-TC评分为独立风险因子（外部验证集HR=125.7，P<0.001），且肿瘤、SM、AT三者的评分各自独立预测RFS，提示。，保留各模态的生物学特异性（肿瘤反映侵袭性、肌肉反映恶病质、脂肪反映代谢紊乱），再通过注意力机制建模其交互，这种“

2026-05-07 09:35:34 196

原创（综述）J Transl Med 浙江大学医学院附属第二医院等团队：放射组学在胶质母细胞瘤复发中的应用：预测、定位及与治疗相关效应鉴别的进展

然而，两者的治疗策略与真性复发截然不同：复发需积极干预（再手术、靶向治疗等），而治疗相关效应多采取保守观察。80%以上GBM为术腔2cm内的局部复发，放射组学可通过体素/区域分析，绘制复发风险图谱，指导手术切缘与放疗靶区规划。术后：结合多模态MRI+临床/分子标志物（年龄、KPS评分、MGMT甲基化等）构建模型，预测复发风险，AUC多在。此外，GBM的复发模式复杂多样（局部、远处、多灶、弥漫性），进一步增加了影像判读的难度。：联合分子标志物（IDH、MGMT）与临床变量，构建生物学可解释的多模态模型。

2026-05-05 21:51:03 358

原创 Hepatology（IF=16.8）中国人民解放军总医院梁萍、于杰等团队：基于生物学可解释的多模态模型预测肝细胞癌局部肿瘤进展及肿瘤侵袭性

（C）针对安全位置的151例肿瘤，高侵袭肿瘤且MAM ≥ 8 mm组的LTP发生率为10.5%，与低侵袭肿瘤（6.1%）无显著差异（p=0.613），而MAM < 8 mm的高侵袭肿瘤LTP率高达42.4%（p=0.027）。（C和D）在内部测试集中，高侵袭肿瘤且MAM ≥ 8 mm组的LTP发生率（9.1%）显著低于MAM < 8 mm组（40.6%），且与低侵袭肿瘤（4.1%）无统计学差异（p=0.422）。更重要的是，针对位于安全位置（不邻近血管或包膜）的高侵袭性肿瘤，模型提出采用。

2026-05-05 21:50:06 1282

原创如何将病理组学特征与胰腺导管腺癌微环境中的关键生物学结构建立关联，并进一步解释其与预后、化疗响应及CA19-9预后价值修饰的机制联系

—把图像里的灰度、纹理、形态，翻译成病理医生能看懂的细胞结构、生物学家能理解的信号通路、临床医生能用的治疗决策。首先，研究者收集三中心873例PDAC患者的H&E全切片图像，经过ROI标注、分块、颜色标准化等预处理，构建了超过80万个高质量图像块的数据集。：促结缔组织增生、高核质比、肿瘤坏死（红色，高风险）和免疫细胞浸润（蓝色，低风险）。：通过分析不同风险组对辅助化疗的获益差异（高风险组HR=0.56，低风险组无获益），反向印证模型识别的特征（高增殖、基因组不稳定）确实与化疗敏感性相关，这是。

2026-05-03 10:35:06 372

原创如何将时间影像组学特征（delta）与NSCLC新辅助免疫治疗pCR机制建立关联，并进一步解释其与肿瘤异质性、退缩模式的机制联系

例如，GLCM的ClusterProminence可关联细胞聚集模式，GLRLM的ShortRunHighGrayLevelEmphasis可关联灰度均匀性（提示坏死/纤维化），NGTDM的Strength可关联局部异质性（提示免疫浸润）。进一步整合了治疗前的基线异质性特征（如original_glcm_ClusterProminence）和治疗后的形态特征（如original_shape_Flatness_posttreatment），实现了。”，那就像算命算得挺准，但为啥准，自己也说不明白。

2026-05-03 10:25:35 218

原创如何将CT影像语义特征与肝癌术后辅助TACE获益相关的免疫抑制性肿瘤微环境建立关联，并进一步解释其与预后、PA-TACE治疗响应的机制联系

从三家医疗机构回顾性纳入1770例HCC术后患者（SR-only组1224例，PA-TACE组500例），利用术前增强CT提取语义影像特征（如瘤内动脉、边缘、晕环、静脉侵袭预测因子等），结合临床病理变量（如MVI、AFP、肝功能等），采用逐步回归分别构建。作者并未直接做影像特征与基因表达的关联（传统放射基因组学需要大样本、强信号，难度高），而是先构建SR-only和PA-TACE两个预后模型，通过虚拟孪生分析计算个体化治疗获益，进而将患者划分为“推荐组”与“非推荐组”。，成为临床决策中的关键难题。

2026-05-02 17:52:59 324

原创如何将影像组学风险评分与结直肠癌的ECM重塑、免疫微环境及代谢通路建立关联，并进一步解释其与患者预后及潜在治疗响应的机制联系

导致许多患者被过度治疗或治疗不足。影像学，尤其是增强CT，是CRC诊疗中的常规手段，但其传统影像特征（如大小、形态、边界）所提供的信息有限，难以揭示肿瘤的。的核心策略值得推广：不强行要求影像特征与基因一一对应，而是先构建稳健的影像风险模型，将患者分为高、低风险组，再以此为标签反向挖掘多组学差异，这种。——开发一个稳健的影像风险评分（DLRM-RS），能够在多中心数据中显著区分高、低风险患者，并进一步联合临床指标（CEA、N分期）构建。，比较高、低风险组之间的代谢谱差异，识别出丁酸代谢、氮代谢等关键通路；

2026-05-02 17:51:42 320

原创如何将纵向MRI深度学习特征与局部晚期直肠癌新辅助放化疗后的免疫微环境建立关联，并解释其对pCR及预后的机制

具体包括：高评分与低评分患者在免疫细胞组成（T细胞、髓系细胞）、功能通路活性（氧化磷酸化、免疫激活）、巨噬细胞极化状态（M1/M2）、调节性T细胞（Treg）与CD8+ T细胞间通讯等方面的生物学异质性，从而实现。（共1026例）中系统评估该模型的预测性能，包括训练集、内部验证集和外部验证集的ROC曲线、校准曲线等指标；，内部验证集为0.88（95% CI: 0.82-0.94），外部验证集为0.90（95% CI: 0.79-1.00），显示出。箱线图显示pCR与非pCR组的深度学习评分分布差异显著；

2026-05-02 17:50:45 327

原创如何将影像组学特征与高级别浆液性卵巢癌中的侵袭性生物学表型建立关联，并进一步解释其与预后、治疗响应的机制联系

nnU-Net（2D/3D集成）自动分割原发灶 → 提取666个标准化影像组学特征 → 13种特征筛选法（含PVIRF）与12种生存算法（含RSF）组合，经100次Bootstrap+10折交叉验证优化C-index → 最优模型PVIRF-RSF输出预测概率 → k-means聚类二分类（高/低风险）及三分类 → 单变量逻辑回归+GSEA富集KEGG/人类基因组通路 → Spearman相关分析蛋白/CNV/RNA表达与风险评分关联 → 箱线图比较高风险与低风险组的肿瘤细胞密度及Rad51表达。

2026-05-02 17:50:03 393

原创如何将多模态MRI影像组学与HCC微血管侵犯的生物学机制（EMT、血管生成、ECM重塑）关联，并解释其对术前MVI预测及复发风险分层的机制意义

时间依赖性AUC显示，2年及5年的复发预测AUC分别为0.854/0.846和0.953/0.938，而病理MVI仅0.628/0.485和0.589/0.501。在外部测试队列中，DL‑TriFusion正确分类了197例MVI阴性中的191例、155例MVI阳性中的140例。该图包含ROC曲线、PR曲线、校准曲线和决策曲线，对比了VICT2、临床、DL‑CE、DL‑ECV及DL‑TriFusion模型。，揭示DL-TriFusion在做出预测时所关注的影像区域（如肿瘤边缘、瘤周强化区等），并。

2026-05-02 17:49:08 380

原创如何将纵向CT影像组学特征与局部晚期胃癌化疗时空异质性及耐药演化建立关联，并进一步解释其与化疗响应、淋巴结转移及生存预后的机制联系

Kaplan‑Meier曲线中两组曲线的早期分离，反映的是化疗诱导的肿瘤微环境重塑程度对远期生存的决定性影响。：基线CT反映原发肿瘤的固有侵袭潜能，治疗后CT捕捉肿瘤退缩与微环境重塑，二者经多任务融合后，输出的高风险区域（Grad‑CAM热图）直接对应化疗不敏感的耐药克隆巢穴，从而建立“影像动态→治疗响应→转移/预后”的因果链条。的模式，直观揭示了模型学习了“化疗响应程度”这一关键生物学变量，即有效治疗使模型关注的生物学靶点从“固有肿瘤”转变为“治疗诱导的残余病灶”，为影像组学提供了可解释的机制证据。

2026-05-01 20:39:06 277

原创如何将多模态CT深度学习特征与肿瘤微环境中的免疫相关生物学过程建立关联，并进一步解释其与非小细胞肺癌新辅助免疫化疗后的pCR机制联系

比较三种不同输入模态的深度学习模型性能——仅使用平扫CT特征（LUNAI-uCT模型）、仅使用增强CT特征（LUNAI-eCT模型）以及融合两者特征的模型（LUNAI-fCT模型）。通过可解释性分析工具（SHAP和Grad-CAM），定位模型决策时所关注的肿瘤区域，并将其与已知的肿瘤微环境生物学知识进行关联，从而。具有最高的绝对SHAP值，是预测pCR的最强贡献因子。：该图分别展示了LUNAI-uCT（图5a）、LUNAI-eCT（图5b）和LUNAI-fCT（图5c）模型中各特征的SHAP值排序。

2026-05-01 20:38:23 355

原创如何将多模态MRI影像特征与脑膜瘤细胞增殖标志物Ki-67建立关联，并进一步解释其与肿瘤生长速率、无进展生存期的机制联系

瞬间就成了黑箱本箱。是脑膜瘤诊疗的核心影像工具，既往研究发现某些常规MRI特征（如瘤周水肿、肿瘤坏死）与Ki-67存在相关性，但依赖人眼判读存在主观性强、准确性低的问题。的级联多模态Transformer网络，实现Ki-67（≥5%为高表达，<5%为低表达）的自动分类。因此，构建一个既能准确预测Ki-67、又能与肿瘤生长预后挂钩、且具备生物学可解释性的多模态深度学习模型，成为本研究的出发点。”，引导深度学习模块关注MRI上与增殖相关的区域（如坏死区、水肿带），实现“宏观表型引导微观特征提取”的机制化融合。

2026-05-01 20:37:42 339

原创如何将淋巴结影像组学特征与肿瘤血管异质性及缺氧微环境建立关联，并进一步解释其与晚期胆道癌免疫治疗响应及预后的机制联系

的可行性，解决晚期BTC原发灶难以准确勾画的技术瓶颈，并通过多期相（非对比期、动脉期、门脉期）特征提取、稳定性筛选（ICC≥0.75）、特征降维（mRMR + LASSO）等步骤，构建稳定的影像组学标签（Rad-score），再与独立临床预测因子（如免疫治疗周期、ECOG评分、是否联合抗血管药物、有无腹膜/肺转移等）结合，形成临床-影像组学列线图。，通过分析不同类型影像组学特征（如纹理特征中的Skewness、ClusterShade，形状特征中的Elongation）与免疫治疗响应之间的关系，

2026-05-01 20:36:59 372

原创如何通过影像组学模型无创预测三阴性乳腺癌中的三级淋巴结构（TLSs），并借助病理组学揭示其与治疗响应、预后及细胞侵袭性表型的机制联系

—在多个独立的外部验证队列（包括中国TNBC队列、DUKE队列、I-SPY2队列）中，验证rTLS模型对NAT治疗响应（pCR）的预测效能，并通过生存分析（Kaplan-Meier、Cox回归）评估rTLS评分与无病生存期（DFS）的关系，明确其作为独立预后因子的价值。：先用SHAP识别关键影像特征，再提取病理切片中的细胞形态特征，通过相关性分析建立“宏观影像-微观病理”的桥梁，最后用病理特征的生物学含义（如伪足形成、核固缩）解释影像组学评分的预后意义。，让宏观图像和微观病理、细胞、基因、通路对上话。

2026-05-01 20:36:00 380

原创如何将影像组学特征与非小细胞肺癌脑转移瘤免疫微环境中的干扰素通路及CD8+ T细胞浸润建立关联，并解释与预后、免疫治疗响应的机制联系

将模型预测的高风险组与低风险组进行差异表达基因分析和通路富集分析（GSEA），重点探索免疫相关通路（如IFN信号通路、T细胞毒性通路）的富集差异，并利用CIBERSORT、EcoTyper等多种算法评估。（25% CR + 75% PR），高风险组仅35.7%（14.3% CR + 21.4% PR），其余为SD（64.3%），两组差异显著（P=0.01），表明影像组学风险分组可。在独立的免疫治疗队列中，验证影像组学风险分组是否与PD-1/PD-L1抑制剂的临床响应（CR/PR/SD）相关，评估其作为。

2026-04-30 21:00:00 321

原创如何将深度学习超声影像特征与乳腺癌腋窝淋巴结治疗响应的生物学机制建立关联，并进一步解释其预测pCR与个体化治疗的机制联系

开发一种能够准确预测ALN阳性乳腺癌患者新辅助治疗后腋窝pCR的非侵入性工具，其假阴性率低于10%的临床阈值，从而指导个体化腋窝手术决策，帮助pCR患者安全豁免ALND，同时确保non-pCR患者接受彻底清扫。分析高低模型评分组之间的差异表达基因、通路富集、免疫浸润特征和药物敏感性，建立“影像评分—肿瘤微环境状态—治疗反应”的因果关联，为模型的临床可信度提供实质性支撑。——超声图像反映了整个肿瘤区域的异质性，而SLNB仅检测少数淋巴结，影像组学的全局表型信息与局部病理信息互补，共同降低了漏诊风险。

2026-04-30 20:00:00 382

原创 Ann Oncol（IF=65.4）广东省人民医院刘再毅等团队：基于深度学习的CT分类器与病理标志物增强的II期结直肠癌风险分层以优化辅助治疗决策

该系统首先通过深度学习模型（STAR-CRC）基于术前CT图像将患者分为低、不确定、高风险三组，再结合病理标志物（pT4、淋巴结检出数、神经侵犯、淋巴血管侵犯）对不确定风险组进一步细分，最终形成四个预后组（3年DFS率从≥95%到≤55%）。：预后良好（3年无病生存率≥95%）、预后中等（95%-75%）、预后较差（75%-55%）和预后极差（≤55%）；，3年无病生存率分别为≥95%、95%-75%、75%-55%、≤55%，而GRSS-CRC的中风险与低风险组生存曲线重叠。然后，对不确定风险组，结合。

2026-04-30 15:51:47 406

原创 Radiology（IF=15.2）法国居里研究所等团队：治疗后MRI预测三阴性乳腺癌对新辅助化疗免疫治疗的病理完全缓解

即治疗后MRI预测三阴性乳腺癌新辅助化疗免疫治疗的病理完全缓解，该研究是一项前瞻性多中心研究，旨在评估治疗后动态增强MRI在预测早期三阴性乳腺癌（TNBC）患者接受新辅助化疗免疫治疗（NACI）后是否达到病理完全缓解（pCR）的性能。研究发现，放射学完全缓解（rCR）对pCR具有较高的预测价值（AUC=0.83），结合基线淋巴结状态和Ki-67指数可进一步提升预测性能（AUC=0.88）。该图展示了一位53岁患者，NACI后MRI表现为非rCR（有残留增强），但最终病理为pCR（假阴性）。

2026-04-30 15:51:01 321

原创如何将影像组学特征与骨肉瘤免疫微环境中的关键生物学指标建立关联，并进一步解释其与无病生存期预后及免疫治疗响应的机制联系

从临床意义看，该模型可识别高复发风险患者，指导个体化辅助治疗（如免疫治疗或减量化疗），并有望整合到现有分期系统中。（Spearman或Pearson，FDR校正），筛选出|r|>0.3的显著关联对，并区分弱、中、强相关。，构建一个高性能的影像组学预测模型，采用多中心数据训练，并在两个独立的外部测试集中验证其泛化能力，同时与传统的临床预后指标（如T分期、肿瘤体积）进行比较；，提取10种形态特征（面积、轴长比、与邻核的Delaunay距离等），再通过直方图和统计量聚合为150个患者级特征。

2026-04-30 15:49:10 407

原创 Research（IF=10.9）南方医科大学珠江医院汪洋教授等团队：深度学习在脊柱MRI诊断中的应用：AI辅助与人工的多中心对比研究

尽管近年来的深度学习技术为提升诊断客观性、准确性和可重复性提供了新思路，但现有的大多数AI模型主要聚焦于图像采集后的离线分析，未能实现与MRI扫描系统的。最终，该研究旨在验证这种实时、设备嵌入式AI系统在真实临床环境中的有效性、可靠性和工作效率，以期将放射科医师从繁琐的手动操作中解放出来，使其专注于更复杂的诊断决策，从而。对于经验不足的操作者，：明确矢状面（偏移角、椎间盘垂直径、侧隐窝垂直径等）、横断面（腰大肌面积、关节突关节角等）的定量指标，及腰椎间盘突出、椎管狭窄、侧隐窝狭窄的疾病诊断指标。

2026-04-29 15:45:00 422

原创（综述）Annu Rev Biomed Eng（IF=9.6）上海科技大学沈定刚教授等团队：放射组学++：用于解码肿瘤异质性的生境影像分析综述

研究的主要目的首先在于，通过回顾多种成像模态（如CT、MRI、PET等）生成的参数图谱，阐明其如何从不同维度（解剖、生理、代谢）刻画肿瘤的异质性景观。这种异质性不仅源于肿瘤细胞内在的基因、转录和代谢层面的差异，更受到不断变化的肿瘤微环境（如血管分布、缺氧区域、细胞外基质成分等）的深刻影响。最终，论文的目标是探讨该技术在生存分析、疗效评估、风险分层等方面的应用潜力，并直面当前临床转化中面临的数据异质性、模型性能和可解释性等挑战，展望其与多组学数据深度融合的前景，最终推动其在。PET和SPECT。

2026-04-29 15:15:00 365

原创 Int J Surg（IF=10.1）南方医科大学珠江医院放射科全显跃等团队：CT在线计算器预测肝细胞癌术后预后及PA-TACE获益：开发与验证

研究通过构建手术切除（SR）单独治疗和PA-TACE治疗两组人群的列线图模型，结合“虚拟双生”分析，精准量化了每位患者从PA-TACE中的潜在生存获益。为实现这一目标，研究团队通过多中心回顾性队列纳入1,770例患者，分别构建并验证了“仅手术组”和“PA-TACE组”两个独立的预后预测列线图，并进一步。：分别构建SR-only和PA-TACE的生存预测列线图，通过C-index、时间依赖性AUC、校准曲线、DCA曲线验证模型效能。：结合RNA测序进行差异基因和富集分析，探究推荐组与非推荐组的分子机制；

2026-04-29 10:26:34 310

空空如也

空空如也