Radiomics
影像組學
Introduction to Radiomics Learning
References: introduction
Lambin, Philippe, et al. "Radiomics: the bridge between medical imaging and personalized medicine." Nature Reviews Clinical Oncology 14.12 (2017): 749-762.
Gillies, Robert J., Paul E. Kinahan, and Hedvig Hricak. "Radiomics: images are more than pictures, they are data." Radiology 278.2 (2016): 563-577.
PyRadiomics: Van Griethuysen, Joost JM, et al. "Computational radiomics system to decode the radiographic phenotype." Cancer Research 77.21 (2017): e104-e107.
References: radiomics paper checklist
Burak Kocak et al., "CheckList for EvaluAtion of Radiomics research (CLEAR): a step-by-step reporting guideline for authors and reviewers endorsed by ESR and EuSoMII." Insights into Imaging volume 14, Article number: 75 (2023). https://doi.org/10.1186%2Fs13244-023-01415-8
Radiomics Features and Analysis Methods
機器學習是實現人工智慧的重要手段之一,近期相當熱門的深度學習,也是屬於機器學習的一線分支,因此,了解機器學習的基本運作原理,是通往了解現代人工智慧的重要里程碑。在這一系列的影片中,我們會帶領大家認識機器學期的基本的概念與運作方式。同時,配合醫學題材,我們將會簡介一種抽取醫學影像特徵的方式:影像組學,並且透過實際的操作例子,示範如何結合機器學習與影像組學,產生可運作的人工智慧模型。
Speaker|張大衛
國立臺灣大學・MeDA Lab
Lecture |
基礎機器學習(上):機器學習簡介與流程 [35:00]
基礎機器學習(下):模型訓練與過度擬合 [39:56]
影像組學簡介(精簡版) [40:21]
Hands-on |
機器學習與影像組學實作(上):影像組學特徵抽取 [19:07]
機器學習與影像組學實作(下):建立機器學習模型 [27:05]
影像組學 (radiomics) 是一種從影像中抽取特徵的方法,抽取出來的特徵可以像一般的數值統計資料一樣進行統計分析,又或是可用於機器學習訓練模型,達成利用數值資料來分析影像資料的目的。在這個系列的影片中,我們將介紹 (1) radiomics 的基本資訊、運用場合、實際的使用分析流程。(2) 特徵抽取的流程,以及流程中的各種變因與注意事項。(3) 形狀、強度,以及不同種類的材質特徵詳解。
Python Codes for Radiomics
Scientific Studies via Radiomics
References in Radiomics
Arthur, Amani, et al. "A CT-based radiomics classification model for the prediction of histological type and tumour grade in retroperitoneal sarcoma (RADSARC-R): a retrospective multicohort analysis." The Lancet Oncology 24.11 (2023): 1277-1286.
https://doi.org/10.1016/S1470-2045(23)00462-X
課程地圖