• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

癌症诊断的面貌正在改变：从计算图像分析到系统生物学。

The changing face of cancer diagnosis: From computational image analysis to systems biology.

机构信息

Department of Experimental Molecular Imaging, Medical Faculty, Institute for Experimental Molecular Imaging, RWTH Aachen University, Pauwelsstraße 30, 52074, Aachen, Germany.

出版信息

Eur Radiol. 2018 Aug;28(8):3160-3164. doi: 10.1007/s00330-018-5347-9. Epub 2018 Feb 27.

DOI:10.1007/s00330-018-5347-9
PMID:29488085
Abstract

ᅟ: KEY POINTS: • Radiomics and radiogenomics will merge radiology, nuclear medicine, pathology and laboratory medicine. • Automation of image data analysis will change the daily routine work. • Image-guided therapy and handling complex radiogenomic data will play a major role.

摘要

要点

  1. 影像组学和影像基因组学将融合放射学、核医学、病理学和检验医学。

  2. 图像数据分析的自动化将改变日常工作。

  3. 影像引导治疗和处理复杂的影像基因组学数据将发挥重要作用。

相似文献

1
The changing face of cancer diagnosis: From computational image analysis to systems biology.癌症诊断的面貌正在改变：从计算图像分析到系统生物学。
Eur Radiol. 2018 Aug;28(8):3160-3164. doi: 10.1007/s00330-018-5347-9. Epub 2018 Feb 27.
2
Radiogenomics: bridging imaging and genomics.放射组学：连接影像学与基因组学
Abdom Radiol (NY). 2019 Jun;44(6):1960-1984. doi: 10.1007/s00261-019-02028-w.
3
Precision Medicine and Radiogenomics in Breast Cancer: New Approaches toward Diagnosis and Treatment.精准医学与乳腺癌放射组学：诊断与治疗的新方法。
Radiology. 2018 Jun;287(3):732-747. doi: 10.1148/radiol.2018172171.
4
"Radio-oncomics" : The potential of radiomics in radiation oncology.“放射肿瘤影像学”：放射组学在放射肿瘤学中的潜力
Strahlenther Onkol. 2017 Oct;193(10):767-779. doi: 10.1007/s00066-017-1175-0. Epub 2017 Jul 7.
5
Reflections on radiogenomics and oncologic radiomics.关于放射基因组学和肿瘤放射组学的思考。
Abdom Radiol (NY). 2019 Jun;44(6):1959. doi: 10.1007/s00261-019-02047-7.
6
Radiogenomics: what it is and why it is important.放射基因组学：是什么以及为何重要。
J Am Coll Radiol. 2015 Aug;12(8):862-6. doi: 10.1016/j.jacr.2015.04.019.
7
Digitization of medicine: how radiology can take advantage of the digital revolution.医学数字化：放射科如何利用数字革命
Acad Radiol. 2013 Dec;20(12):1479-94. doi: 10.1016/j.acra.2013.09.008.
8
Rethinking the role of clinical imaging.重新思考临床影像学的作用。
Elife. 2017 Sep 6;6:e30563. doi: 10.7554/eLife.30563.
9
Emerging Applications of Artificial Intelligence in Neuro-Oncology.人工智能在神经肿瘤学中的新兴应用。
Radiology. 2019 Mar;290(3):607-618. doi: 10.1148/radiol.2018181928. Epub 2019 Jan 22.
10
Where are we in genomics?我们在基因组学领域处于什么位置？
J Physiol Pharmacol. 2005 Jun;56 Suppl 3:37-70.

引用本文的文献

1
Development and Cross-Institutional Validation of a Comprehensive Machine Learning Model Predicting Response to Neoadjuvant Therapy for Rectal Cancer.预测直肠癌新辅助治疗反应的综合机器学习模型的开发与跨机构验证
Cancer Manag Res. 2025 Aug 5;17:1563-1575. doi: 10.2147/CMAR.S517949. eCollection 2025.
2
Wavelets-Based Texture Analysis of Post Neoadjuvant Chemoradiotherapy Magnetic Resonance Imaging as a Tool for Recognition of Pathological Complete Response in Rectal Cancer, a Retrospective Study.基于小波的新辅助放化疗后磁共振成像纹理分析作为直肠癌病理完全缓解识别工具的回顾性研究
J Clin Med. 2024 Dec 4;13(23):7383. doi: 10.3390/jcm13237383.
3

本文引用的文献

1
Pulmonary subsolid nodules: value of semi-automatic measurement in diagnostic accuracy, diagnostic reproducibility and nodule classification agreement.肺部亚实性结节：半自动测量在诊断准确性、诊断可重复性和结节分类一致性方面的价值。
Eur Radiol. 2018 May;28(5):2124-2133. doi: 10.1007/s00330-017-5171-7. Epub 2017 Dec 1.
2
Reliable Biomarkers to Identify New and Recurrent Cancer.用于识别新发和复发性癌症的可靠生物标志物。
Eur J Breast Health. 2017 Oct 1;13(4):162-167. doi: 10.5152/ejbh.2017.3635. eCollection 2017 Oct.
3
Radiomics: the bridge between medical imaging and personalized medicine.
Quantitative texture analysis using machine learning for predicting interpretable pulmonary perfusion from non-contrast computed tomography in pulmonary embolism patients.
使用机器学习进行定量纹理分析，以从肺栓塞患者的非对比 CT 预测可解释的肺灌注。
Respir Res. 2024 Oct 28;25(1):389. doi: 10.1186/s12931-024-03004-9.
4
A correlation analysis of sacrococcygeal chordoma imaging and clinical characteristics with the prognostic factors.骶尾部脊索瘤影像学及临床特征与预后因素的相关性分析
Front Oncol. 2022 Sep 26;12:1012918. doi: 10.3389/fonc.2022.1012918. eCollection 2022.
5
MRI-Based Radiomics Models to Discriminate Hepatocellular Carcinoma and Non-Hepatocellular Carcinoma in LR-M According to LI-RADS Version 2018.基于MRI的影像组学模型，根据LI-RADS 2018版鉴别低风险（LR-M）肝细胞癌和非肝细胞癌。
Diagnostics (Basel). 2022 Apr 21;12(5):1043. doi: 10.3390/diagnostics12051043.
6
Role of MRI‑based radiomics in locally advanced rectal cancer (Review).MRI 影像组学在局部进展期直肠癌中的作用（综述）。
Oncol Rep. 2022 Feb;47(2). doi: 10.3892/or.2021.8245. Epub 2021 Dec 22.
7
Radiomic signature of the FOWARC trial predicts pathological response to neoadjuvant treatment in rectal cancer.FOWARC 试验的放射组学特征可预测直肠癌新辅助治疗的病理反应。
J Transl Med. 2021 Jun 10;19(1):256. doi: 10.1186/s12967-021-02919-x.
8
Modern MR Imaging Technology in Rectal Cancer; There Is More Than Meets the Eye.直肠癌的现代磁共振成像技术：其内涵远超所见。
Front Oncol. 2020 Oct 8;10:537532. doi: 10.3389/fonc.2020.537532. eCollection 2020.
9
[Artificial intelligence : What do urologists need to know?].[人工智能：泌尿外科医生需要了解什么？]
Urologe A. 2020 Sep;59(9):1026-1034. doi: 10.1007/s00120-020-01294-7.
10
Emerging methods in radiology.新兴的放射学方法。
Radiologe. 2020 Nov;60(Suppl 1):41-53. doi: 10.1007/s00117-020-00696-0.
放射组学：医学影像与个性化医疗之间的桥梁。
Nat Rev Clin Oncol. 2017 Dec;14(12):749-762. doi: 10.1038/nrclinonc.2017.141. Epub 2017 Oct 4.
4
Imaging features of myeloproliferative neoplasms.骨髓增殖性肿瘤的影像学特征。
Clin Radiol. 2017 Oct;72(10):801-809. doi: 10.1016/j.crad.2017.05.014. Epub 2017 Jun 12.
5
Radiogenomic Analysis of Oncological Data: A Technical Survey.肿瘤学数据的放射基因组学分析：技术综述。
Int J Mol Sci. 2017 Apr 12;18(4):805. doi: 10.3390/ijms18040805.
6
Circulating Tumor DNA as Biomarkers for Cancer Detection.循环肿瘤DNA作为癌症检测的生物标志物
Genomics Proteomics Bioinformatics. 2017 Apr;15(2):59-72. doi: 10.1016/j.gpb.2016.12.004. Epub 2017 Apr 7.
7
Fifty years of computer analysis in chest imaging: rule-based, machine learning, deep learning.胸部影像学五十年的计算机分析：基于规则、机器学习、深度学习
Radiol Phys Technol. 2017 Mar;10(1):23-32. doi: 10.1007/s12194-017-0394-5. Epub 2017 Feb 16.
8
Precision diagnostics: moving towards protein biomarker signatures of clinical utility in cancer.精准诊断：向癌症临床应用的蛋白质生物标志物特征迈进。
Nat Rev Cancer. 2017 Mar;17(3):199-204. doi: 10.1038/nrc.2016.153. Epub 2017 Feb 3.
9
Cancer pharmacogenomics, challenges in implementation, and patient-focused perspectives.癌症药物基因组学、实施中的挑战以及以患者为中心的观点。
Pharmgenomics Pers Med. 2016 Jul 12;9:65-77. doi: 10.2147/PGPM.S62918. eCollection 2016.
10
Emerging Themes in Image Informatics and Molecular Analysis for Digital Pathology.数字病理学的图像信息学与分子分析中的新兴主题
Annu Rev Biomed Eng. 2016 Jul 11;18:387-412. doi: 10.1146/annurev-bioeng-112415-114722.