前言：寻找写作灵感？中文期刊网用心挑选的影像组学领域研究热点分析，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
影像组学通过计算机技术将医学图像转换为高通量数据，进而对疾病、预后、生存期、肿瘤基因表达等进行分析和预测。与传统影像学相比，影像组学提供了肉眼无法识别的内部纹理特征，且不依赖医生的主观经验，因此能够更全面、客观的分析病变信息。此外，影像组学具有无创性、可重复、快速经济、避免活检采样误差等优势。本研究运用文献计量学对影像组学相关文献进行分析。
一、资料与方法
1.资料来源与检索策略。数据来源于WebofScience核心合集数据库。检索策略为：主题=“Radiomics”OR“Radiomic”，限定文章类型为Article，文章发表时间不限定，检索日期截止到2020年4月17日，选择“全记录与引用的参考文献”并以纯文本格式导出。
2.研究方法。本研究使用Excel2016验证布拉德福定律和普赖斯定律，其余数据的统计和处理均采用VOSviewer1.6.14软件实现3。首先对发表时间、期刊、国家、作者等字段进行统计，对来源期刊利用布拉德福定律得到核心期刊，对作者利用普赖斯定律得到核心作者，将核心作者最低发文量作为划分核心机构的标准，从而得到影像组学领域相关文献的发表年代、来源期刊和研究力量分布情况。随后，将关键词进行同义词合并处理，截取频次阈值为10的关键词作为高频关键词，构建高频关键词表。限定类中至少包括5个关键词，以“Associationstrength”作为标准化方法进行高频关键词的聚类分析，并生成高频词聚类网络图。
二、结果
1.分布情况。2012至2020年共检索到1476篇文献，分别为2、3、7、28、66、160、323、675和212篇。共涉及288种期刊，其中核心区期刊8种（EurRadiol，SciRep，MedPhys，JMAGNRESONIMAGING，EurJRadiol，FrontNeuroendocrinol，PHYSMEDBIOL，PLoSOne），核心区文献503篇。共涉及56个国家，前3位国家分别为中国（611篇）、美国（529）、意大利（100）。共涉及7932位作者，核心作者122位。共涉及1535家科研机构，其中113家为核心科研机构，集中在中国（42家）、美国（35）。
2.研究热点分析。高频关键词表见表1，共56个。高频词聚类图如图1所示，共聚为5类，即涉及5个主题。主题1（红色）主要介绍了影像组学的实现方法以及基于机器学习方法的影像组学研究。主题2（绿色）主要介绍了基于MRI图像对头颈癌、肝癌、鼻咽癌等进行影像组学研究以实现对肿瘤的诊断与预后分析。主题3（蓝色）主要介绍了基于CT、PET/CT的影像组学方法在肺癌中的应用以及基于图像纹理特征对肿瘤异质性的研究。主题4（黄色）主要介绍了利用人工智能、定量成像技术等方法来预测肿瘤治疗反应从而实现个体化医疗。主题5（紫色）主要介绍了神经胶质瘤的生存预后分析以及影像组学的基因组学研究。
三、分析
1.影像组学相关文献分布情况。影像组学是一个新兴领域，2012年发表了首篇文献。从期刊分布来看，平均每种期刊的发文量为5.125篇，但仅发表1篇论文的期刊有139种，占48.26%，说明发表期刊不均衡，载文量存在较大的差异性。从作者分布可以看出发文量最多的作者来自我国，同时我国也拥有最多的核心科研机构，说明我国在该领域的重要地位。
2.影像组学相关文献聚类分析。关于主题1，Valdora等4对乳腺癌与影像组学的综述研究发现，基于MRI图像的影像组学方法可以潜在的改善乳腺癌的诊断。关于主题2，Hui等5人的研究表明基于MRI图像的纹理特征能够较好的预测肝细胞癌的早期复发。Zhang等6通过建立影像组学标签来预测鼻咽癌患者的局部复发，取得了令人满意的预测性能。关于主题3，Ma等7回顾分析了两个非小细胞肺癌患者队列，结果表明结合PET/CT图像的纹理特征分析方法可能在非小细胞肺癌亚型的分类上显示出好的性能。MathieuHatt等8在综述中分析了基于PET/CT图像的纹理特征来量化肿瘤异质性的研究，提出了新见解。关于主题4，Liu等9回顾了影像组学的最新进展，概述了影像组学在肿瘤学领域的诊断、治疗计划评估中的作用，旨在实现个性化医疗。Lambin等10描述了影像组学的过程以及辅助临床决策的潜力，强调了其对癌症患者的效用。关于主题5，Lao等11利用深度学习预测胶质母细胞瘤患者的生存期，取得了良好的效果。Saini等12回顾了肝癌的影像基因组学与影像组学的最新研究，说明了通过临床成像能够揭示潜在的病理生理机制。
四、结语
影像组学使医学图像中丰富的细节信息得以充分展现，为疾病的诊疗提供必要依据。本文全面的分析了影像组学领域的研究热点，可为相关的研究人员提供参考以促进影像组学领域的发展。
作者:李舒 黄铖 丁长伟 张浩 单位:中国医科大学医学信息学院
