MD, Cand. Sci. (Med.)
к.м.н.
MD, Cand. Sci. (Med.)
MD
MD
MD, PhD, Department of Surgical and Medical Sciences and Translational Medicine, Radiology Unit
отделение хирургических и медицинских наук и трансляционной медицины; отделение радиологии
MD, PhD, Department of Surgical and Medical Sciences and Translational Medicine, Radiology Unit
Diagnostic and treatment approaches in prostate cancer rely on a combination of magnetic resonance imaging and histological data.
This study aimed to introduce the basics of the current diagnostic approach in prostate cancer with a focus on texture analysis.
Texture analysis evaluates the relationships between image pixels using mathematical methods, which provide additional information. First-order texture analysis of features can have greater clinical reproducibility than higher-order texture features. Textural features that are extracted from diffusion coefficient maps have shown the greatest clinical relevance. Future research should focus on integrating machine learning methods to facilitate the use of texture analysis in clinical practice.
The development of automated segmentation methods is required to reduce the likelihood of including normal tissue in the area of interest. Texture analysis allows the noninvasive separation of patients into groups in terms of possible treatment options. Currently, few clinical studies reported on the differential diagnosis of clinically significant prostate cancer, including the Gleason and International Society of Urological Pathology grading. Large prospective studies are required to verify the diagnostic potential of textural features.
Подходы к диагностике и лечению рака предстательной железы опираются на комбинацию данных магнитно-резонансной томографии и гистологических данных.
Цель данного обзора ― введение читателя в основы современного диагностического подхода к раку предстательной железы при помощи магнитно-резонансной томографии с фокусом на текстурный анализ цифровых медицинских изображений.
Текстурный анализ позволяет оценить взаимосвязи между пикселями изображения с помощью математических методов, что даёт дополнительную информацию, в первую очередь о внутриопухолевой гетерогенности. Текстурный анализ признаков первого порядка может иметь бό́льшую клиническую воспроизводимость, чем текстурные характеристики более высокого порядка. Текстурные особенности, извлечённые из карт коэффициента диффузии, показали наибольшую клиническую значимость.
Будущие исследования должны быть направлены на интеграцию методов машинного обучения для облегчения использования текстурного анализа в клинической практике. Требуется развитие автоматизированных методов сегментации для уменьшения вероятности включения нормальных тканей в области интереса и ускорения получения результатов анализа. Для проверки диагностического потенциала текстурных признаков требуются крупные проспективные исследования.
前列腺癌的诊断和治疗方法依赖于磁共振成像和组织学数据的结合。
这篇综述的目的是向读者介绍利用磁共振成像对前列腺癌进行现代诊断的基本方法，重点是数字医学图像的纹理分析。
纹理分析使使用数学方法评估图像像素之间的关系成为可能，这提供了额外的信息，主要是关于肿瘤内异质性的信息。一阶特征的纹理分析可能比高阶纹理特征具有更大的临床再现性。从扩散系数图中提取的纹理特征具有最大的临床意义。
未来的研究应侧重于整合机器学习技术，以促进纹理分析在临床实践中的应用。需要开发自动分割方法，以降低将正常组织纳入感兴趣区域的可能性，并加快分析结果的传递。为了测试纹理特征的诊断潜力，需要进行大规模的前瞻性研究。