对于大部分临床医生来说，日常接触到的 CT、MRI、超声和 PET 这些影像资料的唯一意义就是帮助医生对患者的疾病进行诊断与预后评估。
一旦治疗结束，这些片子就在电脑里吃灰。删又不能删，越堆越多，拖慢电脑运行速度。
但实际上，这些片子背后还能「大有所为」~
有的医生可是用这些片子做「影像组学」发了很多高分 SCI ，甚至还根据用诊断模型申请了专利并拿下了科研基金，走上人生巅峰了！
什么是影像组学？
影像组学（Radiomics）这是最近几年基于人工智能的发展而兴起的一种研究方法，简单来说就是借助机器学习的方法从医学影像图像「CT，MRI，PET，超声」中挖掘人类肉眼无法识别和分类的影像特征 ，然后筛选出最有价值的影像特征，用于疾病的定性、肿瘤分级分期、疗效评估和预后预测等。
其实，说白了就是让机器帮你看片子：
你要找什么类型的片子，机器来帮忙进行海量筛选；
你要找片子的哪个特征，机器来帮你迅速定位；
你要用片子看这个病有多严重，机器帮你做特征分析；
你要用片子做疾病的分类与预测，机器帮你建立模型；
然后把这些结果整理好，写成文章就能发 SCI 啦！
举个例子，一张肿瘤 CT 影像里，普通人的肉眼只能看到肿瘤的大小，位置，最多能判断出来质地，形状等，能肉眼看出来 10 个特征以上的，都是「当代华佗」类的大专家。
而用影像组学的方法，能从一份 CT 里提取到几百种，甚至上千种特征信息！提取出来这些特征，就可以用人工智能的方法进行处理，来进行疾病的诊断与预后分析。
为什么推荐临床医生做？
1. 影像数据量大
CT，MRI，超声，PET 这些影像数据，每个医院都有几年、甚至几十年的储存，且大部分片子在病人治疗结束后就吃灰了，可利用率高。
2. 临床医生容易获得，应用价值高
对于大部分科室，看片子都是日常操作。这次新冠肺炎，影像表征就是判断肺炎阳性的最主要指标之一，如果能对患者的影像表现进行研究，对临床应用价值极高。
最重要的是，周围做这个研究的人还不多，这也是为什么影像资料日常落灰。但如果学会了机器学习这个新技能，影像资料的鱼塘就都被你承包了！
3. 机器学习发展迅猛，文章易接收
从 2015 年开始，依托于医疗人工智能的发展，利用机器学习筛选影像特征、进行分类并预测的影像组学已成为热门临床研究方法。2019 年的发文量才 900 多篇，后续每年发文量都在上升，今年已经达到了 3128 篇！
想深入了解人工智能与「影像组学」的研究进展和相关方法，千万别错过本场免费直播：
医生如何利用手头「片子」
做「影像组学」发 SCI！
⏰ 11/27 晚 19:00 准时开播
👇扫码预约免费直播👇
直播福利：
1-pyradiomics的中文使用说明（独家翻译版）+ 练习代码
2-Python 学习四大名著
3-不同方法影像组学文献合集
