组学专题
Brain Commun | 推动组学和影像学数据走向综合
摘要 目前还没有能完全治愈脑部疾病的治疗方法。组学是一种新兴技术，能够帮助研究人员了解潜在脑部疾病的分子机制。包括基因组学、转录组学和蛋白质组学在内的多组学技术，以及MRI、PET和EEG等脑影像技术，都对脑疾病相关治疗靶点的检测做出了贡献。本研究致力于通过整合组学和影像学的方法来建立脑部多分子图谱，以提供对脑部疾病诊断和治疗的新见解。这种方法需要使用组学和影像学技术进行精确的数据收集、数据处理
做影像组学+深度学习技术研究如何发表高分论文，案例解析
论文简介 标题：Longitudinal MRI-based fusion novel model predicts pathological complete response in breast cancer treated with neoadjuvant chemotherapy: a multicenter, retrospective study（纵向MRI结合新模型预测新辅助化疗
人工智能在病理组学中的优质开源项目推荐｜文献速递·24-08-28
小罗碎碎念 今天这期推文是6月份前半个月的文献总结，从90篇文章中挑了12个与病理AI相关的开源项目。 这一期推文先介绍6个项目，明天再介绍剩下的6个，信息量比较大，建议反复阅读。 一个项目的完成，无非就三个要素——人+数据+模型，所以我这期推文还分析了每一个项目采用的数据集。 后续还会不定期分享公开数据集，以及使用方式，敬请关注！！ 今日其余推文 从国自然立项情况
影像组学与病理组学在鼻咽癌领域的最新研究进展｜文献速递·24-08-23
小罗碎碎念 今天这期推文收纳了人工智能在鼻咽癌领域的最新研究进展，既涉及影像组学也涉及病理组学。 在写这期推文的时候，刚好看到了国自然基金放榜的消息，在这里也祝各位关注小罗的老师能如愿上榜！！ 正在积极备战的老师们，也可以多关注关注小罗的推文，也许哪天就找到灵感了呢，哈哈。 一、全自动跨域互助学习框架提升鼻咽癌磁共振成像诊断 一作&通讯 角色姓名单位单位（中文）第一作
人工智能在影像组学与放射组学中的最新进展｜顶刊速递·24-06-22
小罗碎碎念 本期文献速递的主题——人工智能在影像组学中的最新进展。 小罗一直以来的观点，是把大问题分模块拆解——既然我们想做多模态，那么就先了解单模态的研究套路，再去研究不同模态提取的特征如何融合，搞科研的过程也是管理人才，管理自己的过程。 我是罗小罗同学，明天见！！ 一、评估人工智能（AI）系统通过MRI检测前列腺癌方面的性能，并与传统的放射科医生使用前列腺成像-报告和数据
用于原发性进行性失语症分类的可解释性机器学习影像组学模型
摘要 背景：原发性进行性失语症(PPA)是一种以语言障碍为特征的神经退行性疾病。两种主要的临床亚型分别为语义型(svPPA)和非流利型失语(nfvPPA)。对PPA患者的诊断和分类是一个复杂的挑战，需要整合多模态信息，包括临床、生物学和放射学特征。结构神经影像学在辅助PPA鉴别诊断和构建诊断支持系统方面起着至关重要的作用。 方法：本研究对56例PPA患者(31例svPPA和25例nfvPPA)
STAR-Echo：一种使用时空分析和基于Transformer的影像组学模型预后慢性肾脏病患者 MACE 预后的新型生物标志物
文章目录 STAR-Echo: A Novel Biomarker for Prognosis of MACE in Chronic Kidney Disease Patients Using Spatiotemporal Analysis and Transformer-Based Radiomics Models摘要方法实验结果 STAR-Echo: A Novel Biom
代谢组学分析常用网站
MetaboAnalyst 5.0 MetaboAnalyst 5.0 可进行代谢组数据的可视化分析，Module Overview如下，包括Biomarker Analysis/ Enrichment Analysis/Pathway Analysis/Joint Pathway Analysis/Network Analysis以及各种封图分析等，基本送测公司的报告里头的结果图，只要拿
病理组学+配对 mIHC 验证+转录组多组学
目录 病理DeepRisk网络模型构建 DPS和新辅助化疗 mIHC 验证 STAD转录组层面 病理DeepRisk网络模型构建 自有数据训练，TCGA数据进行验证，然后配对mIF验证，最后还在转录组层面分析。 该模型基于中山数据集（n = 1120）构建，并在TCGA-STAD（n = 268）和SOBC数据集（n = 277）中得到进一步验证。 用于构建 DeepRisk
文献速递：深度学习肝脏肿瘤诊断---双能量CT深度学习放射组学预测大梁状大块型肝细胞癌
Title 题目 Dual-Energy CT Deep Learning Radiomics to Predict Macrotrabecular-Massive Hepatocellular Carcinoma 双能量CT深度学习放射组学预测大梁状大块型肝细胞癌 Background 背景 It is unknown whether the addit
多组学-单细胞测序和空间转录组学挖掘（文献）
Multiomics characterization of pyroptosis in the tumor microenvironment and therapeutic relevance in metastatic melanoma - PubMed (nih.gov) 代码链接：Wenqiong9/melanoma_PScore (github.com) 或者：focuslyj/
微生物组学数据分析工具综述 | 16S+宏基因组＋宏病毒组＋宏转录组--转载
转载：https://mp.weixin.qq.com/s/xsL9GuLs7b3nRF8VeRtinQ 建立在高通量测序基础上的微生物群落研究，当前主要有三大类：基于16S/18S/ITS等扩增子做物种分类的Metataxanomics、鸟枪法打断全基因组DNA序列的Metagenomics和基于mRNA信息的宏转录组方法Meta-transcriptomics。 16S，也即是我们通常所
宏基因组学及宏转录组学分析工具MOCAT2（Meta‘omic Analysis Toolkit 2）安装配置及常用使用方法
详细介绍 尽管这个工具已经暂停后续开发，但其工具功能还是挺好的，大家可以参考一下，尤其对于喜欢自定义开发流程的可以参考是流程。 MOCAT 2（Meta'omic Analysis Toolkit 2）是一个用于宏基因组和宏转录组数据分析的工具集，旨在处理和分析来自各种环境样品（如土壤、水体、肠道等）的宏基因组学和宏转录组学数据。它提供了一系列功能模块，涵盖了数据预处理、序列比对、装配
24分+的医药顶刊带你学习表观组学解析超级热点“肿瘤耐药”的机制
对癌症患者采用治疗干预时获得性耐药是转移性癌症复发的主要原因。此前，获得性耐药发展的研究主要集中在识别耐药肿瘤中常见的基因突变。越来越多的证据表明，在永久性获得性耐药出现之前，癌症中存在一种表观遗传调控的可逆耐药状态，这种可逆状态可能会导致不同的抗性机制。这些癌症中出现组蛋白去甲基化酶的持续表达，给转录适应和耐药性提供可能。因此，靶向表观遗传调控因子是逆转肿瘤耐药的有效策略。 在黑素瘤小鼠模型
微生物组和组学成分数据分析之ALR对数转换
谷禾健康 编辑 微生物组和组学数据集，由于其生物学性质，通常是高维的，特征常以各种成分，如基因、OTU、RNA转录本等的计数为特征。这些数据统称为成分数据。 这类数据分析的中心概念是对数转换，而其中最简单的策略是ALR（Additive log ratio）方法。对于高维数据，ALR方法有一下几个特点： (a) 次要成分都是相干的 (b)可以解释100%的总对数方差 (c)测量结果非常接近于等
影像组学训练营论文拆解集锦
影像组学路径图 提供服务： 影像组学人工智能应用培训班 直肠癌 文献 Predicting Rectal Cancer Response to Neoadjuvant Chemoradiotherapy Using Deep Learning of Diffusion Kurtosis MRI 临床场景 使用多模态CT数据，预测病理反应（pCR）,以及对应的肿瘤分级。
基于pyradiomics影像组学特征提取
基于pyradiomics影像组学特征提取 特征提取：1 pyradiomics的使用：1.1，在python环境下安装pyradiomics:1.2,设置特征提取器，获得想要特征：1.2.1 图像类型1.2.2 目标特征设置1.2.3 特征提取器设置 2 代码示例;参考： 特征提取： 在这里，我们使用pyradiomics来提取影像组学特征。首先，我们先介绍pyradiomi
【影像组学入门百问】#58---#62
#58-使用PyRadiomics能提取出多少影像组学特征？ 当前支持以下特征类别： 第一阶段统计量 基于形状的（3D） 基于形状的（2D） 灰度共生矩阵（GLCM） 灰度共生长度矩阵（GLRLM） 灰度大小区域矩阵（GLSZM） 相邻灰度差异矩阵（NGTDM） 灰度依赖矩阵（GLDM） 平均而言，Pyradiomics每张图像提取约1500个特征，包括16个形状描述符和从原始和派生图像提取
【影像组学入门百问】#41--#43
#41-影像组学研究中离散化方法选择 目前，尽管许多研究倾向于固定的bin数而非固定的bin宽度，但并没有硬性证据表明在所有情况下固定的bin宽度或固定的bin数更优。因此，PyRadiomics实现了设置固定的bin数（binCount）和固定的bin宽度（binWidth，默认值）两种选项。 之所以选择固定的bin宽度作为默认参数，部分原因在于PET研究表明，采用固定的bin宽度能更好地保
【医学论文阅读笔记】 “Pancreas image mining: a systematic review of radiomics“ （胰腺影像组学综述）
单位： 奥克兰大学 论文： https://link.springer.com/article/10.1007/s00330-020-07376-6 文章目录 前言一、72篇论文配置特点二、72篇论文影像组学特点下载 前言 文章系统地回顾了已发表的国内外共72篇关于胰腺影像组学应用的论文。 注：文末附72篇论文下载地址。 阅读笔记思维导图版： 一、
小鼠脑立体定位图谱_三维成像成就空间组学 致力人类脑图谱数据更新
近日，由多国遗传学家和神经科学家组成的团队，通过多组学数据库资源整合并结合三维组织器官成像技术，获得了更进一步的人全脑区蛋白编码转录组分析图谱。文献发表于3月6日的Science上，同时相关数据已被Human Protein Atlas (HPA) Brain Atlas数据库收录。该研究令人类脑图谱数据更加完善的同时，通过比对多种属的脑部转录组数据，对神经系统研究模型建立提出了新思考。 人
【影像组学入门百问】#29---#31
#29-影像组学研究中，消除不同影像间因设备和扫 描参数引起的差异的方法有哪些？ 在影像组学研究中，消除不同影像间因设备和扫描参数引起的差异至关重要。以下是一些常用的方法： 1.归一化（Normalization）：通过缩放像素值将图像统一到同一尺度，可以减小因设备和扫描参数引起的差异。常见的归一化方法有 Z-score 标准化、最大最小值归一化等。 2.重采样（Resampling）：为了
用R语言用生存资料做基于radiomic（影像组学）的生存分析
最近写好了一篇肿瘤二区SCI，具体就不透露了，来跟大家分享一下经验，觉得好的可以留言哈。本文内不懂得可以留言我们一起讨论，很多词在 前面的文章中已经写了。 要想做基于影像组学的生存分析，肯定是离不开和医院的合作，因为你要拿数据啊，医院出数据，你提供算法，俩人共同第一作者……下面以预测某癌症手术后的复发为目的，按处理顺序来讲一下这个大概是要怎么做。（这里生存终点是指复发，生存时间是治疗开始到复发