赵士玉，刘晓斌，郭瑜，沈文*

1.天津医科大学朱宪彝纪念医院放射科、天津市内分泌研究所、国家卫健委激素与发育重点实验室、天津市代谢性疾病重点实验室，天津 300134；2.天津市第一中心医院放射科，天津 300070； *通讯作者 沈文 shenwen66happy@163.com

前列腺癌（prostate cancer，PCa）是男性最常见的癌症之一，美国PCa 居男性癌症死亡率第2 位[1]。随着PCa 患者的增多，对其筛查、诊断、治疗及预后的研究逐渐成为研究热点，临床亟需一种简单、准确、可重复的PCa 检查方法。CT、MRI、PET、超声等的应用可以无创地提供肿瘤形态学和部分功能学信息，但尚不能实现对肿瘤异质性特征的深层次分析。影像组学可以深度挖掘和分析影像图像信息，提取大量的表型特征，通过机器学习，对大量的图像表型特征进行深度筛选与分类。目前异质性分析方法在PCa 领域的主要应用有量化参数分布分析（体素强度直方图分析）和量化空间复杂性分析（纹理模式分析），体素强度直方图分析通过定量参数平均值、标准差、峰值、最大值、最小值、峰度、偏度和百分位数等分析肿瘤异质性分布[2]，属于一阶（单体素）分析。纹理模式分析通过Haralick 纹理特征参数熵、对比度、能量、同质性、差异性等描述体素强度水平的空间分布[3]，属于二阶（双体素）分析。影像组学的应用在PCa 异质性分析上增添了高阶纹理分析和形态特征分析，并通过机器学习对图像特征进行筛选和分类。目前，影像组学已应用于肺癌[4]、宫颈癌[5]、肝癌[6]、乳腺癌[7]、直肠癌[8]等领域，在PCa 中的临床应用包括诊断及鉴别诊断、组织学判定、分子标识、病理学分型、临床决策、疗效评价及预后预测等。……