随着人工智能的发展，影像组学应运而生，它能高通量地从医学影像中提取宏观及微观特征，反映出肉眼无法识别的影像信息，故能对疾病的异质性进行全面量化分析。胰腺疾病复杂多样，大多起病隐匿且病变异质性强，因此胰腺疾病的早期诊断、风险分层、治疗反应监测及预后等一直是影像组学研究的热点与难点。本文主要就影像组学在胰腺疾病方面的研究进展予以综述。
1.影像组学简介
Lambin等假设肿瘤的时空异质性可以用基于宏观图像的特征来定量表示，首次提出了影像组学的概念，即“从放射图像中高通量提取影像学特征”。与传统的临床诊断中依靠医师从视觉上解读医学图像相比，影像组学可深入挖掘出图像的定性与定量特征用于提供临床决策支持。
影像组学工作流程包括以下方面：①图像采集：应尽量设置相同的条件参数，并尽量减少图像的伪影及噪声，以获得最能反映真实的图像。②图像分割：对目标组织特征精确提取，并减少其他组织的干扰，包括手动分割、半自动分割及自动分割3种方法。③特征提取：影像组学特征包括表面积、体积等形态特征，能量、熵等强度特征，以及灰度共生矩阵、灰度游程矩阵等纹理特征。④特征选择：目的是为了简化模型，通常的方法有非监督方法（常用聚类分析和主成分分析）和监督方法（随机森林、最小绝对收缩和选择算子、逻辑回归等）。⑤模型建立与评估：在将预测模型应用于临床之前，必须评估模型的稳定性和可重复性。
2.影像组学在胰腺炎中的应用
style="padding-right:18px;-webkit-tap-highlight-color:rgba(0,0,0,0);color:rgb(76,,);background:url("