放射组学是指借助现代计算机技术,从医学图像中提取图像数字特征用于表征描述肿瘤的显像、解剖结构和肿瘤内部代谢情况的一种非侵入式的技术。放射组学通过对图像数字特征的提取计算,全面的反映肿瘤的表型结构、时间前后变化等各个方面的信息。通过与临床指标的融合分析,找出少量参数构成的模型实现肿瘤图像的自动化分析。最初,临床医生根据病人的临床反应表现、肿瘤大小变化或者活检技术对肿瘤进行分期或者疗效分析。但是这些方式受主观因素、时间因素影响较大,误判率较高。随着医学影像技术发展、数字化分析方法的应用,上述限制因素的影响得到削弱。18F-FDG PET医学影像能够根据示踪剂在不同细胞中含量的不同反映肿瘤靶区的生化代谢的差异,量化不同子代肿瘤细胞之间和不同肿瘤之间周围微环境的异质性,这种异质性随着患者个体的不同、器官的不同而各有其不同。肿瘤异质性分析不仅能反映肿瘤靶区的生化代谢情况、辅助精准放疗计划的制定,还能够用于临床癌症病人的治疗疗效、预后、生存期等情况研究中。本文依据放射组学的原理计算能表征肿瘤形状特征、异质性特征的18F-FDG PET肺部肿瘤图像统计学参数,通过对统计学参数和肿瘤体积、标准吸收值等参数进行数学分析研究医学影像纹理特征与肿瘤异质性间的关联。本文在研究内容上:首先,说明了本文的选题背景以及本论文的选题意义,描述了放射组学的概念、研究内容包含的要素及现阶段研究情况,然后对本文的写作构思以及结构做了整体说明。其次,详细介绍了PET/CT图像的成像原理,两种不同功能图像间结合使用的优点。对18F-FDG示踪剂在PET图像显像中的作用、PET图像异质性参数简要介绍。再次,说明了纹理的概念定义并说明了纹理分析的分析过程及纹理分析分为四大类的依据并介绍了纹理分析在肿瘤学应用。最后,阐述肿瘤异质性分析的过程:图像的获取、图像的处理,分子图像的放射组学分析,特征值与临床参数的相关性分析。并对每一步实验的实验标准要求和思路做了说明。对肿瘤异质性分析中的结果进行分析和讨论,得到了未发现的新的潜在的纹理特征值用于肿瘤的异质性分析。