上节课为大家介绍了国自然中影像组学的研究流程和国自然中标情况统计（详见往期帖子“国自然方向推荐——影像组学研究思路和中标统计”），这节课我们为大家详细介绍影像组学的研究思路、推荐的研究方向，以及影像组学的标书该如何撰写。
影像组学的应用领域非常广泛，包括：
人类健康：
肺癌、心脏疾病、乳腺癌、糖尿病、阿尔茨海默病等。
动物健康：
家禽、家畜等。
生物成像：
植物、海洋生物、微生物等。
医学研究：
新药研发、疾病机理研究等。
在国自然申报中涉及到的疾病领域在各个脏器中也是应用广泛：
接下来我们以几篇高分文献，给大家推荐影像组学相关的适合国自然申报的创新且高大上的方向：
2. 影像组学创新方向推荐——影像组学联合多组学（单细胞测序）
多组学分析：
指通过RNA测序、免疫组化、单细胞RNA测序等多维度组学数据，在大规模病例中，研究如肿瘤机制-免疫相互作用，从各方面验证肿瘤基质与患者临床结果的相关性。
文献链接：
https://pubmed.ncbi.nlm.nih.gov/38728838/
首先通过对样本进行HE染色、RNA-seq和免疫组化检测肿瘤基质（TSR）与不良预后结果的相关性以及TSR与免疫的相互关系；然后使用单细胞RNA-seq确定感兴趣的单细胞特征是否与生存密切相关，并对目标基因特征的富集进行评估和分层，揭示肿瘤基质与特定免疫细胞亚群的相互作用对预后的影响。将肿瘤基质浸润与影像学结合，通过采集患者动脉期和静脉期盆腔CT图像手动分割肿瘤中心的ROI使每位患者获得4个ROI并提取了7种类型的影像组学特征进行分析。最后通过建立7个相应的TSR预测模型，采用SMOTE过采样技术解决模型拟合过程中高TSR组和低TSR组之间的数据不平衡问题，通过受试者算子特征（ROC）分析量化影像组学模型的预测能力，并同时计算曲线下面积（AUC），使用Delong检验比较各组AUC确定具有最佳性能的模型，最终结合临床进行预后分析。
（文章研究流程）
3.影像组学创新方向推荐——影像组学联合代谢组学以及转录组学
文献链接：
https://pubmed.ncbi.nlm.nih.gov/37801493/
通过对
放射组学队列
进行分析，确定了与肿瘤内部异质性评估相关的
42个一阶和纹理放射组学特征
。利用这些特征建立了一个放射组学签名来评估肿瘤内部异质性，并在发现队列中选择了203个高度可变的与异质性相关的特征。使用相似性网络融合（SNF）根据一阶和纹理特征生成了两个不同的表型。在验证队列中应用相同的标准和过程，确定了DUKE和TCGA数据集中具有高和低内部异质性的患者。
本研究建立了一个大型多中心放射组学数据集，包括复旦大学上海肿瘤中心（FUSCC）队列、杜克大学（DUKE）队列和癌症基因组图谱（TCGA）队列。对于每个放射组学队列，从
四个感兴趣区域（ROIs）的预对比剂和后对比剂阶段提取了一阶和纹理特征。
FUSCC队列的放射组学数据还与包括
全外显子测序、转录组测序、拷贝数变异、代谢组学、血红蛋白和伊红染色
数字病理图像以及随访数据在内的多组学数据进行了匹配。DUKE队列提供了临床特征和随访数据，而TCGA队列则提供了匹配的转录组数据。
文献链接：
https://pubmed.ncbi.nlm.nih.gov/38106556/
• 该研究收集了两个机构320名接受胰腺切除手术和CT成像的NF-PanNETs患者的回顾性数据。
• 使用十种机器学习技术开发了
放射组学深度学习标志（RDPs）
。
• 将这些标志与临床病理因素结合，创建了一个可用于临床的诊断模型。
• 使用曲线下面积（AUC）指标评估模型的性能。
（A）对心房期 CT 图像进行分割。（B）分别提取放射组学和深度学习特征。（C）特征选择基于 U 检验、ICC 和 LASSO。（D）从组合放射组学和深度学习分数中开发出放射组学深度学习特征 (RDP)。该 RDP 进一步与临床因素相结合，以创建 RDP-列线图模型。（E 和 F）在单独的中心队列中评估并外部验证了 RDP 对淋巴结转移 (LNM) 的预测能力。
5.影像组学创新方向推荐——影像组学联合病理多模态组学
文献链接：
https://pubmed.ncbi.nlm.nih.gov/36038778/
该文章整合
医学影像、组织病理学和基因组
特征来预测免疫疗法反应的预测能力，使用 247 名晚期 NSCLC 患者，这些患者在诊断性临床检查期间获得了多模态基线数据，包括计算机断层扫描图像、数字化程序性死亡配体-1 免疫组织化学切片和已知的免疫疗法结果。并使用
机器学习
方法将多模态特征整合到风险预测模型中。
这里，我们选择一份中标的项目，给大家实战演练一遍（以下内容为我们青椒医学团队根据题目按照自己理解进行撰写的，
和申请人原标书内容无关，不过涉及到申请人项目隐私，这里不能给大家完全详细展现，抱拳）
这里给大家展现的标书写作技巧，适用于绝大部分的标书写作。不过对于影像组学的标书写作，会有一些更加具体的要求。
话不多说，直接展现标书写作。
首先，立项依据写作
报告正文
参照以下提纲撰写，要求内容翔实、清晰，层次分明，标题突出。
请勿删除或改动下述提纲标题及括号中的文字。
（一）立项依据与研究内容（建议8000字以内）：
1. 项目的立项依据（研究意义、国内外研究现状及发展动态分析，需结合科学研究发展趋势来论述科学意义；或结合国民经济和社会发展中迫切需要解决的关键科技问题来论述其应用前景。附主要参考文献目录）；
一、 研究背景：
1. 指出该疾病的流行病学；
2. 指出PIK3CA突变在乳腺癌发病、耐药性以及治疗中的研究现状；
着重强调寻求可用于反应基因改变的非侵入性、成本较低的方式是乳腺癌精准治疗中一个极具前景的研究方向；
3. 进而引出影像组学在乳腺癌分子分型、风险评估
和疗效预测中发挥极其重要的作用。详细介绍影像组学在肿瘤中的研究现状和具有的优势；
二、影像组学在乳腺癌精准诊疗中的现状：
1. 详细介绍影像组学，最好大量调研影像组学在包括乳腺癌等多种肿瘤精准诊疗中的研究现状（包括优势和不足）；
2. 调研大量文献，用于说明影像特征被认为是有由肿瘤基因驱动并且捕捉肿瘤组织中的细微基因变化。这部分要重点说明；
三、影像组学在乳腺癌生物学效应
1. 结合项目特点，详细介绍本项目涉及到的分子或者通路，详细介绍PIK3CA常见的致癌性突变以及这些突变和PI3K/AKT/mTOR 信号通路的关系，并通过多篇高分文献表明PI3K/AKT/mTOR 信号通路在乳腺癌进展中的作用。
2. 调研文献表明超声影像组学特征与乳腺癌基因特征相关性，指出本项目前期研究发现超声影像特征（包括纹理特征、形态特征等多种影像特征）可显著反映PIK3CA突变状态。
后面的内容不能再给大家展现了，如果需要影像组学方向的国自然申报服务，可联系我们
