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或者删失）
- 拿数据
拿数据之前，你要和医生商量好对数据做怎么样的标定，如按照你的生存终点，对文件夹分类放置病例。另外随访信息也要处理好，主要是用那些临床因子很完整的病人。这一步没做好，后面会很头疼的。另外说一下，有文献指出，做生存分析时，发生终点事件的样本越多越好，即删失数目越少越好，最好是删失数小于30%，当然，如果你的结果够好，这都不是问题。
- 提取radiomic特征
这一步我推荐大家会python的用pyRadiomics，不会用的就用3DSlicer的同名插件。这是哈佛医学院出的用来提取组学中常用的一些特征（强度，纹理，形状，小波等），很全面，文档也很规整，只是现在只能用nrrd格式的数据，对dicom支持的不好，因为dicom需要处理复杂的文件头，当然自己写得提特征程序就更好。
- 分训练集和验证集
数据量少就别分训练验证集了，最好用交叉验证，做内部验证。数据量多（比如大于100），你可以按照2:1或者1:1的方法随机分训练验证集。
- 特征降维
提取完组学特征，你会发现一个病人就有几百个特征，而你的数据量一般都是小于特征数量的，这样你就需要对特征进行降维，选用合适的降维方法非常重要，常用的方法是基于主成分分析的方法或者Cox模型加上惩罚项。
- 建模
选用适当的用于生存分析的模型，具体你可以上WOS搜radiomic survival analysis关键字，一大堆文献，找分高的，看看人家用什么模型，站在前
人的肩膀上走得更快，这句话在哪都没错。可以用随机生存森林或者Cox风险比例回归模型，是比较常用的。随机森林推荐使用R包:randomForestSRC
将降维之后的特征，一般这就是和终点事件高度相关的特征，代入模型，得到每个病人发生终点事件的风险（或者叫做可能性，可用predict函数得到），
组学中有一个高大尚的名字，叫做“组学标签 radiomic signature”。
- 分高低风险组
在训练集上用模型拟合数据之后，对工科生来讲不难理解，就是再用模型对验证集上每个病人做一个预测，其实就是表示这些病人复发的可能性有
多大，就像Cox回归里面的PI用于对每个病人做预后打分，是类似的。之后的事情就是在验证集上分析了。因为之前我们得到了每个病人发生终点事件的
可能性（模型预测的值），根据这个值，我们取一个cutoff（大部分文献中是用的是训练集中病人预测值的中值，然后也用于验证集），分别把训练集和
验证集的病人分成两组，也就是常见的高低风险组（High/Low risk group）。
- 做K-M曲线
分别在训练集和验证集做K-M曲线，分析高低风险组病人的生存率是否有差别。这里需要使用log-rank（又叫时序检验）假设检验来判断两组生存
率是否有统计学差异。通常问题的零假设是“两组病人生存率的分布在组学标签这一特征上相同”，若log-rank得到的p值小于0.05，则说明可以通过组学
标签将病人分开，分开的高低风险组的两组病人有统计学差异，这就是我们想要的结果——组学标签可以作为一个有效的biomarker。推荐包survival
以上这些已经够随随便便发一个中文期刊了，要想进一步证明组学标签的有效性，还要进行单因素和多因素分析，并且要根据实际问题做更进一步
的分析，以及检验模型的预测能力。
最近找工作，更多的分析等有时间再写。
哦对了，R语言推荐使用Rstudio 装各种包就是一个命令的事情。更详细的参考PPT