影像组学是定量图像分析的一个新兴领域，旨在将提取出的大量影像信息与临床和生物终点联系起来。随着机器学习和定量成像方法的发展，有机会将数据科学研究向临床转化，以实现更加个性化的治疗。
尽管影像组学领域的研究在过去几年里有了很大的发展，但目前的影像组学模型仍然缺乏可重复性和有效性。目前还没有关于影像组学特征和将这些特征构建成临床模型的指南和标准定义。标准化计算方法的使用将极大地提高影像组学研究的可重复性，并使得标准化的软件解决方案成为可能。
那么，截止目前，怎样的影像组学特征计算流程过程是被认可的呢？Avanzoet等人在文章《Machine and Deep Learning for Radiomics》进行了系统总结。包括一般处理、图像预处理、ROI分割、插值、ROI再分割、图像离散化、特征计算、校对等步骤。
