深度影像组学（Deep Radiomics）是一种将深度学习技术应用于影像组学的研究方法。它结合了传统影像组学的特征提取方法和深度学习的自动特征学习能力，以提高影像特征的表示能力和泛化性能。
在传统影像组学中，研究者通常会手动设计和提取一组特征，这些特征能够捕捉到图像中的纹理、形状、强度等信息。然后，这些特征被用于构建预测模型，如分类、回归或生存分析。这些特征的提取过程需要大量的人工参与和领域知识。
与之不同，深度影像组学利用深度学习算法（如卷积神经网络、循环神经网络等）在大量标注数据的基础上自动学习特征。这些自动学习到的特征通常比手动设计的特征更具代表性和鲁棒性，能够更好地捕捉图像中的复杂模式。因此，深度影像组学在许多应用场景中具有更高的预测准确性和可靠性。
深度影像组学的主要应用包括：癌症检测与分期、病理组织分析、神经影像分析、心血管疾病评估等。通过深度影像组学技术，研究人员可以更好地理解疾病的生物学特征，为临床决策提供更有力的支持。
