近年来，由于存储技术和信息化改革的推进，病人的医学图像信息得到了很好的数字化保存，因此医学图像不再是少量的数据资源，而成为了与互联网数据、金融数据并列的第三大数据资源。与以往的基于小样本的单纯图像处理相比，大量的医学图像带来了新的研究机遇：在海量医学影像、病理、临床、基因分子等数据的基础上，利用模式识别和数据挖掘等信息技术，得到蕴含在这些大数据中的深层定量特征，用于指导基础生物医学研究和临床应用。医学影像大数据的积累和图像处理技术的快速发展促进了影像组学综合分析方法的诞生。针对肿瘤等重大疾病，影像组学的挑战性科学问题包括两个：针对肿瘤基因异质性引起临床诊断假阴性率和假阳性率高的问题，如何利用影像组学定量评估肿瘤异质性，提高癌症诊断的精准度；针对单一诊断方式难以全面评估肿瘤完整信息的问题，如何构建影像、病理、临床信息和基因信息融合分析平台，辅助临床肿瘤诊断。

实验室影像组学研究团队研究基于医学影像大数据特征提取、特征分析和深度学习的影像组学方法，构建影像、病理、临床和基因信息融合分析模型、影像预测治疗预后、影像预测病理分析、影像预测基因突变等平台，基于影像大数据推进信息技术在临床肿瘤精准诊断和预后预测的深入应用，取得系列突出进展。

实验室基于影像组学理论方法，研发了影像辅助诊断软件，构建了大数据资源平台。在影像辅助诊断软件上，实验室自主研发了针对肺癌的集成化影像辅助诊断软件Radiomics，基于近万例信息完善的肺癌大数据，集成了基于深度机器学习的影像组学预测模型，并融合1000项定量三维影像特征和医生经验特征，可实现肿瘤的自动分割、精确配准和三维可视化，并能预测评估肿瘤的良恶性、TNM分期、生存期等临床关键指标，为临床医生提供第二诊断意见。该软件平台曾被发表在生物医学工程领域主流期刊上的第三方评论文章经由9大类64个指标评为医学图像处理软件全球前十，并获得院科发局科技服务网络计划的支持。