基于CT增强影像组学的支持向量机模型术前预测肝细胞癌微血管浸润的研究
目的 探讨基于支持向量机模型(SVM)的CT增强影像组学方法对肝细胞癌(HCC)微血管浸润(MVI)的术前预测价值.方法 回顾性分析186例经手术病理证实为HCC患者的临床及CT增强图像资料,其中MVI阳性83例,MVI阴性103例.首先对临床资料及影像学特征进行单因素及多因素分析,得到HCC发生MVI的独立危险因素.另外采用达尔文科研平台在CT增强动脉期、门静脉期及平衡期图像上进行影像组学特征提取及筛选.按照7∶3的比例将数据分为训练组和测试组,对训练组的组学特征构建SVM模型,并对MVI的独立预测因子构建Logistic回归模型.采用受试者工作特征(ROC)曲线分析模型的有效性,并用测试组进一步验证.采用De-long检验比较测试组中临床-影像学特征联合模型及不同期相影像组学模型的诊断效能.结果 多因素Logistic回归分析得出3个MVI的独立预测因素:肿瘤最大径、肿瘤边缘不光滑及瘤内动脉.临床-影像学特征联合模型在训练组的诊断效能ROC曲线下面积(AUC)为0.884,测试组AUC值为0.753.CT增强影像组学特征筛选后分别在动脉期、门静脉期、平衡期及三期联合获得2、1、1及2个参数,包括二维最大直径(冠状位)和依赖熵,这两个特征在MVI阳性组和MVI阴性组有统计学差异(P＜0.05).采用SVM方法建立多期影像组学模型,动脉期、门静脉期、平衡期及增强三期联合模型在训练组的诊断效能AUC值分别为0.932、0.930、0.924及0.933,测试组AUC值分别为0.865、0.834、0.855及0.858.经Delong检验分析后,发现测试组中CT增强各期影像组学模型的诊断效能均优于临床-影像学特征联合模型,且动脉期组学模型的诊断效能较高.结论 基于CT增强影像组学特征的SVM模型能够在术前无创地评估和预测MVI,可作为指导临床后续个性化治疗的有效工具.
影像组学、计算机体层成像、肝细胞癌、微血管浸润、支持向量机模型
40
江苏省青年基金;江苏省六大人才高峰项目;江苏省青年医学重点人才项目;扬州市十三五科教强卫生重点人才项目
2022-03-14（万方平台首次上网日期，不代表论文的发表时间）
共7页
2390-2396
