CT纹理分析与肝癌病理分化程度的相关性研究

作者：万小婷; 包晗; 黎超; 史居田; 周熠; 毛景松; 苏洪英^*

来源：临床放射学杂志, 2019, 38(07): 1239-1244.

DOI：10.13437/j.cnki.jcr.2019.07.013

• 纹理分析
• 肝细胞癌
• 病理分化程度
• 支持向量机

目的研究增强CT纹理分析与肝细胞癌(HCC)病理分化程度的相关性。方法回顾性分析经病理证实的307例HCC患者临床及影像资料,提取患者增强CT动脉期及门静脉期图像中肿瘤部位形态、灰度直方图、灰度共生矩阵、灰度游程矩阵等纹理特征。根据训练集动脉期、门静脉期纹理特征及两者间差异,分别建立线性支持向量机(SVM)预测模型。将所得模型应用于测试集,采用ROC曲线分析评估各模型在测试集中预测HCC高分化或中低分化的效能。结果根据动脉期、门静脉期纹理特征及两者间差异所建立SVM预测模型的ROC曲线AUC分别为0. 75、0. 59、0. 57,动脉期SVM预测模型AUC最高,其精确性、敏感性、特异性分别为78%、81%、66%。动脉期SVM预测模型对于肝癌病理分化程度的预测效果最佳,明显优于门静脉期及两组间差异。结论根据动脉期CT纹理特征所获得的SVM预测模型能有效预测HCC病理分化程度。

• 单位
  中国医科大学附属第一医院