基于CT增强扫描动脉期图像的纹理分析在肝细胞癌病理分化程度预测中的价值研究

作者：岑永义; 农海洋; 李传; 梁克; 鲍保成; 陆玉敏^*

来源：临床放射学杂志, 2022, 41(08): 1476-1481.

DOI：10.13437/j.cnki.jcr.2022.08.039

• 肝细胞癌
• 体层摄影术,X线计算机
• 纹理分析
• 病理分级

目的 探讨基于CT增强扫描动脉期的纹理分析在肝细胞癌(HCC)病理分化程度预测中的价值。方法 将病理证实为HCC的患者99例(包括106个病灶，所有病灶术后病理均诊断为HCC)作为研究对象，根据病理结果分为中低分化、高分化两组。采用MaZda软件对所有病例术前CT增强扫描动脉期的原始图像进行纹理特征提取并用MaZda自带的“分类错误概率联合平均相关系数(POE+ACC)”功能筛选出意义最显著的10个纹理特征。选用t检验或Mann-Whitney U检验对这10个纹理特征进行组间比较，使用受试者工作特征曲线(ROC)计算单个纹理特征鉴别HCC病理分化程度的效能，最后用二元Logistic回归模型对差异有统计学意义且曲线下面积(AUC)>0.5的纹理参数行进一步自变量筛选并建立预测模型，采用AUC值、灵敏度、特异度评价该预测模型的预测效果，P<0.05为差异有统计学意义。结果 “POE+ACC”筛选出的纹理参数中，共有7个纹理特征在HCC中低分化、高分化组的组间比较中差异有统计学意义(P<0.05),除峰度(Kurtosis)外，其余的6个参数AUC值均>0.5,其范围为0.634～0.805。二元Logistic回归模型显示第90百分位数(Perc.90%)(P=0.004)、低频分量小波系数能量s-3(WavEnLL＿s-3)(P=0.020)可作为HCC病理分化程度的独立预测因子，以Perc.90%及WavEnLL＿s-3建立的预测模型对HCC分化程度预测的总体准确率为79.2%,其诊断中低分化HCC的AUC值为0.837,灵敏度为89.4%,特异度为62.5%。结论 基于CT增强扫描动脉期的纹理分析对初步预测HCC的病理分化程度有一定的价值。

• 单位
  右江民族医学院; 南宁市第二人民医院; 广西壮族自治区人民医院; 广西中医药大学第一附属医院