摘要
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.
基金项目
江苏省青年基金(BK20160450)
江苏省"六大人才高峰"项目(2016-WSN-277)
江苏省青年医学重点人才项目(QNRC2016321)
扬州市十三五科教强卫生重点人才项目(YZZDRC201816)
NETL
NSTL
维普
万方数据