基于钆赛酸二钠增强MRI的影像组学与深度迁移学习预测肝细胞癌术前微血管侵犯

摘要

目的：探讨基于钆赛酸二钠增强磁共振（MRI）的影像组学与深度迁移学习（DTL）在术前预测肝细胞癌（HCC）微血管侵犯（MVI）的价值。方法：回顾性分析青岛大学附属医院2019年1月至2024年9月间369例术后经病理证实MVI情况的HCC患者的MRI和临床病理资料。依据MVI阴性与阳性表现，将其划分为MVI^-组219例和MVI⁺组150例。按照7:3比例随机分为训练组（n=258）和测试组（n=111）。基于肝胆期图像提取并筛选出影像组学、DTL以及两者融合特征中的最优特征。分别基于组学特征、DTL特征及二者融合特征利用随机森林、多层感知机、支持向量机3种算法构建9个机器学习模型。此外，利用受试者工作特征曲线对各模型的诊断效能进行全面评估，并确定最优模型作为输出模型。结果：构建的所有模型中融合特征模型效能总体高于单独特征模型，训练集随机森林分类器模型效能最高，AUC为0.998（95%CI:0.996～1.000），作为本研究输出模型。结论：基于钆赛酸二钠增强MRI的影像组学与DTL模型可有效预测HCC的MVI，其中训练集融合特征的随机森林分类器模型效能最佳。

关键词

肝细胞癌 / 微血管侵犯 / 影像组学 / 深度迁移学习 / 钆赛酸二钠