基于超声影像组学的原发性肝细胞癌分级预测

摘要

目的:针对原发性肝细胞癌(HCC)肿瘤分级预测难题,提出一种基于灰阶超声成像的影像组学预测模型。方法:首先,由超声医生对肿瘤区域进行手动分割,其次,采用影像组学方法对肿瘤区域提取形状、一阶统计、纹理特征,计算特征间Pearson相关系数剔除冗余特征,最后通过单变量分析筛选得到特征子集,采用LASSO构建HCC分级预测模型;利用留一法计算模型的受试者操作特性曲线下的面积(AUC)评估模型对HCC分级的预测能力。结果:利用43例经手术病理证实的HCC患者的灰阶超声图像构建HCC分级预测模型,所建模型由6个与分级高度相关的影像特征组成,模型具有较强的预测能力(AUC=0.76)。结论:基于灰阶超声成像的影像特征与HCC分级高度相关,所建影像组学模型能够较好地预测HCC分级。