影像组学与深度学习在预测肝细胞癌微血管侵犯中的研究进展

摘要：

微血管侵犯(microvascular invasion,MVI)被认为是引起肝细胞癌(hepatocellular carcinoma,HCC)肝内转移和术后复发的原因.影像组学和深度学习(deep learning,DL)从常规使用的医学影像图像中识别出肉眼不可见的精细的成像特征,越来越多地被应用于HCC MVI的预测.过去,很少有研究对HCC的大小进行限制,随着研究的不断深入,有学者开始研究直径2.0～5.0 cm的小HCC,未来应该有更多的研究对肿瘤直径进行分层.本文主要从电子计算机断层扫描(computed tomography,CT)、MRI及正电子发射计算机断层显像(positron emission computed tomography,PET)三个方面来分析影像组学与DL在HCC MVI中的研究进展,主要包括既往研究的相同点与不同点、三种成像方式的特点及优缺点,最后针对共性问题,总结影像组学与DL存在的局限性、改进措施与未来的发展方向.本文旨在引起广大读者对HCC(尤其是早期HCC)的重视,增强影像医师与临床医师早期诊断、早期治疗HCC的意识,为研究学者提供一个较全面的比较,使更多的患者尽早受益于临床诊疗,改善患者的生活质量,增加患者的幸福指数.

关键词：肝细胞癌、微血管侵犯、影像组学、深度学习、磁共振成像

所属期刊栏目：14

分类号：R445.2;R735.7(诊断学)

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：184-188