CT纹理分析与肝癌病理分化程度的相关性研究

目的 研究增强CT纹理分析与肝细胞癌(HCC)病理分化程度的相关性.方法 回顾性分析经病理证实的307例HCC患者临床及影像资料,提取患者增强CT动脉期及门静脉期图像中肿瘤部位形态、灰度直方图、灰度共生矩阵、灰度游程矩阵等纹理特征.根据训练集动脉期、门静脉期纹理特征及两者间差异,分别建立线性支持向量机(SVM)预测模型.将所得模型应用于测试集,采用ROC曲线分析评估各模型在测试集中预测HCC高分化或中低分化的效能.结果 根据动脉期、门静脉期纹理特征及两者间差异所建立SVM预测模型的ROC曲线AUC分别为0.75、0.59、0.57,动脉期SVM预测模型AUC最高,其精确性、敏感性、特异性分别为78％、81％、66％.动脉期SVM预测模型对于肝癌病理分化程度的预测效果最佳,明显优于门静脉期及两组间差异.结论 根据动脉期CT纹理特征所获得的SVM预测模型能有效预测HCC病理分化程度.