超分辨率重建:一种提升影像组学诊断效能以预测肝细胞癌微血管侵犯的策略

《Academic Radiology》:Super Resolution Reconstruction: A Strategy to Improve the Diagnostic Performance of Radiomics for Predicting Microvascular Invasion in Hepatocellular Carcinoma

【字体: 大 中 小 】 时间:2026年10月20日 来源:Academic Radiology 4.7

编辑推荐:

   研究原理与目的微血管侵犯(MVI)是肝细胞癌(HCC)患者术后高复发率的关键相关因素。本研究旨在评估基于肝胆期(HBP)磁共振(MR)图像的高分辨率(SR)重建在提高MVI预测准确性方面的价值。材料与方法本研究回顾性分析了来自两个医疗中心在2018年至2025年间的544例H

  

研究原理与目的

微血管侵犯(MVI)是肝细胞癌(HCC)患者术后高复发率的关键相关因素。本研究旨在评估基于肝胆期(HBP)磁共振(MR)图像的高分辨率(SR)重建在提高MVI预测准确性方面的价值。

材料与方法

本研究回顾性分析了来自两个医疗中心在2018年至2025年间的544例HCC患者,包括训练集450例、内部验证集51例和外部测试集43例。基于病灶感知的3D Restormer Transformer架构,使用HBP MR图像进行SR重建,生成超分辨率MR图像。使用nnU-Net架构自动进行肿瘤分割,经经验丰富的腹部放射科医师手动校正后进行影像组学特征提取。随后从原始图像和SR图像中提取影像组学特征。基于原始图像和SR图像分别建立影像组学模型以预测MVI状态。模型开发使用了三种机器学习算法,包括逻辑回归、随机森林和LightGBM。

结果

分别从原始图像和SR图像中提取了共851个影像组学特征。对冗余特征进行筛选后,使用交叉验证的LASSO回归选择了50个影像组学特征。在MVI预测方面,基于原始图像的影像组学模型在训练集、验证集和测试集中的合并受试者工作特征曲线下面积(AUC)分别为0.710、0.764和0.614。相应地,基于SR图像的影像组学模型的AUC分别为0.855、0.798和0.827。在测试集中,基于SR图像的影像组学模型的AUC高于基于原始图像的模型(0.827 vs. 0.614,p <0.001)。

结论

SR重建可以提高影像组学模型在预测HCC患者MVI方面的诊断性能。

章节摘要

引言

肝细胞癌(HCC)是全球第六大常见恶性肿瘤,是导致癌症相关发病率和死亡率的主要因素之一1, 2。手术干预(如部分肝切除术)是主要的治疗方式3,但HCC术后5年复发率仍高达50%至70%4。微血管侵犯(MVI)是HCC患者高复发率和总体生存率降低的主要原因5。
MVI起着重要作用

材料与方法

本研究经机构审查委员会批准(批准号:QYFYWZLL 50176)。

患者特征

本研究共纳入544例患者,其中190例为MVI阳性患者。训练集、验证集和测试集中MVI的患病率分别为35.8%(161/450)、21.6%(11/51)和41.9%(18/43)。两个中心(中心1和中心2)患者的基线特征汇总于表1。两个组别之间在年龄、丙氨酸氨基转移酶(ALT)水平和中性粒细胞与淋巴细胞比值(NLR)方面存在显著差异(均p < 0.05)。未发现显著差异

讨论

在我们的研究中,基于SR重建的影像组学分析在术前预测MVI状态方面表现出改进的性能。
在验证集中,基于SR HBP图像的影像组学模型AUC略高于基于原始HBP图像的模型[0.798(95% CI, 0.669–0.926)vs. 0.764(95% CI, 0.633–0.879)]。在外部测试集中,这一差异变得更加明显,基于SR的模型AUC达到0.827(95% CI, 0.689–0.964),而基于原始图像的模型仅为0.614

伦理审批

已获得机构审查委员会批准(QYFYWZLL 50176)。

资金支持

本研究获得山东省自然科学基金资助(ZR2024MH140)。

作者贡献声明

唐晓杰:调查研究,数据管理。刘晓静:撰写—初稿,可视化,验证,调查研究,形式分析,数据管理。周晓媛:形式分析。高元祥:方法论。赵海晨:软件,方法论,形式分析。李明:撰写—审阅与编辑,验证,监督,方法论,调查研究,资金获取,概念化。

生成式AI及AI辅助技术在写作过程中的声明

在撰写本文期间,作者使用ChatGPT进行英文润色。作者对输出内容进行了审阅和编辑,并对已发表论文的内容承担全部责任。

利益冲突声明

本文作者声明与任何公司产品或服务可能涉及本文章主题的公司不存在利益关系。

致谢

感谢李明博士在研究设计、数据分析和稿件修改方面提供的专业指导和建设性建议。感谢李明博士在本研究中的指导和支持。

遵守伦理标准

担保人
本文的学术担保人为李明。

统计学与生物计量学

本文无需使用复杂的统计方法。

知情同意

机构审查委员会豁免了书面知情同意。

研究对象或队列重叠

无

研究设计

  • •
    回顾性研究。
  • •
    诊断或预后研究。
  • •
    多中心研究。
刘晓静|唐晓杰|赵海晨|高元祥|周晓媛|李明
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号