通过基于MRI的肿瘤分割和EPM技术，开发一种完全自动化的成像生物标志物，用于评估肝细胞癌（HCC）的风险

《Scientific Reports》：Developing a fully automated imaging biomarker for HCC risk assessment via MRI-based tumor segmentation and EPM

　　

摘要

本研究探讨了利用自动化肿瘤分割技术作为磁共振成像（MRI）中肝细胞癌（HCC）早期检测的感兴趣区域的可行性。在生成肿瘤分割结果后，采用增强模式映射（EPM）作为该区域内的体素级成像生物标志物。我们实现了轻量级的卷积神经网络PocketNet来分割肝脏肿瘤并评估其性能。为了评估模型的准确性，我们通过观察者之间的手动标注比较来估计分割性能的理论上限。利用XGBoost分析从自动化分割中获得的影像特征，以评估其预测价值。研究结果表明，自动化分割方法在较大肿瘤的分割上能够达到性能上限，但在较小病变的分割上表现不佳。然而，从自动化分割结果中提取的EPM特征与手动分割特征具有相当的预测能力，这表明EPM特征对分割误差具有较好的稳定性。研究结果表明，可以开发出一种完全自动化的成像生物标志物，用于HCC的风险评估。