分享:
分享到微信朋友圈
X
临床研究
基于T2WI的纹理分析在预测肝癌经导管肝动脉化疗栓塞术后早期复发的价值
孙祥林 由英宁 赵相轩 卢再鸣

Cite this article as: Sun XL, You YN, Zhang XX, et al. Prediction of the early recurrence of HCC patients after TACE surgery based on T2 weighted image texture analysis[J]. Chin J Magn Reson Imaging, 2021, 12(8): 22-26, 32.引用本文:孙祥林, 由英宁, 赵相轩, 等. 基于T2WI的纹理分析在预测肝癌经导管肝动脉化疗栓塞术后早期复发的价值[J]. 磁共振成像, 2021, 12(8): 22-26, 32. DOI:10.12015/issn.1674-8034.2021.08.005.


[摘要] 目的 探讨基于T2WI图像的纹理分析技术在预测肝癌患者经导管肝动脉化疗栓塞(transcatheter arterial chemoembolization,TACE)治疗后早期复发的价值。材料与方法 回顾性分析符合纳入标准的121例肝癌患者,男88例,女33例,所有患者在TACE前均接受常规MRI检查。手动分割所有肝癌的T2WI图像,并使用后处理软件自动提取纹理特征。根据改良实体肿瘤疗效评价标准划分为早期复发组(65例)及非早期复发组(56例),分析两组间纹理特征及临床特征。利用Logistic回归构建预测模型,绘制受试者工作特征曲线评估模型对TACE术后早期复发的诊断效能。结果 每个患者的T2WI图像分析后共得到371个纹理特征,经筛选后选取7个显著性较强的纹理参数(LongRunHighGreyLevelEmphasis_angle135_offset7、ClusterShade_AllDirection_offset4_SD、LongRunEmphasis_angle135_offset4、LongRunEmphasis_angle90_offset7、LongRunLowGreyLevelEmphasis_AllDirection_offset1_SD、ShortRunEmphasis_angle135_offset4、MinorAxisLength),根据以上参数构建放射组学模型,模型具有良好的预测能力(训练组AUC值为0.728,敏感度为71.11%,特异度为71.79%。验证组AUC值为0.744,敏感度为85%,特异度为58.82%)。此外,结合临床独立危险因子肿瘤最大直径、γ-谷氨酰转肽酶及放射组学特征的联合预测模型AUC为0.807,显示出更好的预测效能(P<0.05)。结论 利用基于MRI的纹理分析技术预测肝癌TACE术后的早期复发是可行的,有助于临床更好地提供个体化治疗。
[Abstract] Objective To explore the value of texture analysis technology based on T2 weighted images in predicting the early recurrence of hepatocellular carcinoma (HCC) after transcatheter arterial chemoembolization (TACE). Materials andMethods A total of 121 patients with hepatocellular carcinoma were retrospectively collected, including 88 males and 33 females. All the patients meet the inclusion criteria and underwent MRI scan before surgery. Lesions of all the HCC patients were delineated manually, and post-processing software was used to extract the texture features automatically. All patients were divided into early recurrence group and non-early recurrence group according to the modified response evaluation criteria in solid tumors, and then analyzing the texture features and clinical features between the two groups. Using Logistic regression to analyze and construct the predictive model, and the diagnostic efficacy of radiomic features and clinical features in predicting the early recurrence after TACE were evaluated by ROC curves.Results A total of 371 texture features were obtained after T2WI image analysis of each patient, 7 significant texture features were selected after screening to construct the predictive model, specifically LongRunHighGreyLevelEmphasis_angle135_offset7, ClusterShade_AllDirection_offset4_SD, LongRunEmphasis_angle135_offset4, LongRunEmphasis_angle90_offset7, LongRunLowGreyLevelEmphasis_AllDirection_offset1_SD, ShortRunEmphasis_angle135_offset4, MinorAxisLength. The model has great predictive ability. The AUC of the training group is 0.728, the sensitivity and specificity were 71.11% and 71.79%. And the AUC of the verification group is 0.744, sensitivity and specificity were 85% and 58.82%. In addition, the AUC of the combined prediction model combined with clinical independent risk factors (tumor maximum diameter, GGT) and radiomic features was 0.807, showing better prediction efficacy (P<0.05).Conclusions It is feasible to use MRI-based texture analysis technology to predict the early recurrence of HCC after TACE, which will help clinically provide better individualized treatment.
[关键词] 肝细胞癌;磁共振成像;纹理分析;经导管肝动脉化疗栓塞;早期复发
[Keywords] hepatocellular carcinoma;magnetic resonance imaging;texture analysis;transcatheter arterial chemoembolization;early recurrence

孙祥林    由英宁    赵相轩    卢再鸣 *  

中国医科大学附属盛京医院放射科,沈阳 110000

卢再鸣,E-mail:luzm@sj-hospital.org

全体作者均声明无利益冲突。


基金项目: 国家自然科学基金 81771947,31371425
收稿日期:2021-04-18
接受日期:2021-06-03
DOI: 10.12015/issn.1674-8034.2021.08.005
引用本文:孙祥林, 由英宁, 赵相轩, 等. 基于T2WI的纹理分析在预测肝癌经导管肝动脉化疗栓塞术后早期复发的价值[J]. 磁共振成像, 2021, 12(8): 22-26, 32. DOI:10.12015/issn.1674-8034.2021.08.005.

       肝细胞癌(hepatocellular carcinoma,HCC)是我国第四大常见癌症,也是第二大癌症死亡原因,其发生率和死亡率居高不下,严重危害人类健康[1, 2]。肝癌早期肿瘤较为局限,对于轮廓清晰者首选手术切除[3],但其发病隐匿,患者就诊时大多已进展为中晚期,行外科手术后5年内复发率高达60%[4]。此时,经导管肝动脉化疗栓塞(transcatheter arterial chemoembolization,TACE)为代表的姑息治疗常作为一线治疗方案[5]。然而,临床上TACE治疗肝癌的疗效并不稳定[6],所致的病灶完全坏死率仅为22%~29%[7],易造成肿瘤的残留及复发,因此在TACE前准确预测疗效对于治疗计划十分重要,而目前尚缺乏明确的具有高敏感度及特异度的生物标志物。

       纹理分析技术可通过对图像的高通量定量分析,以非侵入性方法评估肿瘤内部特征,用于肿瘤的诊疗和预后[8, 9]。T2WI作为MRI常规序列,相对于T1WI可以更明显地显示病灶及其征象,且扫描成本低于增强序列,无需考虑药物过敏的影响,在肝癌患者的随访中应用较为普及,因此,本研究拟通过分析肝癌患者TACE术前T2WI图像的纹理特征,构建模型预测术后的早期复发,从而利于及早发现不良情况,进一步调整或制定治疗计划。

1 材料和方法

1.1 研究对象

       本研究经过中国医科大学附属盛京医院医学伦理委员会批准(批准文号:2020PS416K),免除受试者知情同意。所有患者的临床和影像学信息均通过病历系统获得。回顾性筛选2013年1月至2018年12月在中国医科大学附属盛京医院行TACE治疗的肝细胞癌患者。纳入标准:(1)经病理证实为肝细胞癌或通过《原发性肝癌诊疗规范(2019年版)》[10]临床诊断为肝癌;(2)初次治疗方式为TACE,且术前未进行手术及其他任何放化疗治疗;(3)患者术前MRI显示为单发HCC;(4)门静脉或肝静脉无癌栓;(5)肝功能Child-Pugh分级为A级或B级。排除标准:(1)随访时间<6个月或临床数据不完整;(2)图像存在伪影,影响观察;(3)浸润性肝癌或复发性肝癌。最终研究人群包括121例患者,其中男88例,女33例,年龄39~74 (57.6±7.6)岁。同时回顾性收集患者术前的相关临床信息,包括患者一般资料,乙型肝炎病史及相应实验室指标。

       结合改良实体肿瘤疗效评价标准(mRECIST)[11],肿瘤复发定义为肿瘤直径增加至少20% (以开始治疗时记录的靶病变直径的最小总和为参照)。早期复发(early recurrence,ER)定义为一次TACE术后半年内的复发,否则为非早期复发(non-early recurrence,NER)。最终121例患者中,65例归为早期复发组,56例为非早期复发组。

1.2 MRI扫描方法

       所有患者在术前利用GE 1.5 T MR扫描仪进行MRI扫描检查,包含T2WI序列,检查前4 h内禁食,且48 h内不进行任何其他对比增强的影像检查。患者取仰卧位,具体扫描参数:TR 6666 ms,TE 85 ms,翻转角90°,层厚8 mm,层间距1 mm,视野40 cm×40 cm。

1.3 TACE术

       应用seldinger技术穿刺右股动脉,置入5F动脉短鞘,沿鞘送入5F Cobra导管,将导管插入肠系膜上动脉,注入稀释后的罂粟碱,行间接门脉造影(碘海醇),将导管插入肝总动脉行肿瘤染色。将2.2F微导管超选至肿瘤供血动脉,造影确认后于透视下缓慢注入稀释后的碘油及洛铂混悬乳液,完毕后再次造影见肿瘤内碘油沉积良好。撤出微导管,沿Cobra导管缓慢灌注稀释的法玛新及洛铂。术毕拔管撤鞘,压迫止血器加压包扎。入组患者均接受相同药物进行治疗,术中注射速度及药量根据患者肿瘤的具体情况实行个性化方案。

1.4 图像纹理特征提取

       将所有患者的T2WI图像以dicom形式导入A.K.软件(Artificial Intelligence Kit;GE Healthcare,China),首先对图像进行预处理(将X-spacing,Y-spacing,Z-spacing大小分别调整为2、1、7,并选择线性插值法进行重采样处理),然后将预处理后的图像重新导入A.K.软件,由2名具有腹部MR影像诊断经验的医师沿病灶边缘逐个层面手动勾画ROI,勾画过程中避开肿瘤周围血管,然后由另外1名医师复核,当意见不统一时,通过协商达成一致(图1)。根据所选取的全瘤ROI自动提取纹理参数,包括一阶参数(如直方图参数)及高阶参数[灰度共生矩阵(gray-level co-occurrence matrix,GLCM)参数和行程矩阵(run-length matrix,RLM)参数]。

图1  手工分割ROI实例。A:患者术前典型横断位T2WI图像;B:在A.K.软件上沿靶病灶最大层面手动勾画ROI示意图;C:逐层勾画靶病灶边缘,融合成三维ROI
Fig. 1  Example of ROI drawn manually. A: T2WI image of the patient's typical transverse position before operation; B: Manually drawing the ROI along the largest level of the target lesion on the A.K. software; C: Delineating the edge of the target lesion layer by layer and merging into a three-dimensional ROI.

1.5 统计学分析

       临床定量资料以均数±标准差表示,若符合正态分布及方差齐性检验,则采用独立样本t检验比较各组之间的差异,否则采用Mann-Whitney U检验。对于定性资料则采用卡方检验进行比较。根据患者相应参数,绘制ROC曲线,并通过计算曲线下面积,分析对TACE术后早期复发的预测效能。在ROC曲线上敏感度和特异度最大的点确定最佳临界值。最后,采用多因素Logistic回归建立综合临床危险因素及放射组学特征的预测模型。置信区间设为95%,P<0.05认为差异有统计学意义。统计学数据使用SPSS(v.26.0,IBM,Armonk,NY)、MedCalc (v.19.6.1,MedCalc Software BVBA,Ostend,Belgium)进行分析。

2 结果

2.1 临床特征

       临床特征总结详见表1。单因素分析显示,ER组与NER组之间性别、年龄、中国肝癌分期(China Clinic Liver Cancer Staging,CNLC)[10]、甲胎蛋白、癌胚抗原、天门冬氨酸氨基转移酶、谷氨酸氨基转移酶、胆碱酯酶、白蛋白、总胆红素及乙肝病史差异均无统计学意义(P>0.05)。肿瘤最大直径、碱性磷酸酶、糖类抗原199、γ-谷氨酰转肽酶在两组之间差异有统计学意义(P<0.05)。将所有有意义的因素纳入多因素Logistic回归分析,结果显示,肿瘤最大直径(OR=1.016;95% CI:1.000~1.033;P<0.05)、γ-谷氨酰胺转肽酶(OR=1.007;95% CI:1.001~1.012;P<0.05)是与TACE术后早期复发相关的独立危险因素。临床模型的AUC值为0.715 (95% CI:0.625~0.793),以Youden指数计算的最佳临界值为0.360,敏感度和特异度分别为53.85%和82.14% (图2)。

图2  临床特征预测早期复发的ROC曲线分析 图3 放射组学特征预测早期复发的ROC曲线分析。A:训练组AUC值为0.728,敏感度为71.11%,特异度为71.79%;B:验证组AUC值为0.744,敏感度为85%,特异度为58.82% 图4 联合预测模型预测早期复发的ROC曲线分析(AUC=0.807,敏感度为92.31%,特异度为58.93%)
Fig. 2  The ROC curve analysis of clinical features for predicting early recurrence. Fig. 3 The ROC curve analysis of radiomic characteristics for predicting early recurrence. A: The AUC value of the training group is 0.728, the sensitivity is 71.11%, and the specificity is 71.79%; B: The AUC value of the verification group is 0.744, the sensitivity is 85%, and the specificity is 58.82%. Fig. 4 The ROC curve analysis of the combined prediction model for predicting early recurrence (AUC=0.807, sensitivity 92.31%, specificity 58.93%).
表1  患者临床特征
Tab. 1  Patients' clinical features

2.2 纹理特征

       所有患者的MR图像经影像组学分析后共提取出371个纹理特征,使用中位数代替所有异常值,根据0.7的比例随机划分训练组及验证组,最终84例归为训练组(ER:45,NER:39),37例归为验证组(ER:20,NER:17)。特征选择分为两步,第一步采取ANOVA分析及Mann-Whitney U检验,第二步使用|r|=0.9的spearman分析消除高维特征冗余,最终选取7个显著性较强的纹理特征,分别为LongRunHighGreyLevelEmphasis_angle135_offset7、ClusterShade_AllDirection_offset4_SD、LongRunEmphasis_angle135_offset4、LongRunEmphasis_angle90_offset7、LongRunLowGreyLevelEmphasis_AllDirection_offset1_SD、ShortRunEmphasis_angle135_offset4、MinorAxisLength。经Logistic回归建立放射组学模型,图3描述了模型的ROC曲线对早期复发的预测性能,训练组AUC值为0.728,敏感度为71.11%,特异度为71.79%。验证组AUC值为0.744,敏感度为85%,特异度为58.82%。表明基于MRI纹理参数的影像组学模型在预测肝癌患者TACE术后早期复发方面具有良好性能。

2.3 组合模型的性能分析

       将选择的两个临床特征纳入放射组学模型,构建综合临床因素及图像纹理的联合预测模型(图4),其AUC值为0.807 (95% CI:0.725~0.873),诊断效能均明显优于临床模型(P=0.030、z=2.176)及放射组学模型(P=0.036、z=2.100)。

3 讨论

       根据巴塞罗那肝癌分期系统,TACE是中期肝癌患者的标准治疗方案[3]。然而事实上,TACE通过单独或联合治疗已广泛应用在肝癌的各个阶段。许多研究支持在早期和晚期肝癌患者中使用TACE,可作为极早期或早期肝癌的手术切除/移植的替代或过渡性手段,对于不可切除及晚期肝癌也可作为局部控制的姑息性治疗[12, 13]。另外有证据表明,对于直径≤3 cm且无血管侵犯的单发结节肝癌患者,TACE的五年生存率与肝切除术加射频消融术相似[14]。TACE治疗已被证明在局部肿瘤控制、防止肿瘤进展、控制患者症状及延长患者生命等方面均发挥有效作用。然而TACE疗效不稳定,术后肿瘤易复发,因此如何有效预测疗效也一直是临床关注的热点。

       目前肝癌的检测方法主要为超声、CT、MRI及实验室检查等,但各自的诊断价值尚缺乏统一定论。已有研究证实治疗前动态CT纹理分析在预测肝癌TACE术后治疗疗效的价值[15],但由于碘油在CT上表现为高密度,因此碘油沉积区内结构受伪影影响较大,而碘油对MRI信号不产生影响,且MRI软组织分辨能力较高,并可提供多参数成像,因此相对于CT,MR在肝癌介入治疗后的疗效评估中具有更大的价值。但目前临床上基于MRI图像的评估主要依靠肿瘤形态学及其强化情况,而对于图像内部更细致的不可见的特征尚未进行深度挖掘。但随着放射组学的发展,基于MRI图像的纹理分析已被应用于肝癌的多个方面,且均具有良好性能,如有效鉴别肝内3种单发病灶(肝血管瘤、肝转移瘤和肝细胞癌)[16],预测肝细胞癌的组织学分级[17]、分化程度[18]及微血管侵犯[19, 20]等,且对于肝癌切除术后的复发,MRI组学分析同样表现出较大潜力[21]

       本研究选取了肝癌患者术前的T2WI序列,通过影像组学的方法提取了7个与早期复发存在相关性的纹理特征,各自也存在一定临床意义,ClusterShade_AllDirection_offset4_SD属于阴暗聚类,是基于GLCM的一类特征,可以度量矩阵的偏斜度,其值越高,表示灰度差异性越大,图像对称性越低。GLCM反映图像灰度分布关于方向和变化幅度的综合信息,是分析肿瘤异质性的常用方法。MinorAxisLength的像素意义则表示与区域具有相同标准二阶中心矩的椭圆的短轴长度。而LongRunLowGreyLevelEmphasis_AllDirection_offset1_SD、LongRunHighGreyLevelEmphasis_angle135_offset7、LongRunEmphasis_angle135_offset4、LongRunEmphasis_angle90_offset7、ShortRunEmphasis_angle135_offset4同属于RLM纹理参数,RLM是记录图像像素分布和关系的统计量,度量长度和灰度的不均匀性,可以描述图像的粗糙度或平滑度。以上纹理参数在不同方面反映了图像更深层的异质性,并隐含了肿瘤术后复发的相关信息,提示肿瘤内部细节的差异是影响患者预后的重要因素。相对于依靠肉眼的形态学观察,依靠计算机数字化提取纹理特征的影像组学分析具有更精确、更深入、更客观的特点,但同样存在其不足,纹理特征的差异,仅能代表肿瘤内部细节存在差异,但其中的生物学基础尚不明确,可能与分化程度、分子及基因的表达等多个方面有关,研究其中的相关性,将进一步为影像组学参数提供相应的分子生物学基础。

       通过所提取的7个纹理参数构建的预测模型在训练组AUC值为0.728,验证组为0.711,且敏感度及特异度均较高。在之前已有研究表明MRI可有效评估肝癌化疗栓塞治疗的疗效[22]。且Weng等[23]及Sun等[24]也分别证实基于MRI纹理分析建立的预测模型对预测肝癌TACE术后疗效具有一定价值,而这两项研究由于受样本量影响,或由于病例选择上的差异,其结果仅包含影像组学方面,相对单一。本研究结果同样验证了MRI影像组学在预测肝癌TACE术后早期复发的可行性,此外,验证了肝癌患者一般临床资料与TACE术后早期复发的相关性,实现了临床指标与图像纹理的有机融合。

       对于患者临床资料,该研究中,肿瘤最大直径及γ-谷氨酰转肽酶与TACE术后的早期复发之间存在相关性,ER组具有较高水平。对于肿瘤最大直径,与Rou等[25]及Park等[15]的研究一致,肿瘤直径较大的患者TACE疗效相对较差,越易早期复发,且另有研究表明肿瘤直径与肝癌经药物洗脱微球肝动脉化疗栓塞术后的局部复发呈显著正相关[26]。而这可能与体积较大的肿瘤其内部血管发育相对较为完善,肿瘤侵袭能力相对较强有关。同时,体积较大的肿瘤会增加病灶周围间质的压力,压迫毛细血管,从而阻碍碘油在肿瘤内的沉积,也可能导致肿瘤术后的复发[27]。同样有研究曾表明,γ-谷氨酰转肽酶水平与血管侵犯、肿瘤大小、数目等不良临床病理特征[28]及慢性乙肝患者的纤维化及肝硬化程度[29]有关,且其过度表达可以通过调节细胞某些氧化还原过程,破坏增殖/凋亡平衡,从而促进肿瘤的进展[30]。这些则可能为γ-谷氨酰转肽酶水平影响肝癌预后的潜在机制。本研究通过多因素Logistic回归将上述两个临床因素建立预测模型,ROC曲线下面积为0.715,同样具有一定预测价值。

       但考虑到临床指标信息不能反映肿瘤的异质性特征,而放射组学提取的纹理特征信息则可直观、定量地描述肿瘤内部异质性,因此将选取的临床特征纳入放射组学模型,从而建立联合预测模型,其AUC值为0.807,且与临床特征模型及放射组学模型相比,其预测效能均有所提高(P<0.05),可以更有效地在术前进行无创预测。

       然而,本研究也存在许多不足之处。首先,本研究纳入样本量较少,且来源单一,缺少外部验证。其次,研究的回顾性设计可能导致选择偏差。此外,图像感兴趣区是由人工手动分割,尽管努力确保勾画的准确性,但仍可能出现不可避免的错误,从而可能对纹理特征的评估产生一定偏差。最后,本研究只选取了T2WI图像作为研究对象,相对单一,因此在日后的研究中应该纳入其他常规序列及增强序列,进行多序列的相关研究,同时更广泛地纳入实验室生化指标及分子生物学指标等,进一步完善结果,进行更为综合的分析。

       综上所述,本研究提供初步证据,表明基于MRI纹理分析及临床特征构建的预测模型能有效预测肝癌患者TACE术后的早期复发,有利于临床及早制订方案,选择最佳的个体化治疗策略。

1
Siegel RL, Miller KD, Jemal A. Cancer statistics, 2019[J]. CA Cancer J Clin, 2019, 69(1): 7-34. DOI: 10.3322/caac.21551.
2
Chen WQ, Zheng RS, Baade PD, et al. Cancer statistics in China, 2015[J]. CA Cancer J Clin, 2016, 66(2): 115-132. DOI: 10.3322/caac.21338.
3
Bruix J, Sherman M, American Association for the study of liver diseases. Management of hepatocellular carcinoma: an update[J]. Hepatology, 2011, 53(3): 1020-1022. DOI: 10.1002/hep.24199.
4
Ohki T, Sato K, Yamagami M, et al. Efficacy of transcatheter arterial chemoembolization followed by sorafenib for intermediate/advanced hepatocellular carcinoma in patients in Japan: a retrospective analysis[J]. Clin Drug Investig, 2015, 35(11): 751-759. DOI: 10.1007/s40261-015-0333-3.
5
Wáng YX, De Baere T, Idée JM, et al. Transcatheter embolization therapy in liver cancer: an update of clinical evidences[J]. Chin J Cancer Res, 2015, 27(2): 96-121. DOI: 10.3978/j.issn.1000-9604.2015.03.03.
6
Sun JY, Yin TL, Zhang XY, et al. Therapeutic advances for patients with intermediate hepatocellular carcinoma[J]. J Cell Physiol, 2019, 234(8): 12116-12121. DOI: 10.1002/jcp.28019.
7
Llovet JM, Bruix J. Novel advancements in the management of hepatocellular carcinoma in 2008[J]. J Hepatol, 2008, 48(Suppl 1): S20-37. DOI: 10.1016/j.jhep.2008.01.022.
8
Depeursinge A, Foncubierta-Rodriguez A, De Ville DV, et al. Three-dimensional solid texture analysis in biomedical imaging: review and opportunities[J]. Med Image Anal, 2014, 18(1): 176-196. DOI: 10.1016/j.media.2013.10.005.
9
Gillies RJ, Kinahan PE, Hricak H. Radiomics: Images are more than pictures, they are data[J]. Radiology, 2016, 278(2): 563-577. DOI: 10.1148/radiol.2015151169.
10
中华人民共和国国家卫生健康委员会医政医管局. 原发性肝癌诊疗规范(2019年版)[J]. 中国实用外科杂志, 2020, 40(2): 121-138. DOI: 10.19538/j.cjps.issn1005-2208.2020.02.01.
Medical Administration and Hospital Administration of the National Health Commission of the People's Republic of China. Standardization for diagnosis and treatment of primary hepatic carcinoma (2019 edition)[J]. Chin J Pract Surg, 2020, 40(2): 121-138. DOI: 10.19538/j.cjps.issn1005-2208.2020.02.01.
11
Lencioni R, Llovet JM. Modified RECIST (mRECIST) assessment for hepatocellular carcinoma[J]. Semin Liver Dis, 2010, 30(1): 52-60. DOI: 10.1055/s-0030-1247132.
12
Han K, Kim JH. Transarterial chemoembolization in hepatocellular carcinoma treatment: Barcelona clinic liver cancer staging system[J]. World J Gastroenterol, 2015, 21(36): 10327-10335. DOI: 10.3748/wjg.v21.i36.10327.
13
Kishore SA, Bajwa R, Madoff DC. Embolotherapeutic strategies for hepatocellular carcinoma: 2020 update[J]. Cancers (Basel), 2020, 12(4): 791. DOI: 10.3390/cancers12040791.
14
Yang HJ, Lee JH, Lee DH, et al. Small single-nodule hepatocellular carcinoma: comparison of transarterial chemoembolization, radiofrequency ablation, and hepatic resection by using inverse probability weighting[J]. Radiology, 2014, 271(3): 909-918. DOI: 10.1148/radiol.13131760.
15
Park HJ, Kim JH, Choi SY, et al. Prediction of therapeutic response of hepatocellular carcinoma to transcatheter arterial chemoembolization based on pretherapeutic dynamic CT and textural findings[J]. AJR Am J Roentgenol,2017, 209(4): W211-W220. DOI: 10.2214/AJR.16.17398.
16
Li ZJ, Mao Y, Huang W, et al. Texture-based classification of different single liver lesion based on SPAIR T2W MRI images[J]. BMC Med Imaging, 2017, 17(1):42. DOI: 10.1186/s12880-017-0212-x.
17
Zhou W, Zhang LJ, Wang KX, et al. Malignancy characterization of hepatocellular carcinomas based on texture analysis of contrast-enhanced MR images[J]. J Magn Reson Imaging, 2017, 45(5): 1476-1484. DOI: 10.1002/jmri.25454.
18
Feng MM, Zhang MC, Liu YQ, et al. Texture analysis of MR images to identify the differentiated degree in hepatocellular carcinoma: a retrospective study[J].BMC Cancer, 2020, 20(1): 611. DOI: 10.1186/s12885-020-07094-8.
19
Wilson GC, Cannella R, Fiorentini G, et al. Texture analysis on preoperative contrast-enhanced magnetic resonance imaging identifies microvascular invasion in hepatocellular carcinoma[J]. HPB (Oxford), 2020, 22(11): 1622-1630. DOI: 10.1016/j.hpb.2020.03.001.
20
Zhu YJ, Feng B, Wang S, et al. Model-based three-dimensional texture analysis of contrast-enhanced magnetic resonance imaging as a potential tool for preoperative prediction of microvascular invasion in hepatocellular carcinoma[J]. Oncol Lett,2019, 18(1): 720-732. DOI: 10.3892/ol.2019.10378.
21
Hui TCH, Chuah TK, Low HM, et al. Predicting early recurrence of hepatocellular carcinoma with texture analysis of preoperative MRI: a radiomics study[J]. Clin Radiol, 2018, 73(12): 1056. DOI: 10.1016/j.crad.2018.07.109.
22
Murakami T, Nakamura H, Tsuda K, et al. Treatment of hepatocellular carcinoma by chemoembolization: evaluation with 3DFT MR imaging[J]. AJR Am J Roentgenol, 1993, 160(2): 295-299. DOI: 10.2214/ajr.160.2.8380948.
23
翁炜, 吕秀玲, 张倩倩, 等. 基于磁共振影像组学技术对肝癌经肝动脉化疗栓塞术后短期疗效的预后价值分析[J]. 中华医学杂志, 2020, 100(11): 828-832. DOI: 10.3760/cma.j.cn112137-20190705-01502.
Weng W, Lü XL, Zhang QQ, et al. Prediction of short-term prognosis of hepatocellular carcinoma after TACE surgery based on MRI texture analysis technology[J]. Natl Med J China, 2020, 100(11): 828-832. DOI: 10.3760/cma.j.cn112137-20190705-01502.
24
孙跃军, 白洪林, 王栋, 等. 术前T2磁共振影像组学在预测介入治疗大肝癌近期疗效的研究[J]. 介入放射学杂志, 2019, 28(11): 1036-1041. DOI: 10.3969/j.issn.1008-794X.2019.011.007.
Sun YJ, Bai HL, Wang D, et al. Preoperative T2 MRI radiomics signature in predicting the short-term efficacy of interventional therapy for large HCC: a clinical study[J]. J Int Radiol, 2019, 28(11): 1036-1041. DOI: 10.3969/j.issn.1008-794X.2019.011.007.
25
Rou WS, Lee BS, Moon HS, et al. Risk factors and therapeutic results of early local recurrence after transcatheter arterial chemoembolization[J]. World J Gastroenterol, 2014, 20(22): 6995-7004. DOI: 10.3748/wjg.v20.i22.6995.
26
Nakano MM, Yamamoto A, Nishida N, et al. Risk factors for local recurrence of hepatocellular carcinoma after transcatheter arterial chemoembolization with drug-eluting beads (DEB-TACE)[J]. Jpn J Radiol, 2019, 37(7): 543-548. DOI: 10.1007/s11604-019-00840-4.
27
陈栋健, 丁文彬. 中晚期原发性肝癌患者TACE术后早期复发危险因素分析[J]. 影像研究与医学应用, 2020, 4(13): 177-178. DOI: 10.3969/j.issn.2096-3807.2020.13.114.
Chen DJ, Ding WB. Analysis of risk factors for early recurrence of patients with advanced primary liver cancer after TACE[J]. J Imaging Res Med Appli, 2020,4(13): 177-178. DOI: 10.3969/j.issn.2096-3807.2020.13.114.
28
Sun P, Li YL, Chang LJ, et al. Prognostic and clinicopathological significance of Gamma-Glutamyltransferase in patients with hepatocellular carcinoma: APRISMA-compliant meta-analysis[J]. Medicine (Baltimore), 2019, 98(19): e15603. DOI: 10.1097/MD.0000000000015603.
29
Li Q, Lu C, Li W, et al. The gamma-glutamyl transpeptidase-to-albumin ratio predicts significant fibrosis and cirrhosis in chronic hepatitis B patients[J]. J Viral Hepat2017, 24(12): 1143-1150. DOI: 10.1111/jvh.12751.
30
Corti A, Franzini M, Paolicchi A, et al. Gamma-glutamyltransferase of cancer cells at the crossroads of tumor progression, drug resistance and drug targeting[J]. Anticancer Res, 2010, 30(4): 1169-1181.

上一篇 基于扩散张量成像的纹理分析鉴别肝细胞癌和肝内胆管细胞癌的价值
下一篇 复发性急性胰腺炎临床和磁共振影像特征风险模型初探
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2