中山大学苏中振、陆遥Small Methods：利用3D超声与全切片病理图像融合技术对肝细胞癌微血管侵犯的精准影像组学诊断

本文介绍了中山大学苏中振、陆遥课题组在Small Methods上发表的研究，通过3D超声与全切片病理图像融合技术，结合影像组学特征构建机器学习模型，为术前精准诊断肝细胞癌（HCC）微血管侵犯（MVI）提供了新方法。研究背景是HCC的高死亡率和术后高复发率，其中MVI是关键因素，但现有诊断方法依赖术后组织学检查，无法在术前提供指导。研究目的是通过3DUS-WSI融合技术精准定位MVI区域，并构建高效机器学习模型提升诊断效能。研究结论表明，该方法通过直接分析MVI区域，有效排除了肿瘤主体的干扰，增强了诊断的特异性，其中梯度提升决策树（GBDT）模型表现最佳，AUC达到0.91，为术前诊断MVI提供了有力工具。未来研究计划通过迁移学习技术将模型应用于临床，优化治疗决策。