张 娟 李 笛 冯亚园 霍 雷 吴钰娴 刘一萍 贾宁阳

原发性肝细胞肝癌（HCC）是最常见的恶性消化系统肿瘤之一，约80%发生在肝硬化基础上，肝硬化HCC的发生是由再生结节、异型增生结节到早期HCC、进展期HCC的多步骤进展［1］。根据AASLD（American Association for the Study of Liver Diseases）的标准，CT或MRI出现“快进快出”（动脉期出现明显强化，门静脉期或延迟期快速清除），即可诊断为HCC［2］。然而，这种典型的强化方式并不是经常出现，对于≤2 cm的小肝癌（sHCC），仅有60.5%表现为“快进快出”［3］。肝脏影像报告及数据系统（Liver Imaging Reporting and Data System，LI‑RADS） 是一种肝脏影像检查规范及诊断分类系统，专门针对肝癌高风险人群，对该类患者的图像作出标准化解释、报告和数据收集；但对于≤2 cm的病灶有时很能难定性，尤其是出现不典型强化时。磁共振弥散加权成像（diffusion weighted imaging，DWI）在检测小肝癌方面具有较高的灵敏度［4］；但是DWI的特异度不足，有研究表明部分不典型增生结节在DWI上表现为高信号从而出现假阳性［5-6］。因此，单纯的影像诊断对于肝硬化HCC的鉴别仍存在困难，特别是对于小结节，由于不同个体之间的影像学特征重叠，特别是异型增生结节和分化良好的HCC之间的影像学特征重叠，有时很难通过影像学表现确诊。

支持向量机（support vector machine，SVM）是机器学习最经典的算法之一，SVM是针对二分类任务设计的，在解决小样本、非线性问题上具有独到的优势。Jihye Baek运用SVM区分肝脏状态的不同状态，包括脂肪肝、肝纤维化和炎症［7］。Liu等［8］报道基于MRI的SVM模型可在术前区分混合型肝癌（combined hepatocellular‑cholangiocarcinoma，cHCC）与 HCC和 肝 内 胆 管 细 胞 癌 （intrahepatic cholangiocarcinoma，ICC），获得较好的灵敏度和特异度。此外，SVM在预测肝癌病理分化程度中也体现出较好的效能［9］。……