基于全偏振成像和机器学习的肝细胞癌与肝内胆管癌鉴别诊断研究

目的 探讨全偏振成像和机器学习在肝细胞癌与肝内胆管癌鉴别诊断中的作用。方法 利用全偏振显微镜对术后经病理确诊为低分化肝细胞癌和低分化肝内胆管癌病例各8例进行偏振成像；病理医生根据HE切片选取3块感兴趣区域，测量每块区域的穆勒矩阵，并根据穆勒矩阵参数提取分析方法计算出一系列的偏振基准参数；将偏振特征参数输入到人工神经网络模型中，采用了8折交叉验证方法对模型进行三分类的训练和验证。结果 模型结果显示，基于图像偏振特征区分肝细胞癌、肝内胆管癌与除了癌变细胞以外的其他组织的准确率为0.846 3,灵敏度为0.810 7。结论 基于全偏振成像和机器学习构建的肝细胞癌和肝内胆管癌诊断模型具有重要的病理辅助诊断价值。