基于MRI的慢性肝病中肝血管-体积比量化：深度学习方法
摘要
背景：我们旨选用基于深度学习的磁共振成像（MRI）分析方法，对慢性肝病各阶段及健康对照组的肝血管体积进行量化，并评估其与肝脏（功能）障碍及纤维化/门静脉高压生物标志物的相关性。方法：我们运用肝血管分割的3D U-Net模型，对复健性健康对照、非进展期及进展期慢性肝病（ACLD）患者进行分析，针对门静脉期增强剂（gadoxetic acid-enhanced）3T MRI进行分割。比较总体血管体积比（TVVR）、肝内血管体积比（HVVR）及肝内门静脉血流量比（PVVR）于各组间的差异，并与：白蛋白-黄总素（ALBI）及终末期肝病-钠（MELD-Na）评分、纤维化/门静脉高压（FIB-4评分、肝纤维度测量[LSM]、肝内静脉压力梯度[HVPG]、血小板计数[PLT]及脾脏体积）相关。结果：我们纳入197例受试者，年龄54.9±13.8年（平均±标准差），男性111例（56.3%）：35例健康对照、44例非ACLD及118例ACLD患者。TVVR和HVVR在对照组最高（3.9；2.1），非ACLD组居中（2.8；1.7），ACLD患者最低（2.3；1.0），差异 statistically significant（p≤0.001）。PVVR在非ACLD及ACLD患者均降低（均为1.2），低于对照组（1.7），差异 statistically significant（p≤0.001），但两组间无显著差异（p=0.999）。HVVR与FIB-4、ALBI、MELD-Na、LSM及脾脏体积呈显著负相关（ρ介于-0.27至-0.40），与血小板计数呈正相关（ρ=0.36）。TVVR和PVVR的相关性类似但较弱。结论：基于深度学习的肝血管体积分析显示出健康肝脏与慢性肝病各阶段之间的差异，并与疾病严重程度的既定标志物保持相关性。
引用
@article{arxiv.2510.08039,
title = {MRI-derived quantification of hepatic vessel-to-volume ratios in chronic liver disease using a deep learning approach},
author = {Alexander Herold and Daniel Sobotka and Lucian Beer and Nina Bastati and Sarah Poetter-Lang and Michael Weber and Thomas Reiberger and Mattias Mandorfer and Georg Semmler and Benedikt Simbrunner and Barbara D. Wichtmann and Sami A. Ba-Ssalamah and Michael Trauner and Ahmed Ba-Ssalamah and Georg Langs},
journal= {arXiv preprint arXiv:2510.08039},
year = {2025}
}
备注
^Alexander Herold and Daniel Sobotka share first-authorship