目的:评价基于磁共振图像应用影像组学方法在鉴别小肝癌(small-Hepatocellular Carcinoma,s-HCC)与良性肝硬化结节中的价值。材料与方法:纳入2017年9月至2020年1月在我院进行肝切除或肝移植且符合入组标准的患者53名。所有患者均于术前4周内在我院进行过增强MRI检查。在T1WI、T2WI以及增强动脉期、门脉期、平衡期及延迟期图像上标记表现为异常信号的结节,并做好详细记录。参照术前MRI图像,以近1cm为间隔将手术肝脏标本切块,将标本断面与MRI断层图像进行准确对比,确定结节位置、分布情况。将获取的结节进行苏木精-伊红(Hematoxylin-Eosin,H-E)染色及免疫组化分析,确定结节的性质。选取病理诊断为s-HCC或良性肝硬化结节(肝硬化结节,异型增生结节)的病灶纳入本次研究。将最终获得的病灶按6:4的比例分为训练组和测试组,并保证各组病灶病理类型分类无统计学差异。利用PACS系统(Picture Achieving and Communication System,PACS)获得所有入组患者的临床特征(性别、年龄、甲胎蛋白(Alpha Fetal Protein,AFP)水平)。再由两名高年资医生共同阅片获得每个病灶的影像定性特征(动脉期高强化、门脉期或延迟期非边缘性廓清、强化“假包膜”)。应用逻辑回归分析选择有统计学意义的临床及影像定性特征建立临床影像模型。接着应用影像组学的方法提取出所有病灶在平扫图像(T1WI、T2WI)和增强图像(动脉期、门脉期、平衡期及延迟期)中的组学特征,应用最小绝对收缩和选择运算符(Least Absolute Shrinkage and Selection Operator,LASSO)的降维方法得到平扫及增强两组MRI图像中最优组学特征,应用支持向量机(Support VectorMachine,SVM)建立两组影像组学模型。通过比较临床影像模型、基于MRI平扫图像的组学模型、基于MRI增强图像的组学模型这三组模型的ROC曲线,得出最佳诊断模型。结果:1.53例患者中总共获取了72个病灶,其中包括54个s-HCC及18个良性肝硬化结节。以6:4的比例分为训练组(44个)和测试组(29个)。2.临床影像模型中“动脉期高强化”及“门脉期或延迟期非边缘性廓清”为鉴别s-HCC与良性肝硬化结节有统计学意义(p<0.05)的影像特征,联合这两种特征得到的诊断模型的AUC在训练组和测试组分别为0.86(95%CI:0.64-1)和0.87(95%CI:0.61-1)。3.基于T1WI、T2WI平扫图像得到的影像组学模型的AUC在训练组和测试组分别为0.89(95%CI:0.68-1)、0.92(95%CI:0.75-1)。基于动脉期、门脉期、平衡期以及延迟期增强图像的影像组学模型的AUC在训练组和测试组分别为0.95(95%CI:0.87-1)和0.90(95%CI:0.74-1)。结论:1.基于MRI平扫及增强图像得到的影像组学模型为鉴别s-HCC与良性肝硬化结节提供了一种高效的非侵入性诊断方法,可弥补传统基于形态学影像诊断的不足,提高对s-HCC与良性肝硬化结鉴别诊断的准确性,辅助临床制定治疗方案,进而改善HCC患者的预后。2.在临床影像模型、基于MRI平扫图像的影像组学模型及基于MRI增强图像的影像组学模型中,基于MRI增强图像的影像组学模型具有最高的诊断效能。