来源：期刊VIP网 时间：
作者：赵仁卿;吴奇新;
单位：右江民族医学院附属医院放射科;崇左市人民医院放射科;
摘要：肝细胞癌（hepatocellular carcinoma, HCC）的微血管侵犯（microvascular invasion, MVI）是评估肿瘤侵袭性、术后复发及预后分层的重要指标。当前术后病理是确诊金标准，但因具有侵入性且结果滞后，在指导术前决策制定上受限。近年来，深度学习（deep learning, DL）技术因其自动化特征学习在术前MVI预测中逐步展现出的优势。本综述旨在系统梳理DL在MRI影像基础上预测MVI的研究进展，探讨其发展路径与存在问题，为构建可推广的智能预测工具提供参考。本文重点回顾了DL在非增强MRI与多序列融合、2D与3D卷积结构优化、多任务学习及临床-影像特征协同建模等方面的应用进展，并总结了当前DL模型在该任务中面临的四大关键挑战：（1）模型泛化能力不足，外部验证匮乏；（2）序列模态缺失，影响模型适应性；（3）可解释性不足，限制其在临床的应用可行性；（4）算力与数据要求高，制约了模型部署。为应对上述问题，本文进一步归纳了当前DL方法的代表性发展趋势，包括轻量化网络设计、多中心数据协作、模态补全策略、因果推理与结构化建模，为构建高效、稳健、可推广的智能预测工具提供方向参考。
关键词：肝细胞癌;;微血管侵犯;;影像组学;;深度学习;;磁共振成像
