肝细胞癌(hepatocellular carcinoma，HCC)是全球范围内最常见的恶性肿瘤之一，其具有显著的异质性和术后高复发率的特点。因此，有效的术前危险分层和精准的预后评估对于治疗手段及随访方案的制定有重要意义。影像组学，作为从医学图像中提取高通量影像信息的方法，具有无创地捕获肿瘤的内在信息和反映肿瘤异质性的特点，受到广泛的关注。并且，影像组学联合基因组学、转录组学、蛋白组学等多组学的信息，能够从多个维度全面有效评估肿瘤患者的生物学特征和异质性。本研究基于影像组学技术在HCC中展开应用，在课题的第一部分工作中探讨基于超声医学图像的影像组学技术在HCC进行术前有效分型中的作用，并分析HCC不同亚型之间的特异性，进一步提出影像组学对HCC癌栓形成、微血管侵犯及早期复发等临床病理特征术前有效评估的效能。在第二部分的工作中，通过基于增强电子计算机断层扫描(contrast enhanced computed tomography，CECT)影像组学的技术联合转录组学及临床病理参数，构建HCC患者的预后有效评估的模型。本研究有望为HCC的精准诊疗提供有效的临床辅助决策。　　第一部分 基于影像组学的肝细胞癌术前分级研究　　目的：通过基于超声特征的影像组学研究，对HCC进行有效分型，分析不同分型之间临床病理特征的差异。并尝试通过构建影像组学模型，用于术前评估HCC患者癌栓形成、微血管侵犯及早期复发等影响患者预后的相关临床特征。　　方法：回顾性收集广西医科大学第一附属医院筛选出的182例单病灶的原发HCC患者二维超声图像、临床信息及病理信息。选取肿瘤最大切面的医学数字成像和通信(Digital Imaging and Communications in Medicine，DICOM)超声图像，通过ITK-SNAP(Version3.8.0)软件手动勾画感兴趣区域进行图像分割。基于感兴趣区的勾选，通过Ultrosomics软件(GEhealthcare，Version1.1)对图像进行影像组学定量特征的提取，剔除方差为零的特征并进行Z-score标准化处理后进行后续分析。通过ConsensusClusterPlus(Version1.46.0)对研究患者进行聚类分析，并比较不同亚型之患者之间临参病理参数的差异。进一步根据对HCC患者进行癌栓生成、微血管侵犯及早期复发的预测，将患者分为不同标签组。使用假设检验筛选组间差异影像组学特征，并使用套索算法(Least Absolute Shrinkage and Selection Operator，LASSO)回归模型对影像组学特征建立预测模型并进行十折交叉验证。利用受试者工作特征(receiver operating characteristic curve，ROC)的曲线下面积(Area Under Curve，AUC)评估模型的预测能力。　　结果：182例HCC患者均符合纳入标准，超声图像均为患者术前两周内检查的图像。通过肿瘤最大切面图像进行分割后提取特征后共获得四大类影像组学特征：一阶统计特征，形状大小特征，纹理特征以及小波特征，共计1076个影像组学特征。剔除方差为零的特征后对968个影像组学特征进行后续分析。结合影像组学的无监督聚类的整合确定了四类HCC亚型。不同亚型之间的HCC患者在巴塞罗那分期、AFP水平有显著的差异。通过假设检验分别筛选出135、87以及103个超声组学特征在癌栓形成组（有/无）、微血管侵犯组（有/无），早期复发组（有/无）显著差异。进一步根据LASSO算法分别选定5个、8个及6个影像组学特征构建影像组学模型进行术前预测HCC患者的癌栓形成、微血管侵犯以及早期复发。在癌栓形成的预测中，AUC值以及相应的95％可信区间(confidence interval，CI)、敏感度、特异度分别为0.7675(95％CI：0.6978-0.8372)、0.7155、0.7121;在微血管侵犯的预测中，AUC值以及相应的95％可信区间、敏感度、特异度分别为0.8306(95％CI：0.7305-0.9306)、77.50％、81.48％;在术后早期复发的预测中，AUC值以及相应的95％可信区间、敏感度、特异度分别为0.8303(95％CI：0.7404-0.9203)、0.6400、0.9310。　　结论：本研究中提出的影像组学分层聚类提供了对HCC的肿瘤生物学的深入了解，并为针对HCC的个性化治疗提供了新的视野。并且，基于超声特征的影像组学分类模型能够在HCC患者术前有效预测癌栓形成、微血管侵犯及早期复发。　　第二部分 影像组学联合转录组学评估肝细胞癌患者预后　　目的：分别构建基于转录组学及影像组学的模型，实现对HCC患者预后进行有效评估。并进一步联合转录组学、影像组学和临床病理参数，构建HCC患者预后的有效评估模型。　　方法：374例HCC患者的RNA测序数据从癌症和肿瘤基因图谱数据库获得，通过差异分析及预后分析筛选肝细胞癌(hepatocellular carcinoma，HCC)中有显著临床意义的基因，并在临床标本中使用免疫组化实验对其中一个基因Polo样激酶(polo like kinase1，PLK1)进行验证。进一步多因素COX分析构建基于转录组学特征的预测模型。同时，从The Cancer Imaging Archive数据库获取38例HCC患者CECT门脉期病灶最大切面图像，通过ITK-SNAP(Version3.8.0)软件手动勾画感兴趣区域进行图像分割。基于感兴趣区的勾选，通过Ultrosomics软件(GE healthcare，Version1.1)对图像进行影像组学定量特征的提取，剔除方差为零的特征并进行Z-score标准化处理后进行单因素COX分析，筛选预后相关的影像组学特征。并通过多因素COX分析构建基于影像组学预后模型。最后，通过整合影像组学、转录组学和临床病理资料，建立了多组学列线图全面评估患者预后。　　结果：在HCC测序数据中检测到77个差异表达的长链非编码RNA、29个小RNA和1014个信使RNA与HCC患者的预后密切相关。并且基于9个指标提出了HCC的预后评估系统，其展示出了良好的预后评估效能(AUC=0.776)。免疫组化实验验证了PLK1在HCC组织中显著高表达，且其高表达提示肿瘤患者的不良预后。单因素COX分析筛选得到21个与HCC预后相关的影像组学特征(P＜0.05)，并通过多因素COX分析纳入两个特征构建影像组学预后评估模型。进一步整合转录组学、影像组学及临床TNM分期建立的列线图，对HCC患者的生存评估有重要价值。　　结论：本研究全面分析了HCC患者转录组及影像组预后相关的基因及影像组学特征，并通过联合转录组学数据、影像组学及患者临参数据，为HCC患者提供有效的精准预后评估系统。