目的:通过基于非侵入性动态对比增强计算机断层扫描（DCE-CT）的类多学科团队（MDT）诊疗模式的影像组学融合模型术前预测肝细胞癌的微血管侵犯（MVI）的价值。材料和方法:回顾性收集我院111例经病理证实的肝细胞癌患者资料,其中包括5 7例MVI阳性患者和54例MVI阴性的患者。在CT动态增强扫描的四个期相[动脉早期（EAP）、动脉晚期（LAP）、门静脉期（PVP）和平衡期（EP）]上手动逐层勾画VOI,从而获得获得肿瘤核心(Vtc)这一容积感兴趣区,然后基于计算机自动膨胀算法重建获得额外七个瘤周容积感兴趣区(Vpt,距肿瘤边缘的距离分别为2、4、6、8、10、12和14mm)。从不同期相和不同VO I的组合中提取的影像组学特征被输入到15 0个分类模型中,这15 0个分类模型是由10个分类器和15个特征选择方法组合构建的。通过确定最佳期相、最佳VOI以获得期相与VOI间的最佳组合,随后对各个预测模型进行优劣排序,并通过训练集或验证集上的交叉验证进行筛选。对预测性能最优的前三个预测模型进行模型融合,类似于MDT诊疗模式的程序,以生成最终的模型,并在独立测试集上进行验证。结果:从门静脉期（PVP）的Vtc+Vpt（12mm）提取的图像特征显示出优于其余VOI区域与其余三个DCE-CT期相特征的预测性能。在肝细胞癌MVI预测中,类MDT融合模型的性能优于单个预测模型。加权融合方法（WF）在最优的前三个影像组学模型的基础上进行融合,得到AUC为0.81,准确度为78.3%,灵敏度为81.8%,特异性为75%的预测结果,获得了最佳的预测性能。净重新分类改善指数（NRI）表明,与每个单一预测模型相比,集成方法加权融合（WF）和多数投票（PV）可以提高预测性能,具有正值的净改善,尽管无显著统计学差异。PVP中Vtc+Vpt（12mm）中排名前5位的影像组学特征包括一个灰度尺寸区域矩阵（GLSZM）特征和四个一阶特征,结果显示,这些特征对肝细胞肝癌的MVI状态有较强的预测能力。结论:基于动态对比增强CT的影像组学分析,从PVP中Vtc+Vpt（12mm）这一感兴趣区提取的图像特征是提示肝细胞癌的微血管侵犯的最可靠特征。类似于MDT的影像组学融合模型是一种有望在术前无创性预测肝细胞癌MVI状态的有效、可靠工具。