肝癌是严重危害大众生命和健康的疾病。最新统计表明，肝癌在世界范围内居癌症发病率的第六位和死亡率的第三位，而我国的肝癌发病率和死亡率更高，分别居所有癌症的第五位和第二位。其中，高死亡率的肝细胞癌（hepatocellular carcinoma, HCC）是最常见的原发性肝癌，占肝癌病例的75%；肝内胆管细胞癌（intrahepatic cholangiocarcinoma, ICC）是继HCC后的第二大常见原发性肝癌，占肝癌病例的5-30%。几项研究表明，HCC和ICC的发病率在近几年仍不断增长。目前针对这两种原发性肝癌采取的最主要的治疗方法是肝切除术。但是，由于肝癌存在可预测性低、恶化迅速的临床特点，患者一旦到达晚期，接受肝切除术后反而更容易死亡。因此，术前对肝癌患者的预后风险因素及复发概率进行精准评估，对于制定合理的治疗方案至关重要。
HCC和ICC这两种肝癌的生物学行为主要反映在组织形态学以及癌症发生位置上，因此医学影像分析成为对其预后进行评估的主要手段。目前用于肝癌诊断的医学影像主要包括磁共振（Magnetic Resonance Imaging, MRI）和计算机断层扫描成像（Computed Tomography, CT）。其中，MRI比CT具有更高的软组织对比度并可提供大量功能信息。同时，使用不同成像参数扫描得到的多模态MRI图像，可以提供更为丰富的结构和功能互补信息，对于准确评估肝癌患者的预后更加有利。
因此，若想实现精准诊疗，对高质量、多模态影像的精准解读是关键。人工智能技术可以让计算机自主学习影像特征，从而提高肝癌医学影像分析的准确性和自动化程度，因此，智能诊断已经成为相关领域研究者们下一步需要攻克的难关。总之，基于多模态影像的肝癌智能诊断技术研究具有重要的学术意义和临床应用价值。
本项目是在医学影像人工智能的技术创新基础上，实现可用于临床的肝癌智能诊断系列方法，以期辅助医生进行肝癌患者的治疗决策，改善患者结局。