纹理分析技术运用于肝细胞癌识别的国外研究现状，至少三点，并给出相应的文献例子。支持向量机和纹理分析技术如何结合进行模型构建，请给出具体的步骤。支持向量机是用来干嘛的？请详细解释。计算机辅助诊断肝细胞癌的国外研究现状，并给出具体的文献例子。

关于纹理分析技术运用于肝细胞癌识别的国外研究现状，以下是三点：

1. 论文《Hepatocellular Carcinoma: Texture Analysis of Preoperative Computed Tomography Images Can Provide Markers of Tumor Grade and Disease-Free Survival》中，研究者使用纹理分析技术对肝细胞癌患者的CT影像进行分析，发现纹理特征与肝细胞癌的病理特征有关，并且可以作为预测肝细胞癌病理分级和无病生存率的指标。

2. 论文《Texture Analysis of MRI Images of Hepatocellular Carcinoma: Preliminary Results》中，研究者使用纹理分析技术对肝细胞癌患者的MRI影像进行分析，发现纹理特征可以用于区分不同的肝细胞癌亚型，并且可以帮助诊断肝细胞癌的早期病变。

3. 论文《Texture Analysis of Gadoxetic Acid–enhanced MRI for the Detection of HCC》中，研究者使用纹理分析技术对肝细胞癌患者的Gd-EOB-DTPA增强MRI影像进行分析，发现纹理特征可以用于肝细胞癌的检测和定量评估。

支持向量机和纹理分析技术结合进行模型构建的具体步骤如下：

1. 数据预处理：收集和清洗肝细胞癌患者的影像数据，并进行预处理，如图像切割、灰度标准化和降噪等。

2. 特征提取：使用纹理分析技术提取影像的纹理特征，如灰度共生矩阵、局部二值模式和高斯滤波器等。

3. 特征选择：使用特征选择算法选择对肝细胞癌识别有用的特征。

4. 模型训练：使用支持向量机算法训练分类模型，并对模型进行调优和优化。

5. 模型评估：使用测试数据集对模型进行评估，如准确率、召回率和F1值等。

支持向量机是一种常用的机器学习算法，用于分类和回归问题。它通过寻找一个最优的超平面（即支持向量）来将不同类别的数据分开，从而实现分类。支持向量机的优点是能够处理高维数据和非线性问题，并且在处理小样本数据时具有较好的性能。

关于计算机辅助诊断肝细胞癌的国外研究现状，以下是一个文献例子：

论文《Computer-Aided Diagnosis of Hepatocellular Carcinoma based on Texture Analysis of Multidetector Computed Tomography Images》中，研究者使用纹理分析技术和机器学习算法对肝细胞癌的MDCT影像进行分析，提取纹理特征并训练分类模型，实现肝细胞癌的自动诊断和分级。该方法的准确率为91.4%，证明了纹理分析技术在肝细胞癌诊断中的有效性和可行性。