〔摘　要〕 回顾性分析经手术病理学证实的203例甲状腺微小结节患者,其中甲状腺微小乳头状癌148例和微小结节性甲状腺肿55例,使用影像组学智能分析软件(AK)对甲状腺微小结节的CT平扫及增强图像进行组学分析,运用6种模型进行评估:Forest模型、SVM模型、KNN模型、Tree模型、Bayes模型及Logistic模型。获取不同模型对于甲状腺良恶性微小结节鉴别诊断的准确度、特异性、敏感度及AUC。平扫和增强扫描Forest模型诊断效能均最佳。平扫训练组诊断准确度99.3%、特异性97.9%、敏感度100%、AUC 0.999,测试组诊断准确度87.9%、特异性81.0%、敏感度91.1%、AUC 0.884。增强训练组诊断准确度100%、特异性100%、敏感度100%、AUC 1.000,测试组诊断准确度82.8%、特异性93.3%、敏感度71.4%、AUC 0.905。CT影像组学Forest模型对甲状腺微小结节的良恶性鉴别诊断具有一定的价值,平扫和增强CT影像组学分别具有较高的敏感度和特异性。