〔摘　要〕 目的探讨影像组学对甲状腺腺瘤结节及乳头状癌结节的诊断价值。方法回顾性分析经过病理证实的110例甲状腺腺瘤(TA)及159例甲状腺乳头状癌(PTC)患者,使用影像组学智能分析软件(AK)对甲状腺结节的CT平扫图像进行分析,共勾画出541个感兴趣区(ROI),其中腺瘤结节172个,乳头状癌结节369个,通过直方图参数,灰度共生矩阵,游程矩阵等六类方法先获得高通量纹理特征参数396个,再通过特征降维获得179个特征参数,共组合成支持向量机模型(SVM)、逻辑斯谛回归模型(LR)及贝叶斯方法三种模型,分别随机选择70%病例为训练组,30%病例为验证组,获取不同模型对于两类甲状腺结节鉴别诊断的准确度、特异度及灵敏度,并与常规超声检查及CT平扫诊断结果对比。结果 SVM诊断效能最佳,其训练集诊断准确度为100%,特异度为100%,敏感度为100%,测试集诊断准确度为91.4%,特异度为95.5%,敏感性为82.7%。常规检查超声诊断准确度为77.3%,特异度为73.8%,敏感度为79.5%,CT平扫诊断准确度为71.7%,特异度为61.5%,敏感度为84.3%。结论 CT影像组学联合SVM模型对TA及PTC的诊断有一定的价值,优于超声及常规CT平扫检查。