摘要：目的：通過放射組學對肺癌病例進行定量特征提取, 優(yōu)化選擇, 然后通過機器學習方法實現(xiàn)肺癌病例討論和分析.方法：通過公開數據庫 LIDC 中提取 224 例和醫(yī)院收集 250 例肺結節(jié)病例, 提取共 841 個放射組學特征; 對特征進行正態(tài)分析和方差齊性分析,雙獨立樣本t檢驗進行降維; 其余采用秩和分析降維, 之后采取 Pearson 相關系數降維, 最后通過機器學習方法進行分類.結果： 來自 LIDC 數據庫和來自醫(yī)院的數據在基于隨機森林的分類器中的結果分別為 AUC=0.6571、 ACC=76.26%, AUC=0.8667、ACC=76%;在基于支持向量機的分類器中的結果分別為 AUC=0.6429, ACC=76.37%, AUC=0.7733、ACC=72%. 結論：在肺癌良惡診斷鑒別中, 使用放射組學特征方法可以鑒別良惡性.基于紋理特征的計算機輔助診斷系統(tǒng)可以提高對此類結節(jié)的診斷效能.