目的 本研究旨在评估C T放射学方法鉴别周围型小细胞肺癌和非小细胞肺癌的研究,以期为临床诊治提供参考。方法回顾性研究原发性肺癌患者的临床点击此处资料,利用诊断后、治疗前的肺部CT图像对肺癌进行分割。从基于直方图的统计、肿瘤图像纹理分析及其小波变换中提取放射学特征。特征选择采用最小冗余度和最大相关法。用多层人工神经网络建立预测模型,用受试者工作特征曲线(AUC)下面积评价SCLC/NSCLC腺癌分类器的性能。结果69例小细胞肺All India Institute of Medical Sciences癌和34例非小细胞肺癌患者相比,小细胞肺癌组男性患者和吸烟者多于非小细胞肺癌组(P<0.05)。我们的SCLC/NSCLC分类器的总体性能AUC为0.93(95%可信区间=[0.85,0.97]),灵敏度=0.85,特异度=0.85)。添加如吸烟史等临床数据,可略微改善性能JQ1。排名最靠前的放射学特征主要是纹理特征。结论 CT放射组学能定量反映肿瘤的异质性,可用于肺癌亚型的鉴别诊断,效果满意。用小波变换技术对CT图像进行处理,增强了小细胞肺癌/非小细胞肺癌的放射学特征。