目的探讨基于CT图像的影像组学特征在肺栓塞诊断中应用的可行性及价值分析,为临床诊断肺栓塞提供新的思路。方法回顾性分析我院2018年2月至2019年5月符合纳入标准的56例肺栓塞病例的CTPA图像。其中包括段级以上肺栓塞共34例,段级肺栓塞共22例。步骤:(1)在CTPA图像上观察肺动脉内有无栓子,并记录栓子的数量、位置及类型;(2)将所有入组病例图像均导入ITK-SNAP软件,选取栓塞动脉供血区域的最大层面,手动勾画感兴趣区(Region of Interest,ROI)作为病例组,其次选择对侧正常对应位置,勾画与病变侧相同面积的感兴趣区(ROI)作为对照组。(3)使用PyRadiomics分析软件进行影像组学特征提取;经过特征降维后得到3个更有辨别价值的组学特征。随机选择40例为训练集,16例为验证集。(4)采用多因素逻辑回归分析方法,在训练集中建立肺栓塞的预测模型,并在验证集中进行验证。构建ROC曲线并计算曲线下面积(AUC)评估模型的预测能力。结果根据病例组和对照组的不同,共提取660个影像组学特征,通过特征筛选最终得到3个影像组学特征最具有预测价值,分别为基于直方图特征的峰度、偏度和基于灰度共生矩阵(GLCM)的原变,基于以上三个特征所建立的模型在训练集和验证集的AUC值分别为0.779(95%CI,0.68-0.879)、0.742(95%CI,0.57-0.915)。结论(1)作为一种新的无创的预测方法,基于CT图像的影像组学模型显示出对于肺栓塞组和对照组良好的分类准确性。(2)影像组学模型中基于直方图特征的峰度、偏度和基于灰度共生矩阵(GLCM)的原变所建立的模型预测效能较好。(3)基于本研究结果,基于CT图像的影像组学分析,有望为周围型肺栓塞的诊断提供量化参数,从而指导临床制订个性化治疗方案。