目的 探讨基于MRIT2-FLAIR序列的影像组学模型鉴别无水肿型肺腺癌脑转移瘤与腔隙性脑梗死的价值。 方法 回顾性分析经手术病理或临床与影像随访证实的104例肺腺癌脑转移瘤与165例腔隙性脑梗死患者的治疗前磁 共振图像,按DWI序列信号高低分为两组(高信号组105例、等低信号组164例),各组按7∶3随机划分训练集和测试 集。从轴位T2-FLAIR序列图像上手动勾画的三维感兴趣区域中提取影像组学特征。采用mRMR 和LASSO 回归进 行降维,筛选出最具诊断价值的影像组学特征,结合4种机器学习分类器分别构建模型,并绘制ROC曲线,采用曲线下 面积(AUC)、敏感度和特异度评估各模型的诊断效能。结果 等低信号组权重系数最高的特征是一阶特征中的总能量 (FirstOrder_ TotalEnergy);高信号组权重系数最高的特征是灰度区域大小矩阵中的小区域低灰度水平强调(GLSZM_ SmallAreaLowGrayLevelEmphasis)。4种分类模型中,等低信号组表现最好的是随机森林(RF)模型,其AUC、敏感 度和特异度分别为0.887、0.892、0.772(训练集),0.901、0.800、0.939(测试集);高信号组表现最好的是决策树(DT)模 型,其AUC、敏感度和特异度分别为0.838、0.892、0.605(训练集),0.816、0.800、0.733(测试集)。结论 基于T2- FLAIR序列的影像组学模型对鉴别无水肿型肺腺癌脑转移瘤与腔隙性脑梗死具有一定的价值。